（原标题：计算性表演：AIGC时代影视中“AI代演”的生成机制研究；作者：郭全中，博士，中央民族大学新闻与传播学院教授，博士生导师，中央民族大学互联网平台企业发展与治理研究中心主任；白灵，中央民族大学新闻与传播学院本科在读。）

　　摘要：近年来，生成式人工智能在影视制作中的渗透，不限于后期剪辑等辅助环节，而是开始影响表演本身。本文据此提出“AI代演”概念，从技术哲学、政治经济学与受众研究三个方面展开讨论，试图回答AIGC时代影视表演如何从身体在场的具身表达转向数据驱动的计算性生成。真人演员的面部表情、肢体动作、声音特质乃至那些被认为属于情感表达的瞬间，如今都可以通过面部扫描、动作捕捉和参数标注等技术，变成数据库中可供调用的数据，被用于从身体到计算资源的转化。生成式AI依托概率统计与模型训练对这些数据进行编码和重组，将原本依赖具身经验完成的表演变成可以调控的参数组合，形成一种依赖符号可读性而非主体意向性的“计算性表演”。同时，以AI代演为代表，数据与算法正在介入影视生产的组织环节，推动劳动分工与权利关系发生调整，演员的身体数据化也带来了一些新的劳动议题。从观众接受的角度来看，观众对AI生成的表演的态度复杂而又矛盾，有人接受，有人态度暧昧，也有人明确反对。AI代演本质上是一种计算性表演，它不仅改变了表演的生成机制，也重新开启了关于身体、真实性与表演边界的讨论，为理解智能传播时代技术与人的关系提供了一个切入点。

　　关键词：AI代演；计算性表演；身体数据化；生成式人工智能；数字劳动

　　一、绪论

　　（一）研究缘起与问题提出

　　2024年2月，OpenAI对外发布文生视频模型Sora，其长视频生成能力迅速引发影视行业的关注。对此，好莱坞电影制片人泰勒·佩里预测，Sora的生成能力会迅速改变影视制作的成本结构与生产方式，其随后便宣布暂停价值8亿美元的亚特兰大工作室扩建计划。Sora的横空问世表明生成式人工智能已经具备深入影视工业核心生产环节的能力。另据DataEye的数据显示，AI短剧在2026年国内春节档短剧中占比接近30%，真人短剧的市场空间持续受到挤压。几乎同时，横店影视城新开剧组数量大幅下降，大量中腰部演员和群众演员面临工作机会减少、收入下滑等现实困境。

生产方式的变化也把表演本身推到前台。目前AI生成的角色已经能够以假乱真，一些已经离世的演员借助数字技术在银幕上重新现身，演员的面孔、声音乃至动作习惯被大量采集后转化成数据，在不同的算法系统中被反复调用。这些变化其实都指向同一种趋向，即影视表演正在逐步脱离真人演员的在场并由数据和算法来接管。本文将这类现象概括为“AI代演”，即以生成式人工智能模型为核心技术，部分或完全替代真人演员完成角色形象塑造与表演，生成影像的生产方式。区别于传统表演依赖身体在场、即时反应和情境体验，AI代演建立在数据计算与算法生成基础之上，通过模型训练与数据重组得以实现。因此本文将探究AI代演的技术机制究竟如何运作，它在接受端为何能被观众认定为一种真实有效的表演？为了便于讨论，本文将AI代演进一步理论化为“计算性表演”，并以此作为分析身体数据化、算法生成、平台权力和受众接受机制的核心理论手段。

　　（二）研究方法与框架

　　AI代演背后蕴含着技术系统、产业结构与文化实践之间的交织关系，如果仅从技术层面展开讨论显然难以回应算法如何介入表演生产、身体如何被转化为数据资源、观众又如何理解和接受这些由技术生成的表演等问题。基于此，本文主要采用案例研究、网络民族志与文本分析相结合的研究路径。

　　案例材料主要来自具有代表性的行业事件，涉及已故演员的数字重现、艺人数字分身的授权争议，以及群演身体数据的交易与使用等问题。与此同时，大量公开技术白皮书、行业报告、影视平台政策文件和媒体调查报道也被作为分析材料，用以补充技术应用与产业变动的背景信息。除产业层面的材料之外，社交媒体平台上的讨论也是重要的观察来源。围绕相关议题生成的影评、弹幕与用户评论，呈现观众面对AI代演的理解路径与态度差异。

　　在此基础上，本文尝试将身体、技术与受众三者置于同一分析视角。从演员身体数据被采集、拆分与存储的过程出发，延伸至生成式AI在表演生产中的参与方式，并关联影视工业结构与观演关系的变化，充分讨论AI代演如何在生产与接受的双重过程中不断得到确认与重塑。

　　二、文献综述

　　（一）技术哲学：技术与身体的关系

　　无论是戏剧舞台上的一次停顿，还是镜头前一个细微的眼神变化，身体永远是表演的基本载体。梅洛-庞蒂在身体现象学中认为，人类拥有世界的基本方式是身体，身体不是客观对象，而是知觉与行动的主体。在他看来，知觉总是处于“图形—背景”的整体结构之中，而表演依赖嵌入其中的情绪、情境、身体姿态等构成的整体场域。传统影视表演之所以触动人心，恰恰在于演员的身体图式、情感状态与具体情境之间形成高度统一的整体，观众所感受到的不仅是一个动作或一句台词，更是一个完整生命状态的呈现。梅洛-庞蒂对于身体的理解为AI代演的本质提供了重要参照，即当表演脱离身体图式的整体协调，当演员的面部表情不再与内在情绪状态相连，表演赖以成立的基础是否发生变化？面对虚拟的表演，观众又该如何重新理解表演的真实性与意义？

　　理解这一转变，需要进一步考察现代技术如何作用于身体及其表演过程。海德格尔从现代技术的本质出发提出“座架”（Gestell）概念，认为现代技术通过持续的促逼作用，将自然与人纳入订造状态，并使其成为可计算、可控制和可调配的持存物，置于AI代演的语境下，具体表现为身体的数据化过程。演员的面部、动作、声音和情感表达被拆解为不同的数据单元，由模型训练与算法生成。身体作为一种可存储、可复制、可重组的数据资源持续被调用，进而成为算法生产链条中的重要环节。

　　后现象学代表唐·伊德提出的四重“人—技术关系”框架为分析AI代演提供了更为精细的概念工具。在具身关系中，技术透明地融入知觉体验；在诠释学关系中，技术作为文本被解读；在他者关系中，技术以准他者的面貌出现；在背景关系中，技术退入环境的基础设施中自动运转。本研究更多从背景关系的维度讨论AI代演的生成机制：当身体转化为数据进入平台数据库时，技术退入影视工业的基础设施背景中自动运转，演员的身体数据成为系统可调用的沉默资源。

　　（二）政治经济学与数字劳动：代演背后的权力结构与剥削

　　AI代演引发的争议，不仅关乎技术应用，更涉及劳动关系的重新组织。马克思在《1844年经济学哲学手稿》中指出，劳动者生产出的对象会逐渐脱离自身，以一种异己力量的形式与劳动者相对立，即劳动成果归属于他人，劳动本身则沦为维持肉体生存的手段。在AI代演的机制下，身体被转化成为可以被量化的数据，即使演员作为自己身体的权属者，也没有办法决定后续数据的使用方式。

　　在数据产权与法律治理层面，美国演员工会（SAG-AFTRA）与制片方达成了协议，要求制作方必须获得演员明确并且显著的同意，才能够创建或使用其数字替身，并且需要同意描述具体的用途。相比之下，国内关于表演数据的法律属性还存在一定的模糊空间。尽管人脸等生物识别信息在《中华人民共和国个人信息保护法》中被纳入了敏感个人信息范畴，《中华人民共和国著作权法》赋予了表演者表明身份和保护表演形象完整性的权利，然而由于表演数据兼具个人信息、表演成果与数字资产等多重属性，对其法律定位还没有形成统一的认识。也正是在这种权属边界模糊的情况下，平台往往能够通过格式化协议获得宽泛的授权，使数据的后续流向与使用边界难以逐一得到确认。

　　（三）受众研究：观众如何理解非人表演

　　为理解受众如何接受AI代演，本文借助斯图亚特·霍尔的“编码—解码”理论作为分析框架。霍尔指出，受众对媒介文本的解码可以采取三种典型立场，即按照制作者的意图进行意义读取的主导式解码、在承认文本框架的同时进行局部修正的协商式解码，以及彻底拒绝文本的合法性的对抗式解码。在AI代演的语境中，这三种解码策略均有呈现。部分观众将AI代演整体接受为真实表演，更多观众处于“知道它是假的”与“被打动是真的”之间的协商状态，也有一部分观众拒绝承认AI代演的表演合法性，将其视为对表演伦理的僭越。

　　借助电影理论中关于幻觉的讨论，也为理解AI代演的接受机制提供了参照。让-路易·博德里在装置理论中指出，电影本身就是一部制造幻觉的机器，黑暗的影院、固定的座椅、放映机投射的光束，共同将观众置于类似柏拉图洞穴囚徒的境地，观众感受到的身临其境从来都是被设计出来的产物。这一理论提示我们，AI代演并未消灭电影的幻觉机制，它只是将制造幻觉过程中真人的参与移除，换了一种技术手段而已。只要AI生成的画面能在特定情境下打动观众，使观众从中感受到意义的生发，这场计算性表演便已成功。

　　三、身体的数据化：表演资源的拆解逻辑

　　（一）从灵韵到数据：身体在场的消逝

　　本雅明在《机械复制时代的艺术作品》中提出“灵韵”（Aura）的概念，用以描述艺术品在特定时空中的独一无二性，即作品在彼时彼地的此在。灵韵的根源在于艺术的仪式感与膜拜价值，机械复制技术则通过大规模复制使艺术品脱离了原有的仪式语境，以展示价值取代了膜拜价值。将这一理论延伸至表演领域便会看到，传统影视表演的魅力很大程度上源于演员身体在场的不可复制性，他们的气息、当下的情绪状态以及与现场其他演员的即时互动共同构成了一次性且不可重来的表演事件，AI代演的第一步恰恰打破了这一前提。

　　通过面部扫描、动作捕捉与声音采样，演员连续的身体表现被转化为一系列参数。通过高频采样的方式，面部扫描技术可以捕捉到面部肌肉的细微变化，生成由大量数据点构成的三维模型；与之相伴的动作捕捉系统，借助光学设备或惯性传感器记录身体在空间中的运动轨迹，转化为骨骼动画数据；至于声音采样，更多集中在音色、语调与节奏等要素的提取。所有数据采集完成后会统一存储在数据库中，支撑后期的模型训练与内容生成。这样一来，原本依赖身体即时完成的表情变化、动作节奏与声音表达等表演数据，就能够被单独调用或重新组合。

　　但数据采集的覆盖范围终有限度。量化信息之外的身体记忆、情绪流动、临场感受以及人与环境之间复杂的互动关系等，都难以以数据形式完整留存。梅洛-庞蒂指出，身体是人感知世界和展开行动的基础。因此，数据化保留的主要是身体活动的外显特征，至于那些与经验、感受和意向性交织在一起的部分，也是表演灵韵所在的部分，很难完全进入数据系统。

　　（二）标注和数据库：表演资源的语料化

　　统一存储在数据库后，演员的表演会被进一步拆分与标注。以MetaHuman等系统常用的FACS（Facial Action Coding System，面部动作编码系统）为例，演员面部的细微变化会对应不同动作单元。比如AU6对应颊部提升，AU12对应唇角拉动等。这时，表情、肢体与声音会分别被整理出来，并在标注过程中与特定情绪状态建立对应关系。因此大众看到的AI生成的一段表现悲伤的演出，看似完整，其实在幕后处理过程中，这段表演通常会被拆解为“眉头下压”“嘴角下沉”“语速放缓”“音调降低”等多个可识别的特征。

　　因此，为了后期的调用和组合，要按照规则对不同演员的表情、动作与声音样本进行分类保存，形成可检索的条目。当系统接收到输入指令时，便会从既有数据中匹配相应特征，再重新拼接为新的影像片段。行业数据显示，目前AI生成视频在全球视频内容中的占比已超过六成，市场规模在短期内出现显著扩张的趋势。按照这样的趋势发展，会有更多表演样本被持续纳入平台数据库。

　　（三）数据产权：表演所有权的模糊

　　身体转化为数据后，一个难以回避的问题随之出现：这些数据归属于谁？根据我国《中华人民共和国个人信息保护法》第二十八条，人脸等生物识别信息列为敏感信息，处理此类信息须取得个人的单独同意。在《中华人民共和国著作权法》第三十八条中，明确赋予表演者表明身份、保护表演形象不受歪曲，以及许可他人录音录像、复制发行、通过信息网络传播其表演等权利。但是当演员的面容、声音和动作被采集、存储再用于模型训练时，其法律属性变得复杂。它们与个人身份紧密相关的同时，又承载着表演劳动所形成的创作价值。进入数据流通和交易环节后，这些内容还具备数字资产的特征。多重属性交织之下，表演数据很难简单纳入既有法律框架中的某一种类别。

　　法律层面的模糊状态，在现实操作中会进一步放大，尤其是在数据使用的具体流程里。平台与技术公司多通过格式化协议来获得演员数据的授权，但在实际签约过程中，信息的分布并不均衡。哪些数据会被用于后续训练，授权持续多久，是否会进入二次调用……这些问题在不少情况下没有得到充分解答。如2023年5月2日，美国编剧协会罢工，要求各大影视公司提高编剧薪资和流媒体平台剩余收益分配，并要求美国电影电视制作人联盟提出人工智能使用的保护措施。2023年7月13日，美国演员工会（SAG-AFTRA）宣布加入罢工。罢工期间，部分群演在签署合同时并未充分意识到身体扫描数据可能被长期保存，以及超出原有项目范围的数字复用。也正是在这个背景下，美国演员工会推动数字替身相关条款的补充，对“再次使用”提出更明确的限制，要求每一次新的生成与调用都需要单独授权，并对用途进行具体说明。

　　随着AI代演的普遍应用，演员对自身表演成果的控制力会不可避免地削弱，平台和技术系统会在资源配置过程中占据越来越重要的位置。马克思所讨论的劳动与劳动者相分离的现象，也因此在数字生产环境中获得了新的表现形式。

　　四、生成的表演：从“演出”到“计算”

　　（一）从模仿到生成：生产逻辑的转变

　　AI代演的技术演进经历了从搬运到生成的范式转换。早期的数字角色技术是搬运模式，即真人演员佩戴捕捉设备完成表演，计算机负责将动作数据映射到数字模型上，表演的核心仍然是人的执行。2009年上映的《阿凡达》就是这一模式的典范，该片演员的表演通过动作捕捉技术被精确地搬运到纳美人角色上，观众感知到的仍然是真人演员的表演，只是片中角色换了一副数字化的皮囊。

　　当前在以生成式人工智能为核心的代演技术生成模式下，算法不是搬运某个具体的表演片段，而是从海量的数据中采样，合成全新的表演组合。2025年底上线的AI短剧《斩仙台AI真人版》便是这一模式的典型性案例。剧中人物皮肤质感、光影效果、动作细节等都接近真人水准，但整部作品仅由一支12人的团队完成，制作成本约10万元，远远低于同体量的真人短剧。由此可见，这种生成模式与搬运模式的本质区别在于，AI代演不再是对真人表演的忠实记录，而是基于统计学习创造新的表演内容。如果说传统的动作捕捉技术像一台复印机，那么AI代演则更像一个学习了所有表演套路后可以进行即兴发挥的演员，但这个演员没有意识，只有计算。

　　（二）算法的语法：表演的参数化与平均化

　　要理解AI代演对表演独特性的影响，传统动作捕捉技术恰好提供了一个参照。与生成式AI不同，动作捕捉的目的在于记录并还原特定演员在特定情境中的身体表现，即便经过数字化处理，最终呈现的依然是某位演员留下的表演痕迹，其中包含个人习惯、情绪节奏和难以复制的风格特征。而建立在海量训练数据基础上的生成式AI，遵循的是另一套生产逻辑。经由概率计算生成的动作、表情与语言，不指向某个具体演员，更接近于训练语料中大量表演样本综合的结果。面对这种更稳定、更通用，也更容易识别的表达方式，一些带着个人痕迹的表演细节就会在反复计算与筛选中稀释。这恰好解释了观众在面对AIGC内容时常感慨的“看起来很真，但总觉得少了一点什么”的落差感。

　　在对传统表演的理解中，哭泣等情绪表达往往与演员当下的情感体验和具体的情境紧密联系。进入AI代演的生产流程之后，原本很难拆解的表达被转化为一组组可以独立处理的参数。比如眉头的起伏程度、眼部的湿润状态、嘴角下撇的幅度等，就连呼吸节奏这样的细节，都能在参数列表中找到位置。把这些参数组合在一起并加以调节，就能生成特定的情绪效果，并可以在后续环节中继续优化。

　　短剧行业的一组数据或许可以说明这种变化带来的后果。引入相关技术之后，AI漫剧的平均制作周期较传统动态漫剧缩短50%，整体成本降至传统模式的10%～30%。效率的大幅提升是表演的各个环节被切割成独立的参数，又以模块的形式被整合进了工业化生产逻辑的结果。

　　随着表演逐渐进入算法生成时代，创作者与技术之间的关系也在发生变化。对于导演，创作的入口逐渐转向提示词输入、参数调整和结果筛选等操作环节，但由于训练数据范围、模型能力和算法规则的共同影响，实际生成的画面又不会完全跟随创作者的意图展开。因此许多看似开放的选择，实际上已经被框定在模型所能覆盖的边界之内。表演最终呈现为何种样态，不再只是导演与演员协商的结果，其中还包含着数据结构和技术架构的持续作用。

　　（三）计算性表演：从意向性到可读性

　　透过上述分析，本文将AI代演的现象提炼为“计算性表演”，并以此概括生成式人工智能参与表演生产后所呈现的新特征。

　　传统表演往往是和演员的身体经验、情感体验和主观意图联系在一起的，无论是角色塑造还是情绪表达，观众通常默认表演背后存在一个能够感受、理解并作出回应的主体。而人工智能参与后的计算性表演，通常既不具备人的情感体验，也不存在角色理解意义上的主观意图。不过它能够通过对海量数据的学习与计算持续生成具有表演特征的动作、表情和语言，并将具体的内容组织成观众可以识别和理解的符号形式。这就意味着，决定表演有效性的核心因素正逐渐从主体的意向性转向符号的可读性。一个AI生成的微笑之所以成立，不是因为它对应任何人内在的愉悦体验，而是因为观众可以从这一表情中识别出“喜悦”的意义，并由此理解角色的状态与剧情的发展。这时，计算性表演对于观众而言仍然是一场能够被理解和感知的表演。但对于生产系统而言，表演已经成为一个可以被拆解、计算、重组并持续生成的过程。

　　五、生产与接受：AI代演的产业逻辑及受众认同

　　（一）工业重构：计算性表演的生产嵌入

　　当人工智能进入影视生产之后，AI代演逐渐地嵌入影视生产选角、拍摄与后期处理的整体流程。在选角阶段，AI依据演员的面部特征、动作数据及既有影像记录生成相匹配的结果，输出模拟试镜片段来供制作方参考；当进入拍摄与后期处理阶段时，模型则会承担面部修复、口型对齐与动作补全等工作；关于表演细节的优化也从现场生产延伸至后期处理环节。

　　随着生产流程的扩展，表演开始被拆解为可采集、可标注和可调用的数据资源，于是围绕这一过程，提示词设计、数据标注、模型精修等新的中介性劳动便逐渐出现，承担连接人类表演输入与算法生成输出的功能，并在两者之间完成转译与协调。与此同时，真人演员的价值也在进行重新分配，其中头部演员凭借较强的市场影响力和议价能力，往往能够通过数字形象授权获得持续收益，但反观大量中腰部和群众演员，则更容易被纳入一次性的数据交易之中。

　　这些变化共同构成了AI代演的生成基础——表演生成于数据采集、模型训练与平台调用的连续过程，同时，现场行为呈现作为其中的一个环节被纳入技术链条。不同环节彼此贯通、 边界消融，于是表演以分散的方式进入系统，再经由算法规则重新组织为可输出的影像结果。

　　（二）认知调适：受众的解码博弈

　　观众面对没有真人参与的计算性表演，又是如何认知的呢？调研发现，观众往往会经历一个动态的认知过程（识别线索—归因判断—合法性评估—情感投入）。他们先是察觉到某种不对劲，然后判断这是否为AI生成，接着在心里衡量能否接受这种表演方式，最后决定是否投入情感。

　　借助霍尔的“编码—解码”理论，可以发现观众对于AI代演的理解方式大体可以分为三种。首先，部分观众不会主动区分真人表演与AI生成表演有什么不同，他们认为只要角色塑造完整、故事能够成立，便愿意将其视为正常的影视表演。这部分观众在观演过程中，基本沿着创作者预设的意义框架进行理解，呈现出“主导式解码”的特征。其次，不少观众对AI代演的态度更暧昧，他们清楚屏幕中的形象是AI生成，却依然可能被当中角色的命运或者情感场景所吸引。对于这些观众而言，技术生成与情感投入并不完全矛盾，他们一边保持对技术的警觉，一边认可其在特定情境中的表现效果。这种既接受又保留的态度，体现出“协商式解码”的特点。第三，仍有部分观众采取“对抗式解码”的方式接收AI代演的内容，他们更强调演员身体在场对于表演的重要意义，认为情感表达无法脱离真实的身体经验。

　　但是随着AI生成内容在日常媒介环境中日益增多，相比于对此完全接受或完全拒绝的观众，更多观众可能会在认同与怀疑之间不断调整自己的判断。正是在这种持续协商的过程中，AI代演的社会接受度和文化意义被不断塑造出来。

　　（三）接受重构：从真人在场到叙事有效

　　电影理论中关于幻觉的讨论由来已久。博德里在装置理论中指出，电影本身就是一部制造幻觉的机器，观众感受到的身临其境从来都是被设计出来的。AI代演以新的技术路径延续了这种幻觉，只不过在幻觉的生产过程中，剔除了真人的参与。

      因此，判断一场表演是否成立的依据也在悄然发生变化。在传统观演关系中，演员的身体在场往往被视为表演真实性的重要来源，同时观众的情感共鸣也默认建立在这一前提之上。但在AI代演的语境之下，观众不一定会持续追问表演者是否真实存在，相反他们会更关注角色是否可信、情节是否成立、情感能否被有效传递。换句话说，一场由算法生成的计算性表演只要能够让观众投入其中并产生情感回应，便有可能被接受为一次有效的表演实践。与此同时，观众会主动通过观看、点赞、评论、分享等行为，不断为AI角色积累关注度和可见性，持续强化其作为表演者的社会存在。正是在这种互动过程中，技术生产、平台分发与受众参与被连接成一个循环系统，使得平台不仅影响表演内容的生成方式，也深度介入内容的传播与反馈机制，逐渐成为连接生产端与消费端的重要节点。

      AI生成技术的持续成熟正在改写观众与角色之间的情感关系，过去演员真实的身体形象与个人经历往往投射着观众的情感，而未来观众回应的对象或许会越来越多地表现为持续更新的数据形象。尽管这种转向是否会进一步重塑观众对于真实性、情感表达和表演价值的理解目前尚无定论，但这已经成为AI代演发展过程中值得关注的问题。

　　六、结语

　　本文以“计算性表演”为分析视角，试图回答AI代演何以成为表演。研究发现，身体数据化、算法生成与平台化生产共同推动了表演生成逻辑的转变。当演员的面部表情、动作、声音乃至情感表达被转化为可存储、可调用的数据资源后，表演逐渐从依赖身体经验的现场实践转变为以数据计算与算法生成驱动的生产过程。同时，表演意义的形成不只由技术来单向决定，观众会结合自身的文化经验与审美认知对AI代演作出接受、协商或抵抗等不同解读，并在与之的持续互动中参与意义建构。由此，AI代演不仅重塑着影视生产的效率逻辑与劳动关系，也将表演的本体问题重新置于讨论中。身体在场曾被视为表演成立的重要前提，演员的情感体验与身体实践也被认为是真实表演的重要来源。然而，随着生成技术的发展，部分原本依赖身体实践完成的情感表达开始能够通过数据训练与算法运算实现，表演与身体之间原本相对稳定的关联正在新的技术条件下被重新定义。

　　本雅明在机械复制时代讨论过艺术灵韵的消散，到了生成式技术时代，消逝的或许不只是艺术作品的灵韵，而是表演者身体的不可替代性。如果未来的观众已无法准确区分银幕上的角色来自真人还是算法，那么真正值得追问的也许不再是“谁在表演”，而是“我们为何会被表演打动”。

　　由此观之，简单地将AI代演看作技术福音或艺术威胁，恐怕都难以触及问题的实质。为在技术创新与人文价值之间找到更稳健的路径，可以让计算性表演成为影视艺术创新的有益补充，而不是推动内容生产走向趋同的力量。未来需要更加关注如何建设行业规范、如何借鉴国际治理经验、如何设计技术伦理制度等议题。

　　注：原文刊载于《智媒视界》2026年第1卷（总第1期），参考文献详见原文。