🧒 初中生也能看懂的版本
① 研究背景（为什么要做？）
人工智能已经成了各国政府绕不开的公共政策难题。它同时牵动医疗诊断、金融风控、劳动力市场重组与国家安全，任何一国都很难只靠一个部门应对。2017 年加拿大推出被普遍认为全球第一份的国家人工智能战略，中国和芬兰同年跟进，此后形成一波扩散潮。到 2020 年底已有四十九个国家发布国家战略，到 2022 年底增至六十八个。这项研究先把二百零五个联合国会员国与非会员国逐一排查，识别出九十五份已发布的国家战略，另有三十份在编制、五份已被政府呼吁制定。区域层面只找到三份：欧盟、非洲联盟和北欧—波罗的海区域。到 2025 年，多数主要经济体已进入第二版更新，重点从早期的创新与增长，转向算力获取、主权数据、安全框架与人才管道。作者认为，正是这种高速扩散，让“各国到底像不像”从一个印象问题变成了必须用证据回答的问题。
② 研究问题（要回答什么？）
这项研究要回答两个问题：国家战略之间在时间上到底是越来越像，还是越来越不一样；以及各国的国家战略与它所归属的区域战略之间，是向上对齐还是各走各路。作者把政策设计拆成三种功能要素。政策目标回答一份政策想达成什么；政策路径回答用什么机制去达成；政策原则回答在达成过程中必须守住哪些规范价值。一份设计良好的政策通常三者兼备、彼此支撑，但设计者也要警惕冗余、矛盾甚至相互抵消的要素组合。所谓收敛，是指不同辖区在结构与实质承诺上随时间推移变得更接近；分化则相反。收敛还可以分成横向与纵向。横向是同一层级辖区之间的相互靠近，纵向是区域机构与成员国之间的上下对齐。作者特别提醒，两种现象能同时存在，形成收敛中的分化：大家在高层话语上说法一致，在具体路径与原则上却各说各话。
③ 研究方法（怎么做的？）
作者用三步搭起数据集。第一步列出全部二百零五个联合国会员国与非会员国。第二步逐国检索，判断它是有、正在编制、已被呼吁制定，还是完全没有国家人工智能战略，并记录发布年份、撰写语言和文件链接。第三步把检索中发现的区域战略单独归类。纳入标准写得很窄：只有通篇讲人工智能、且覆盖全国的文件才算国家战略，把人工智能当作一章的数字战略、或只针对某个部门与行业的战略一律排除。初筛得到九十五份已发布战略，再去掉十份无法公开获取的和十一份非英文的，最终入库七十四份国家战略加三份区域战略。编码采用潜生归纳法：先通读全部文本，把反复出现的模式归纳成码本，分为宽码与窄码两级。例如支持国家人工智能研究是宽码，增加高技能人工智能人才与研究生是它下面的窄码。随后逐份重读，把支持每个码的原话摘进表格，统一转成一和零，最后按发布年份汇总画图。
④ 结果（发现了什么？）
结果呈现出大方向抱团、小地方散开的格局。支持国家人工智能研究几乎成了标配，七十四份战略里有七十一份写到。伦理使用人工智能紧随其后，六十八份提到。建设国家能力六十一份，争当人工智能领导者五十九份。再往细看，通过研发来实现目标的五十六份，提到创新与提到技能的各四十九份。这些数字说明，经济竞争力与科研投入已经变成任何一份像样的国家战略都必须交代的内容。可分化的地方同样清楚。把保障人权写进目标的只有二十三份，把国家安全写进目标的只有十五份，鼓励公众咨询与聚焦立法监管的路径都不到三十份，尊重人的尊严、确保多样性与包容的原则不到三十五份。区域层面差别很大。非洲联盟的成员国与其区域战略对齐度最高。欧盟在监管框架与经济目标上高度一致，但在以人为本的价值上，欧委会比多数成员国更积极。北欧—波罗的海区域只有五项共同目标与十项共同路径，更像一份价值宣言。
⑤ 讨论（这些发现说明什么？）
作者把这种格局概括为收敛中的分化，并用它解释三个现实风险。第一，政策设计的窗口正在收窄。早期由加拿大、中国、芬兰等国定下的战略语汇，正通过示范、竞争与自愿模仿被后来的国家照抄，后来者能独立设计的空间越来越小。第二，伦理表态可能沦为伦理洗白。近七成战略都写了伦理，但真正落到人的尊严、多样性与包容的不到一半。这种只学说话不学做事的组合，一旦进入执行阶段就会侵蚀公众信任，并在数据治理、监管标准、政府采购等具体环节爆发冲突。第三，区域战略如果写得太抽象，就带不动成员国。北欧—波罗的海的案例说明，只在原则层面达成共识，并不能换来目标与路径的收敛，成员国反而会在关键领域各建一套。对政策设计者来说，这些发现可以当作一份对照表：哪些要素已是底线，哪些还留有余地，哪些正在固化。作者也提醒，收敛不等于好，分化也不等于坏，关键是要素组合是否自洽、是否真撑得起承诺。
⑥ 结论（最终结论 + 启示）
这项研究把七十四份国家战略与三份区域战略拆成目标、路径、原则三类要素，逐条编码并按年份追踪，给出了目前覆盖最广的一份人工智能战略设计要素清单。结论可以概括成一句话：经济与科研层面的共识已基本形成，社会与权利层面的共识还远未形成。支持科研与伦理使用已成为事实上的入场券，人权、公众参与、多样性与尊严则仍是少数派的选择。三条区域路径提供了三种范本：制度层级与监管压力能带来对齐，资源与能力不足也会带来对齐，而只有价值宣言几乎带不来对齐。作者最后列出三点局限。还有三十份战略在编、五份刚被呼吁，随时可能改写趋势。十一份非英文战略被排除，可能漏掉独特要素。按年份画频次图会被年份分布不均放大。未来可做的，是等新战略落地后延长观察，补上非英文样本，追问收敛背后的因果机制，并把纵向分析下沉到联邦与省级。
🎓 专业 IRMaD 结构解读
I. Introduction（引言）
本文针对国家与区域人工智能战略的比较研究空白：既有工作（Fatima 等 2020 的 30 余份战略主题分析、OECD.AI 政策观察站逾千项举措、Roberts 等 2023 的案例比较、JRC 2020 的欧洲视角）停留在主题层面，既未按可复制的政策设计框架拆解战略内容，也未检验这些要素在时间上是横向（国家对国家）还是纵向（区域对成员国）收敛或分化。作者的核心论点是，只有把战略拆成政策目标、政策路径、政策原则三类功能要素，并追踪其逐年的存在率变化，才能区分“话语收敛”与“实质收敛”。样本构建自 205 个联合国会员国与非会员国的全球扫描：先识别出 95 份已发布国家战略（2020 年底 49 国、2022 年底 68 国发布），另有 30 份在编、5 份被政府呼吁；区域战略仅 3 份（EU、AU、NBR）。剔除 10 份无法公开获取与 11 份非英文文本后，最终分析单位为 74 份国家战略加 3 份区域战略，同一国家的初版与更新版均作为独立战略计入。两个研究问题分别是：国家战略在多大程度上随时间横向收敛或分化；国家战略与其所属区域战略在多大程度上纵向收敛或分化。
I. Theoretical Framework & Hypotheses（理论框架与假设）
理论骨架来自 Howlett 的政策设计理论与政策收敛文献的合流。政策设计被界定为对政策工具内部要素的刻意选择与组合：政策目标（本文把 goals、objectives、aims 合并处理，因其定义重叠且战略文本中后两者少有独立呈现）、政策路径（达成目标所依托的支出、监管与政治资源机制）、政策原则（达成过程中须守住的规范价值与标准）。收敛依 Bennett（1991）与 Holzinger & Knill（2005）界定为不同起点在某一时段内向共同点可识别地移动，分化则是辖区因制度、政治机会结构与国家传统而维持或扩大差异（Knill 2005）。本文的关键分析概念是 Howlett & Rayner（2006）的收敛中的分化：辖区在高层治理话语上趋同，却在实施路径与实质产出上分化。空间维度上区分横向收敛（同层级辖区，Zhu 等 2025）与纵向收敛（区域机构对成员国，Zhu 等 2025 称之为制度渠道化）。因果机制上沿用 Bennett（1991）与 Drezner（2001）的清单：和谐化、监管竞争、跨国沟通与教训汲取，并指出早期行动国（加拿大、中国、芬兰）在大国协调下对收敛方向具有不成比例的影响。测量上参照 s-convergence（标准差随时间下降）、收敛方向与收敛范围三条口径，但因样本按年切分过薄，本文只做存在率的描述性比较。
M. Materials & Methods（材料与方法）
研究设计为全样本描述性内容分析，分析单位为战略文件，编码单位为文件内可举证的原话。数据集构建分三步：列全 205 个国家地区；逐国判定战略状态（有、在编、被呼吁、无）并记录年份、语言与链接，更新版另计为独立战略；单独归类 3 份区域战略。纳入标准要求文件通篇聚焦 AI 且覆盖全国，排除以 AI 为章节的数字战略与部门级战略（如加拿大联邦公共服务与国防部的 AI 战略）。排除 10 份无法公开获取、11 份非英文文本，最终 N=74 国家战略加 3 区域战略。编码采用潜生归纳法，先归纳再回读，形成宽码与窄码两级码本：政策目标 6 宽码 10 窄码，政策路径 11 宽码 25 窄码，政策原则 5 宽码 27 窄码，合计 22 宽码、62 窄码。每处判定均摘录原文入表（如西班牙 2024 战略以产学研合作与研究生课程支持“增加高技能 AI 人才”窄码）。分析时将存在与否转为 1/0，按发布年份汇总频次；纵向分析按 EU、AU、NBR 分组，各自成员国对区域战略比较。
| 环节 | 做法 | 关键参数 |
|---|---|---|
| 抽样 | 205 国全球扫描，三步判定 | 95 份已发布 → 74 份入库 |
| 排除 | 不可获取 10 份、非英文 11 份 | N=74+3 |
| 编码 | 潜生归纳，宽码/窄码两级 | 22 宽码、62 窄码 |
| 信度 | 未报告双编码或 κ 值 | 无 |
| 分析 | 1/0 存在性，按年汇总频次 | 无推断统计 |
R. Results（结果）
横向结果呈“经济与科研强收敛、社会与权利持续分化”的双峰结构。政策路径中“支持国家 AI 研究”出现于 71/74，其窄码（研究实验室、研究合作、知识转移）逐年上升；政策原则中“伦理使用 AI”出现于 68/74，隐私、透明、信任等窄码稳定伴随，解释性与可靠性窄码在 2020 年后明显增多。政策目标中“建设能力”61/74、“争当 AI 领导者”59/74 且各年持续存在；窄码“通过研发”56 份，“提到创新”与“通过技能”各 49 份。分化一侧：人权目标仅 23/74，国家安全目标仅 15/74；“鼓励公众咨询”“聚焦立法与监管”均不足 30 份；“尊重人的尊严”“确保人类多样性与包容”不足 35 份且年份分布不均。
| 要素 | 频次 | 占比 | 收敛判断 |
|---|---|---|---|
| 支持国家 AI 研究（路径） | 71/74 | 95.9% | 近完全收敛 |
| 伦理使用 AI（原则） | 68/74 | 91.9% | 近完全收敛 |
| 建设能力（目标） | 61/74 | 82.4% | 强收敛 |
| 争当 AI 领导者（目标） | 59/74 | 79.7% | 强收敛 |
| 通过研发（目标窄码） | 56/74 | 75.7% | 强收敛 |
| 提到创新 / 通过技能 | 49/74 | 66.2% | 收敛 |
| 人权与自由（目标） | 23/74 | 31.1% | 持续分化 |
| 国家安全与秩序（目标） | 15/74 | 20.3% | 持续分化 |
| 公众咨询 / 立法监管（路径） | <30/74 | <41% | 分化 |
| 尊严 / 多样性与包容（原则） | <35/74 | <47% | 分化且年份不均 |
a / D. Discussion & Conclusion（讨论与结论）
讨论把三类要素的变异与两类空间机制接上。横向看，经济与科研的强收敛与 2020 年后的加速，符合 Drezner（2001）关于早期行动国定义战略语汇的判断，也符合 Bennett（1991）的模仿—教训汲取路径；人权、公众参与、包容原则的持续分化，则印证“收敛中的分化”——高层治理语言趋同而实质产出分化，Howlett & Rayner（2006）在自然资源治理中观察到的同一机制在 AI 领域复现。纵向看，EU 的强监管对齐可由 Zhu 等（2025）的制度渠道化解释，即超国家权威借《人工智能法案》的监管阴影塑造成员国设计选择；AU 的高对齐更可能源于成员国独立政策能力有限而对区域框架的系统性借用，属教训汲取而非强制；NBR 的混合结果则说明，原则层面的共识不保证实施层面的收敛（Holzinger & Knill 2005），过于抽象的区域战略可能产出极小收敛，并在数据治理、监管标准与政府采购上留下冲突空间。对政策设计者的四点用途是：以收敛清单做教训汲取、识别正在固化的新兴规范、防范政策层叠与漂移（Howlett 2014）、以及用纵向收敛度定位本国与区域框架的差距。局限有四：30 份在编与 5 份待启动战略可能改写趋势；11 份非英文与 10 份不可获取文本造成系统性语言与可及性偏倚；收敛测量本身无统一方法，本文的归纳码本只是近似；按年频次作图受年份分布严重不均影响（2019 年 18 份），作者自认改用当年占比亦不可行，因为单年仅 3 至 18 份会把结果推向 0 或 100%。未来研究应延长面板、纳入译本、追问因果机制，并把纵向分析下沉到联邦—省州层级，同时把算力获取、主权数据与安全框架等新要素补进码本。
🧠 IRMaD 思维导图
mindmap
root((人工智能战略收敛与分化))
引言
二〇一七年加拿大首创
二〇二二年底六十八国
九十五份已发布战略
三份区域战略
问题
横向国家对国家
纵向区域对成员国
目标路径原则三要素
收敛中的分化
方法
扫描二百零五国
七十四份国家战略
潜生归纳码本
二十二宽码六十二窄码
存否二元编码
结果
科研支持七十一份
伦理使用六十八份
人权目标二十三份
非盟纵向最齐
欧盟价值偏分化
北欧波罗的海混杂
讨论
伦理洗白风险
独立设计窗口收窄
区域战略忌过抽象
制度渠道化
结论
经济共识已成型
权利共识未成型
非英文样本缺口
因果机制待追问
图：本研究的 IRMaD 思维导图。蓝色 I 引言；橙色 R 研究问题；绿色 M 方法； 橙色 R 结果；紫色 a 讨论；红色 D 结论。