近日，清华大学校务委员会副主任、经济管理学院教授、领导力研究中心主任、可持续社会价值研究院院长杨斌，与资深媒体人、AI研究智库“未尽研究”创始人周健工聚焦“AI向善与中国企业的实践”，就相关问题展开探讨。本场对谈为《中国慈善家》《中国新闻周刊》和阿里巴巴公益共同发起的“人与AI”社会大讨论第二期，由《中国慈善家》杂志社副社长、影响力慈善研究院院长王跃春主持。

2026年是AI技术广泛进入社会的一年，当我们谈论“AI向善”时，我们到底在谈论什么？AI大厂与初创企业应该站在什么位置？AI只是一个做好事的工具吗？公益慈善应当何为？围绕这些话题，对谈层层展开，正如杨斌在最后总结：

“技术的青春期要经历一段奥德赛岁月，吾辈才能回到人类真正善任的家园中。” 

以下为访谈实录的节选。

从“AI本善”到“AI向善”：

三重困境

王跃春：杨斌老师之前写过《“AI本善”的三重困境》，认为AI之善应该是内生的，也必须内生，才能真正实现与人类对齐。这到底是一种悲观的期待，还是真的能够成为现实？AI本善和AI向善之间的关系是什么？

杨斌：我在春季学期开AI伦理课，当时组织学生做“AI本善是否可能”的讨论，正好周健工老师把《哈萨比斯传》翻译出版，我就从2015-2025年的AI发展历程中选取了三个重要场景拿给学生们讨论。尽管哈萨比斯本人表达出非常强的愿望：希望AI这个超大威力的新事物最后能服务于人类福祉，希望AI最后内生就是 for good的。但基于三重困境的分析，至少现在的进展还让我们不放心。

第一，到底以什么样的组织方式，才能不让“逐利的心”主导模型研发，以至于公众利益完全被搁置？第二，科学家会不会急于把未知后果的东西先做出来，再去想控制它的方案？夸张一点说，会不会每个科学家心里都藏着一个“科学怪人”？第三重更复杂：争夺AI领先地位而导致的“囚徒困境”。

你问悲观不悲观，我只能说：不确定性仍然在那里。

最近还有一点值得注意：美国迎来中期选举的当口，反AI的声音出现了：AI对就业的伤害、对自然资源的巨量消耗；以及产业挤出——当一个产业吸引了那么多巨量的投资，其他行业获得的投资必然减少，挤出产生对立。这些会不会都构成AI向善的显性议题？先别说向善不向善，AI现在是不是已经开始四处树敌了？

周健工：我们为什么提AI向善？因为AI可能作恶。所以发展AI应该本着几个原则。

第一，就是要解决人类的重大问题，如哈萨比斯说的：先解决AI，再用AI解决其他。第二，AI技术的设计和部署过程应该是可持续的、社会可接受的。AI消耗了这么多社会资源，那AI究竟给老百姓带来了什么好处？这个追问也许着急了一点，但是合理的。第三是底线：别再添麻烦。过去时代遗留下来的没解决的问题，不能因为AI再放大了。

我们要对AI提一个最起码的要求——AI基础设施投资占GDP的比重，已经超过了历次技术革命的重大基础设施投资，那么，AI给人类带来的福祉，从范围和深度上也应该超过以往的技术革命。

如果一定要用一句话概括什么是AI向善，我想说：“AI向善是一个进程”，不是“这个是善、那个不善”的静态判断，它是AI技术不断发展、不断进入社会的过程中，“有用”和“有益”共同演进的过程。

没有真，何以谈善？

周健工：另外一点，谈善的时候，有没有想过“真”的问题？有一个“科林格里奇悖论”：新技术出来初期，我们对它认识不深，不知道怎么监管，就任其先发展；等技术成熟了想回头监管，成本已经太高，因为它已经深深嵌入社会基础设施。现在我们面对AI，可能又处在这样一个悖论之中。

AI的可解释性还没有解决。我们都说AI是智能涌现，但参数、神经网络、神经元之间究竟是怎样的物理过程？连AI的智能是怎么产生的都不知道，我们怎么约束它的发展方向？“没有真，何以谈善？”

作为AI技术的设计者和提供者，企业有责任如实告诉用户和社会：我的模型到底是不是安全的，风险在哪里。这是AI企业应该负起的责任。

《科学——新黄金时代》

提醒我们什么？

王跃春：我们“荡开一笔”，聊聊白宫新发布的《科学——新黄金时代》这份报告。我自己看到两个特别重要的因素：一个是AI的驱动，另一个是中国的追赶。这种态势和我们今天讨论的AI向善有什么联系？

周健工：我自己愿意这样解释：“这份报告的内核就是AI”。它比较充分地反映了这一轮技术革命的特点：研究资源的重心在企业。美国9000亿到1万亿的研发投入里，7000亿在企业。中国研发支出按购买力平价口径已经追上了美国，所以美国面临的迫切问题是：政府资源占比越来越少的情况下怎么继续竞争？答案是用AI杠杆，用政府资源撬动企业资源。

还有一点，美国特别担心AI技术发展和应用脱节——说白了是工业基础问题，他们想要把再工业化和AI结合在一起。

杨斌：这份报告有一些基本原则较之以前是有很大不同的：它希望花掉的每一分钱都服务于国家利益，产生可预期的现实生产力，不希望花冤枉钱。包括对大学的支出——它想越过大学的官僚层，直接对超强研究者本人和研究项目进行投入——这也是受到AI对科研赋能和范式革新的影响，让这条新路变得可能；也表现为不太愿意再发生科研经费进校后，学校直接拿掉相当比例的间接费用去养很多未必相关的人。这些都透着这拨政策制定者的一股劲：我是内行，我不想再按旧章程混过去，我想开新篇，整个科研范式会在我们手上变化。

这提醒我们：科研管理能不能及时跟上科研范式、创新模式上的变化？科技政策更要及时调适，该做大变革就不能只是萧规曹随的小改善，得有这种勇气和紧迫感。

哪些观点被现实改变了？

王跃春：两位都是长期关注AI的发展，这两年发表了很多与此相关的文章。站在2026年这个节点上回望，有没有什么现实超出了你们的预期，有什么观点是你们现在想修正或补充的？

杨斌：有两个。第一，去年我对大厂的转型估计得更乐观一些；现在看，挑战非常、非常大——它需要创造新模式、新生意，更重要的是新人才和新文化。即使仍处于领先位置的企业，也要警惕过去的成功成为AI转型的包袱。

第二，中国在这一轮竞争中，前沿实验室追赶和自己做探索的能力超出了我的预期，非常有创造性。这一代年轻的创始人们思考问题的出发点和模式已经不是原来的方式：为了好奇、为了信念、为了热爱。“中国从0到1比较差”的旧评价，我觉得正在变化中，要重新认识。

周健工：杨老师谈到的我也深有感触，这波浪潮之前我们看好的一些企业和企业家，我觉得现在有一种特别强烈的“过时感”。中国新一代企业家已登上历史舞台，超出我的预期，他们绝不会把自己局限在某个地理范围内，天生就是全球化的。

我慢慢意识到什么是 AI Native：凡是你做一件新的事情，先用AI，再用人，这就是 AI Native。大厂难就难在这一点：新业务可以先拿AI转一圈，但老业务很难动。大厂要痛下决心，在一个局部、让一个产品先 AI Native——一旦转起来，整个组织就自动带起来了。

作者：王跃春

摄影：张旭