江渺渺 陈迪源 | 香港作为全球人工智能治理标准制定枢纽的战略定位与实践路径

　　摘 要：当前，全球 AI 治理已进入将技术底座、商业利益与政策目标深度捆绑的竞争新时代，合规正成为一种可被商业化的核心竞争力。香港凭借“一国两制”下的普通法体系、高度国际化的专业服务网络及联通内地与国际的特殊地位，具备从“超级联系人”升级为“超级增值人”的独特潜力。香港可聚焦 AI 伦理与商业信任、数据治理与跨境流动、人机交互与负责任创新三大核心领域，通过建立“国际标准与治理中心”、深化河套合作区“数据特区”建设、拥抱开源生态、开拓“面向全球南方的适应性标准”等路径，构建“合规即价值”的商业闭环，将治理优势转化为产业优势，服务国家参与全球科技治理的宏大战略。

　　关键词：人工智能治理；标准制定；香港；“一国两制”；数据跨境流动

　　作者简介

　　江渺渺：中国传媒大学海峡两岸青年创新创业学院执行院长、国家公共关系与战略传播研究院副院长、海外荣誉教授。

　　陈迪源：香港创科发展协会创会主席、香港人工智能研发院（AIRDI）董事。

　　正文

　　进入 21 世纪第三个十年，人工智能已从前沿科技概念演变为驱动全球经济社会变革的核心引擎。然而，AI 在赋能产业升级的同时，也带来了数据隐私、算法偏见、就业冲击乃至伦理安全等多重挑战。全球范围内，一场围绕 AI 治理规则制定权的竞争已然展开，其核心不仅在于技术领先，更在于塑造未来数字经济格局的话语权。治理标准不再是束缚创新的纸面文件，而是正在演变为一种全新的“产业机遇”——合规本身正成为一种核心商业价值和市场准入的通行证。

　　2024 至 2026 年成为全球 AI 治理的“分水岭”时刻。欧盟《人工智能法案》于 2024 年 8 月正式生效，但各条款分阶段实施 （大部分规则到 2026—2027 年方可适用），以基于风险的严格规制体系试图将其规范性权力辐射全球。我国在 2025 年 7 月发布了《人工智能全球治理行动计划》，彰显出在全球治理体系中日益积极的角色。美国则通过行政命令确立以创新为导向的国家 AI 政策框架，并限制各州过度监管。三大经济体的政策分野，标志着全球 AI 治理进入“多极化”博弈新阶段。一个显著趋势是治理的“硬化”与“代码化”：抽象的伦理原则正被转化为具体的技术标准，并以“代码即法律”（Code as Law）的形式实现自动化合规。

　　在此背景下，香港面临关键的战略抉择：是延续“超级联系人”的传统角色，被动适应外部规则，还是主动升级为输出规则、标准与信任的“超级增值人”？这不仅关乎香港自身创新科技产业的未来，更直接关系到其能否在国家发展新质生产力、参与全球科技治理的宏大布局中，扮演不可或缺的核心角色。本文的核心研究问题是：在全球 AI 治理日益强调产业落地的背景下，香港建设全球 AI 治理“标准制定枢纽”的战略可行性、核心领域与实践路径分别是什么？

　　一、全球人工智能治理与标准制定的竞争新格局

　　（一） 理论基础：从“软法”到“硬基建”的权力逻辑

　　本文的理论框架基于全球治理理论，并结合科技治理与标准制定理论的相关论述。技术并非价值中立的工具，其设计和部署过程嵌入了特定的社会价值与权力关系。技术标准具有强大的网络效应和锁定效应，掌握标准制定权等同于掌握定义市场规则、设置准入门槛的“结构性权力”。

　　普通法体系在 AI 治理标准制定中具有独特的制度适配性。与成文法依赖立法机关预先制定详尽规则不同，普通法的判例法特性使其能够通过个案裁决逐步积累治理经验，形成动态演进的规则体系，这与 AI 技术快速迭代的特征高度契合。库埃拉尔（Mariano-Florentino Cuéllar）指出，普通法在处理新兴技术争议时，能够通过类比推理灵活应对立法滞后问题，在 AI 算法审计、数据隐私纠纷和 AI 产品责任认定等场景中尤为突出。鲍尔（Dean Ball）进一步论证，普通法历史上曾多次通过调整过失责任规则来适应新技术的出现，AI 时代同样可沿用此路径。普通法强调的程序正义原则——包括听证权、证据公开和司法审查——为 AI 系统的透明度和可解释性要求提供了天然的法律框架。这一制度特性，正是香港在全球 AI 标准制定竞争中最不可复制的核心优势。

　　进入 AI 时代，传统“软法”治理正向“硬规则”转变。AI 治理标准日益与国家级数字基础设施深度绑定，标准可直接写入代码、嵌入系统、自动执行。这种“代码即法律”的趋势使标准制定的战略价值被空前放大。

　　（二） 全球 AI 治理最新格局（2024—2026）：技术、商业与政策的合流

　　2024 至 2026 年，全球主要经济体纷纷加速其 AI 治理的立法与战略布局，其共同特点是都试图将抽象的治理原则与具体的技术实现、商业激励和地缘政治考量相结合。

　　欧盟的《人工智能法案》是“规范性权力 2.0”的典型代表，不仅划分风险等级，更对高风险 AI 系统提出具体技术要求，并设立“AI 沙盒”和“AI 测试与实验设施”（Testing and Experimentation Facilities, TEFs）等机制，旨在通过“布鲁塞尔效应”（Brussels Effect）将其合规认证体系推广为全球“黄金标准”。

　　中国则展现了将产业发展、国家安全与全球治理相结合的系统性战略，大力推进“东数西算”算力网建设，并通过“一带一路”数字丝绸之路向全球南方分享数字治理经验。

　　美国的 AI 治理呈现“双轨格局”：联邦层面倾向通过支持开源模型（如 LLaMA）、主导芯片技术（如 NVIDIA 的 CUDA 生态）和云服务（AWS, Azure, GCP），来维持其在全球 AI 技术栈中的领导地位，并由国际标准与技术研究院（NIST）发布自愿采纳的风险管理框架；州级层面则日趋收紧——纽约州 2025 年底签署的《负责任人工智能与安全教育法案》（RAISE Act）要求大型 AI 开发者制定安全协议，初次违规罚款高达 100 万美元。加州的《前沿 AI 透明度法案》（SB 53）也于 2026 年 1 月正式生效。

　　新加坡作为小国参与大国竞争的典范，展现了令人瞩目的治理迭代速度：从 2019 年的《示范性 AI 治理框架》到 2024 年的生成式 AI 专版，再到 2026 年 1 月发布的全球首个针对 AI 智能体的治理框架；这种“快速迭代、紧跟技术前沿”的治理模式，配合其 AI 验证平台“AI Verify”的商业化和国际化，完美诠释了“合规即服务”（Compliance-as-a-Service, CaaS）的商业逻辑。

　　综上，全球 AI 治理已进入将技术底座、商业利益与政策目标深度捆绑的“三位一体”竞争新时代，香港必须在此格局中找到自身的独特生态位。

　　二、香港作为 AI 治理标准制定枢纽的独特优势与商业逻辑

　　从理论视角审视，“一国两制”为 AI 标准制定提供了一个独特的“跨法域制度实验室”，这种“主权背书下的高度自治实践”构成了独特的制度优势。新加坡作为完全主权国家，虽拥有独立立法权和强劲的执行力（如新加坡资讯通信媒体发展管理局主导的 AI Verify 平台和生成式 AI 治理框架），但缺乏广阔腹地的数据和产业规模支撑；迪拜作为区域金融与科技中心，依赖国家资源和“自上而下”的政策驱动（如迪拜国际金融中心 AI 许可证和阿拉伯联合酋长国 AI 办公室的中央统筹），国际法律公信力相对较弱。香港的模式则允许其在单一主权国家内实现法律多元主义（Legal Pluralism）。内地的成文法体系拥有大规模数据治理和产业政策协调的制度优势，而香港的普通法体系则具备国际规则兼容性和灵活的判例演进能力。这种互补结构能够突破单一法域的固有局限——成文法标准往往因立法周期长而滞后于技术发展，普通法标准则可能因市场规模有限而缺乏实证基础。“一国两制”下的深港协同，恰恰能将两种制度的比较优势有机整合：内地提供海量数据和丰富场景作为标准制定的实证基础，香港则以普通法框架和国际化网络赋予标准以国际公信力。这一制度安排在全球范围内具有独特性，填补了“主权国家内跨法域协同制定技术标准”的理论与实践空白。

　　（一）“一国两制”下的制度优势：从“信任基石”到“商业护城河”

　　香港最核心的优势源于“一国两制”框架下的普通法体系。普通法遵循判例，强调程序正义和个人权利保护，使其在处理数据隐私、知识产权、合同责任等 AI 治理核心议题时，能与国际主流准则高度兼容。对出海 AI 企业而言，产品若能在香港法律框架下通过认证和审计，相当于获得进入全球高端市场的“信任通行证”。香港已成功将此制度优势转化为具体的行业标准和商业实践。香港金融管理局（简称“金管局”）于 2016 年 9 月推出“金融科技监管沙盒”（FSS），2017 年升级为 2.0 版本，新增金融科技监管聊天室、允许科技公司独立进入沙盒测试、实现跨监管机构互联互通三大功能。截至 2025 年 12 月，沙盒累计批准 385 个项目，其中合规科技项目占比达 51%（196 项），涵盖反洗钱智能监测、KYC 自动化等 AI 驱动的合规应用。沙盒机制还催化了虚拟银行生态：截至 2023 年底，香港 8 家虚拟银行用户总数达 220 万；从 2021 至 2023 财政年度，它们的整体营运收入增长七倍，净亏损收窄了 15%，商业模式逐步走向成熟。沙盒的迭代实践，验证了香港普通法体系下“监管弹性与标准制定”的结合可行性，为 AI 治理标准制定提供了“沙盒试验→数据验证→标准提炼→行业推广”的参考范式。

　　（二） 角色演进：从“超级联系人”到“超级增值人”的商业闭环

　　香港应实现从“超级联系人”到“超级增值人”的角色演进。“超级增值人”意味着香港不再仅是“通道”，更是“工厂”和“熔炉”。香港将利用独一无二的制度环境，将来自内地的海量数据和技术实践，与国际通行的法律框架和伦理标准相结合，生产出获得国际认可的治理标准和可信服务。

　　一是赋能“隐形冠军”出海。香港的标准制定和认证能力，可以帮助大湾区乃至全国的科技企业在国际竞争中实现范式转换。这一路径的核心，在于深化和活用“隐形冠军”（Hidden Champions）理论。该概念最早由德国管理学家赫尔曼·西蒙（Hermann Simon）提出，原指那些在某一细分市场占据全球领先地位但公众知名度不高的中小型企业。笔者在四年多前首次提出“大湾区特色隐形冠军”的概念，本文在此基础上进一步提出，核心竞争力不再仅是技术本身，而是“技术+标准”的复合优势。一家专注于 AI 医疗影像的内地“专精特新”企业，算法已非常成熟，但进入欧美市场须跨越数据隐私和算法认证门槛。通过在港利用法律和技术专家进行“伦理审计”和“合规改造”，获得“香港可信 AI”认证，即可凭“合规优势”而非“成本优势”获得国际市场话语权。这一逻辑并非理论推演：2024 年深圳全球合规论坛揭示，大湾区 AI 医疗影像企业进入欧美市场时面临 MDR/IVDR 和（美国）食品药品监督管理局（FDA）审批的双重合规壁垒；2025 年韩国个人信息保护委员会（PIPC）对 DeepSeek 发起数据合规调查，凸显中国 AI 企业的海外合规风险。大湾区 AI 企业的国际竞争力瓶颈已从“技术差距”转向“合规差距”，香港恰能提供关键的“合规增值”服务。

　　二是催生“合规科技”新产业。标准的制定和实施将直接催生庞大的新兴服务市场。全球 AI 治理市场规模预计在 2033 年超过 35 亿美元，年复合增长率达36%。香港的专业服务业——包括四大会计师事务所、国际律师事务所和管理咨询公司——可开发“合规即服务”商业模式，为全球 AI 企业提供一站式合规解决方案，涵盖算法审计、数据合规评估、伦理认证及跨境合规咨询等服务。这一新兴产业不仅能为香港创造高附加值就业机会，更能巩固其作为亚太区专业服务中心的地位，实现从“金融中心”到“金融+合规科技双中心”的升级。

　　（三） 挑战与应对：在动态博弈中寻找商业平衡

　　在擘画宏伟蓝图的同时，也必须清醒地认识到香港在建设“标准制定枢纽”过程中面临的现实挑战。这些挑战既来自外部的地缘政治环境，也源于内部的结构性约束，需要通过精准的策略设计加以应对。

　　首先，地缘政治的复杂性是最突出的外部挑战。美国对关键技术的出口管制可能影响香港获取前沿算力资源。在算力保障方面，香港可建立与大湾区算力枢纽的共享机制，对接深圳鹏城云脑（在建鹏城云脑Ⅲ算力将达 1.6 万 PFLOPS）和广州超算中心，建立专属算力调度通道。与此同时，香港自身的算力建设也取得突破性进展。2026 年 3 月，润泽（香港）沙岭数据园区正式动工，该项目由数字政策办公室牵头专班推进，建成后将提供 18 万 PFLOPS 算力，使香港从算力“受援方”转变为大湾区算力网络的重要节点。

　　就香港 AI 产业基础而言，截至 2025 年，香港 AI 相关企业约 500 家，AI 核心产业产值突破 380 亿港元，同比增长约 45%。数码港的人工智能超算中心（AISC）已提供 3000 PFLOPS 算力，香港整体算力则达 5000 PFLOPS。润泽（香港）沙岭数据园区将成为香港算力跃升的核心引擎。该园区位于北部都会区港深口岸经济带枢纽位置，未来能与大湾区数据产业链和算力集群形成高效互补。在科研方面，香港五所大学跻身全球百强，AI 领域论文被引量位居前列，香港科技大学等高校已建立 AI 伦理和治理专门研究中心，能为标准制定提供学术支持。然而，香港 AI 产业也面临明显短板：AI 独角兽仅 6 家，半导体核心设备进口率达 90%，AI 算法工程师缺口约 2000 人，应用场景相对集中于金融和物流领域。因此，标准制定战略的意义更加凸显——通过聚焦合规认证、算法审计等高附加值环节，以标准引领产业聚焦细分领域，发挥“小而精”的非对称竞争优势，而非在通用 AI 技术上正面竞争。

　　其次，本地市场规模的局限是内在结构性挑战。香港仅约 750 万人口，数据规模和应用场景丰富度无法与内地、美国或欧盟相比。因此必须与其他大湾区城市建立深度协同机制，借助内地海量数据来充实标准的实证基础。此外，《个人资料（私隐）条例》亦需同步更新：一是新增 AI 自动化数据处理条款，明确 AI 系统处理个人数据的告知义务及用户拒绝权，对标《通用数据保护条例》（GDPR）第 22 条；二是新增生成式 AI 训练数据合规条款，要求开发者对训练数据来源做合规审核并标注受版权保护的内容；三是新增算法决策透明度条款，要求对用户权益产生重大影响的 AI 算法决策提供简要解释，保障用户知情权。香港数字法律体系的完善已在加速推进：法律改革委员会于 2026 年 1 月发表《依赖电脑网络的罪行及司法管辖权事宜》报告书，《保护关键基础设施（电脑系统）条例》已于 2026 年 1 月 1 日起实施，为 AI 治理的法律基础提供了重要支撑。应对挑战的关键在于找到商业平衡点——当标准能切实帮助企业降低合规成本、开拓新市场时，其采纳便不再是政治问题，而是纯粹的商业决策。

　　三、香港 AI 标准制定的核心领域与实操机制

　　香港若要成功构建全球 AI 治理的标准制定枢纽，必须采取非对称竞争策略，聚焦于自身最具比较优势的核心领域，并设计相应的实操机制。

　　（一） AI 伦理与商业信任：将“软伦理”转化为“硬价值”

　　香港特区政府数字政策办公室于 2025 年 12 月发布《人工智能道德框架》2.0 版，并于同月制定了《香港生成式人工智能技术及应用指引》，个人资料私隐专员公署亦发布了《开发及使用人工智能道德标准指引》和《人工智能：个人资料保障模范框架》。这些指引可与数码港 AISC 等数字基础设施结合，例如政府可在提供算力资助的同时要求申请企业遵循道德框架，利用技术平台提供算法偏见检测工具，将伦理要求“代码化”，降低中小企业合规成本。针对大湾区中小企业合规成本高的现实问题，建议由政府搭建公共 AI 算法审计平台，免费提供基础的算法偏见检测、数据隐私合规测试和安全漏洞扫描服务，并设立 AI 合规补贴基金，中小企业认证费用可报销 50%，确保标准成果惠及整个产业生态。

　　在具体实践上，香港应聚焦将伦理标准与商业场景深度绑定。以本地化大语言模型为例，若开发者在开发之初引入 AI 道德标准，通过第三方独立算法审计并获得“香港可信 AI”认证，便能在金融、法律、医疗等高端专业服务市场建立竞争壁垒。对一家银行而言，选择这样一个“合规”模型作为智能客服或内部知识库，意味着更低的数据泄露风险、更少的法律纠纷和更高的客户信任度，这种“安全溢价”本身就是巨大的商业价值。

　　（二） 数据治理与跨境流动：“前店后厂”新解与“数据特区”构想

　　数据是 AI 的“燃料”，而数据的自由、安全、有序流动是全球数字经济的生命线。内地 AI 企业可利用海量数据和强大算力在深圳等城市进行模型“预训练”（后厂），将预训练模型（而非原始数据）传输到香港（前店），利用国际化数据和本地法律、伦理专家进行“精调”和“伦理清洗”，经严格合规认证后向全球市场提供服务。这一模式既利用了内地的规模优势，又发挥了香港的规则优势，形成完整的价值链。

　　现有实践也暴露出数据分类标准尚未统一、企业对合规流程理解存在差异等问题，恰恰说明从“便利化措施”向“标准化战略”升级的必要性。在务实层面，“数据特区”与“前店后厂”模式的落地面临显著的法律冲突与可行性挑战。首先是法律衔接问题：内地的《国家安全法》《数据安全法》和《个人信息保护法》构建了以国家安全为核心的严密出境监管体系，而香港的《个人资料（私隐）条例》（PDPO）更侧重个人隐私保护，且其限制跨境传输的第 33 条尚未完全生效，导致两地在监管逻辑和执法尺度上存在落差。其次是技术实现成本：虽然联邦学习（Federated Learning）和安全多方计算（Secure Multi-Party Computation, SMPC）等隐私增强技术（PETs）在理论上能实现“数据可用不可见”，但其高昂的算力消耗和复杂的部署成本，极大抑制了中小企业的采纳需求。再次是企业采纳意愿问题：法律不确定性和合规成本的叠加，使企业对跨境数据策略持谨慎态度，尤其是金融、医疗等数据密集型行业。因此，构建一个统一、简化且可预测的大湾区数据跨境流动法律框架，已成为当务之急。

　　具体而言，白名单制度应采取“双清单管理”模式：一是白名单企业认定标准（大湾区高新技术企业、数据安全等级三级以上、已通过个人信息保护影响评估）；二是白名单数据类型（生物医药研发数据、金融风控模型数据、智慧城市公共服务数据，严格排除核心敏感数据）。由深港联合成立审核委员会，在 7 个工作日内完成审核，并建立基于区块链存证的数据跨境实时监控平台，实现全程可追溯、可审计。在技术层面，应大力推动隐私增强技术应用，强制要求敏感数据跨境合作通过安全多方计算或联邦学习等技术实现“可用而不可见”。金管局在其最新的“金融科技推广蓝图”中已将分布式分类账技术（Distributed Ledger Technology, DLT）和数据治理列为重点，这为 PETs 的应用提供了政策支持。

　　（三） 人机交互与负责任创新：从标准到产业的垂直深耕

　　除了宏观的伦理和数据治理框架，香港还应在具体的、垂直的 AI 应用领域，发挥其在设计、用户体验和社会科学研究方面的优势，制定面向社会应用的“负责任创新”（Responsible Innovation）标准，并以此孵化新兴产业。

　　在智慧医疗和老年科技领域，香港拥有世界一流的医学院和教学医院，临床数据质量在亚洲名列前茅，可率先制定 AI 辅助诊断系统的临床验证与人机交互标准，明确透明度要求（如必须告知患者 AI 参与诊断）、可解释性标准（如医生能理解并解释 AI 建议依据）及人类最终决策权的保障机制。在金融科技领域，金管局于2026 年 2 月发布的《金融科技推广蓝图》已将“人机交互”作为金融科技持续学习的重点方向，为金融 AI 人机交互标准制定提供了支撑。这些垂直领域标准一旦建立，不仅能提升本地服务水平，更能吸引全球 AI 企业来港进行产品认证和测试，形成“标准引领产业、产业反哺标准”的良性循环。

　　四、香港建设 AI 标准制定枢纽的实践路径与政策建议

　　如果说前文回答了“做什么”的问题，下面则着重解决“怎么做”的问题，涵盖顶层设计、人才战略、地缘政治应对、区域协同和国际合作的全方位推进。

　　（一）顶层设计与机制创新：依托香港人工智能研发院设立“国际标准与治理中心”

　　要将香港在标准制定领域的潜力转化为持久的制度性优势，就必须有一个核心的、中立的、专业的平台来统筹协调各方力量。为此，可考虑在数字政策办公室指导下，依托“香港人工智能研发院”设立“国际标准与治理中心”，核心职能聚焦四大方面：前瞻性研究（持续跟踪全球 AI 治理动态，产出国际水准的研究报告和标准草案）；标准研制（联合政府、业界、学术界和国际组织共同研制“香港标准”）；推广认证（建立“香港可信 AI”认证体系）；人才赋能（提供培训、认证和国际交流机会）。在跨部门协调方面，该中心应与律政司（负责法律合规性审查和国际法律衔接）、创新科技及工业局（负责产业政策协调和资源配置）、个人资料私隐专员公署（负责数据保护标准审核）建立明确的权责划分机制。

　　“香港可信 AI 认证”体系的认证主体应由该中心牵头，联合数码港、科技园及香港品质保证局（HKQAA）等第三方机构组建认证委员会，避免政府单一主体主导以提升国际公信力。认证标准按风险分级：高风险 AI 系统（医疗诊断、金融信贷决策） 须通过算法可解释性、数据隐私保护、安全压力测试、偏见检测等全面考核；中风险系统（智能客服、人力资源筛选）须满足透明度和数据合规基本要求；低风险系统（娱乐推荐、内容生成）简化流程。认证流程为“企业申请→材料审核→技术测试（由认可实验室执行）→现场审计→证书发放”，并设计与新加坡 AI Verify、欧盟 CE 认证的互认衔接路径——互认对方已通过的测试结果，仅补充香港特有的伦理和跨境数据合规指标，降低企业重复认证成本。商业上，对中小企业减免 50% 认证费用并由政府补贴，确保体系既具商业可持续性，又不将中小企业拒之门外。

　　（二） 人才战略：从“引进制式人才”到“培育跨界生态”

　　标准制定的竞争，归根结底是人才的竞争。建议将 AI 伦理和数据素养纳入中小学基础教育及公务员和专业人士（医生、律师、会计师）的持续进修体系，培养能批判性使用和监督 AI 系统的“智慧公民”。建立人才“旋转门”机制：对赴企业任职的高校教授保留科研项目资格并给予经费补贴；对赴高校授课的企业工程师纳入“专业人才库”享受职称认定。设立“AI 标准制定联合课题”，由政府出资、校企共同研发，成果直接转化为行业标准草案，让人才流动有具体的工作载体和可量化的产出目标。此外，设立交叉学科学位 2.0，与科技园 RegTech 创新实验室等机构合作，让学生直接参与真实的反洗钱算法开发、隐私计算项目或 AI 审计工具设计，将理论与实践深度融合。

　　（三） 地缘政治应对：从“被动合规”到“主动塑造”

　　在欧美合规体系衔接方面，香港标准应明确与欧盟 AI 法案和美国州级立法的合规交集——三者在算法透明度、数据隐私保护和高风险 AI 安全测试等方面存在显著共同要求，可作为“香港标准”的基础层。在此基础上，针对欧盟 CE 标志和美国 RAISE Act 的特殊要求，设计“香港标准+欧美补充条款”的模块化方案，使大湾区企业通过香港认证后仅需补充少量区域性合规要素即可快速适配欧美市场。

　　在开源生态方面，香港应大力支持 DeepSeek 等开源模型，设立专项基金资助本地企业基于开源模型进行二次开发。为规避地缘政治风险，应主动与新加坡、瑞士、阿联酋等“中立地区”联合制定跨境 AI 治理标准，以“多边合作”替代“单一制定”。“国际标准与治理中心”应牵头联合 Linux 基金会、Apache 基金会等国际开源社区制定全球通用的开源 AI 安全评估框架，以“技术社区共识”而非“政府主导规则”的形式呈现，从根本上消解“中国标准延伸”的标签化风险。

　　笔者建议“面向全球南方的适应性标准”推广采取“三步走”策略：第一步，聚焦普惠金融 AI、智慧农业、低资源语言模型和远程医疗，制定适配发展中国家技术条件和监管能力的简易版 AI 标准；第二步，依托“一带一路”数字丝绸之路，在东南亚（印尼、越南）和非洲（肯尼亚、尼日利亚）设立“香港 AI 标准推广中心”，以“技术培训+免费认证”打开市场；第三步，将试点经验通过 APEC 和东盟等多边平台推动国际化。中国 2023 年 10 月提出的《全球人工智能治理倡议》和“全球南方国家大模型合作计划”为此提供了国家层面的政策支撑和外交资源。

　　（四） 深化大湾区协同与国家战略对接

　　在大湾区层面，建立粤港澳 AI 标准制定联席会议制度，由香港数字政策办公室、广东省网信办和深圳市科创委共同组成，定期协调规则衔接、数据跨境和标准互认等核心议题，并设立大湾区 AI 标准制定专项基金，由粤港共同出资，资助跨区域标准研发项目和联合实验室建设。大湾区拥有“一国两制三个关税区四个核心城市”的独特优势，香港应在此框架中承担“对外接口”角色，将区内标准共识转化为国际标准提案。

　　在国际标准化组织对接方面，积极争取在 ISO/IEC JTC 1/SC 42（人工智能分技术委员会）和 ITU-T SG21（原 SG16，多媒体与 AI）中的区域提案权，推动“香港标准”成为国际标准的补充条款。具体而言，香港应紧密对接《粤港澳大湾区发展规划纲要》中“广州—深圳—香港—澳门”科技创新走廊的战略定位，以及国家《人工智能全球治理行动计划》和《全球人工智能治理倡议》，将中国方案中“以人为本”“智能向善”“尊重各国人工智能治理的权利”等宏观原则，转化为 ISO 和 ITU 框架下可操作、可验证的技术标准草案，从而助力中国方案在国际标准化组织中实质性落地，而非仅停留在原则性表态层面。新加坡 AI Verify 平台的经验值得借鉴：其基于 11 项国际公认原则构建测试框架，2023 年 6 月成立 AI Verify 基金会吸引微软、谷歌等巨头成为高级会员；IMDA 亦与 NIST 联合发布了 AI Verify 与 NIST AI RMF 的 Cross‐walk 对照表。香港可参照此模式，将“香港可信 AI 认证”与 ISO/IEC 42001、NIST AI RMF 建立明确映射关系，降低企业多重合规成本。在国家战略层面，香港可考虑将建设 AI 标准制定枢纽的目标纳入施政报告和新一轮《粤港澳大湾区发展规划纲要》，形成“背靠祖国、联通世界”的独特优势，避免使论述仅局限于香港本地产业发展。

　　展望未来，香港建设全球 AI 治理标准制定枢纽的道路，需要在复杂的地缘政治博弈中保持定力，在与内地和国际的规则协调中展现智慧，在长期的制度建设和人才培养中保持耐心。香港的成功，将不仅是这座城市自身的成功，更是国家在全球化新阶段探索以开放、合作、共赢方式参与和引领全球治理新范式的成功。在这条充满希望与挑战的道路上，香港正站在一个新的历史起点。

　　本文原刊于《港澳研究》2026年第2期，注释从略，如需引用，请以原刊为准。