🧒 初中生也能看懂的版本
① 研究背景（为什么要做？）
各国的监管机构正陆续给人工智能系统建立登记册，要求开发或使用方把系统的用途、数据、风险等信息记下来。这类登记册有的做成可公开搜索的网站，有的只在监管机关内部可查；有的用一套通用模板，有的按算法类型分别设计表格。同一件事被叫成不同名字，做法也相去甚远。已有研究大多只盯着某一个国家，而且习惯把登记册当成透明工具来分析，很少追问它在监管流程里到底做了什么。中国和英国是两个典型：一个把登记当成上市前的门槛，一个把登记当成公开说明。把两者放在一起看，才看得出设计选择如何改变登记册的作用。
② 研究问题（要回答什么？）
这篇文章要回答两个连在一起的问题：不同法域的算法登记册究竟差在哪里，这些差异又揭示了登记册在人工智能治理中扮演什么角色。作者明确不去评价登记册是否有效，也不提出应该怎么设计，因为判断有效与否要先知道它能做什么、在什么条件下做得到。问题因此被拆成两层：第一层是比较登记册在五个方面的具体安排，即定义与目标、法律基础、覆盖范围、信息要求、披露与维护；第二层是从这些安排反推它实际承担的治理功能。作者挑选中国和英国，是因为两地都实行强制而非自愿的登记，制度相对成熟，且在全球人工智能治理中都有影响力，能撑起一个有张力的对照。
③ 研究方法（怎么做的？）
研究采用结构化的比较个案设计，把定性文本分析和登记数据的描述统计拼在一起。定性部分收集了二十六份官方材料，英国九份、中国十七份，包括法规原文、答疑解读、填报指引和模板，全部来自政府网站与监管机构。分析框架改编自既有的人工智能监管政策比较框架，并针对登记册补上信息要求、披露与维护两个维度，共五个维度，作为比较单元。定量部分则分析两国公开的登记条目：中国截至二零二五年十一月共五千八百二十二条，来自三千七百八十七家主体；英国在二零二二年不足十条，到二零二五年约八十条。作者用这些数据看登记随时间的变化、算法类型的构成和主体的集中度。需要说明，这是少人编码的描述性研究，没有报告编码者间信度。
④ 结果（发现了什么？）
两套制度的差别几乎是镜像的。中国备案是强制的事前审批：不备案就不能上线，材料要交安全自评估报告，监管方会核查，信息变更须在十个工作日内报告，服务终止须在二十个工作日内注销。它分成算法服务备案和大模型备案两条轨道，二零二五年生成式人工智能已占全部登记的近百分之八十八。登记数据还暴露出产业格局：七成六的主体只登记过一个算法，头部腾讯三十三个、字节二十三个、百度十九个，而深度求索公司只有两个。英国相反，登记只对中央政府强制，靠单位自己申报，没有核查也没有罚则，不登记照样能上线。它用统一模板分两层公开，二零二四年强制后条目从不足十条涨到约八十条，约一成是规则型分类系统。一个警务风险评估工具填了四十六个风险因子，却始终没补上承诺的影响评估。
⑤ 讨论（这些发现说明什么？）
把五个维度放在一起看，作者提出登记册至少有三种角色。第一是生态层面的观察工具：哪怕单条记录很粗糙，把上万条汇总起来，也能看出产业规模、增长节奏和地域集中度，中国备案正是这样被研究者和监管方用来观察产业的。第二是可执行的监管关口：只有当登记是强制的、材料会被核查、不登记有后果时，登记册才真正具备把关能力，英国的自愿申报恰恰缺了这一环。第三是可扩展的监管基础设施：中国的备案从推荐算法起步，逐步叠加深度合成、生成式模型、内容标识，再到拟人化服务，一套登记骨架不断加挂新要求。这三种角色并非互斥，而是由覆盖范围、公开程度、是否核查、有无追责这四个设计开关组合出来的。作者也承认，只看公开材料无法判断核查在现实中执行到什么程度。
⑥ 结论（最终结论 + 启示）
结论回到一个很朴素的提醒：不要把算法登记册默认等同于透明工具。登记册是一套可配置的制度装置，覆盖谁、公开什么、谁来核查、不登记会怎样，这四个选择决定了它是公开橱窗、监管闸门，还是可以不断加挂新规的地基。对政策制定者来说，先想清楚要让登记册承担什么功能，再倒推设计，比先建一个网站再指望它带来信任更靠谱。对研究者来说，比较登记册时应当把制度环境和操作流程一并纳入，而不是只数它公开了多少字段。文章最后指出，随着各国登记册快速铺开，这套五维比较框架可以直接搬到更多法域，用来检验和修正这里提出的三种角色。
🎓 专业 IRMaD 结构解读
I. Introduction（引言）
算法登记册（algorithm register、registry 或 filing system）近五年在全球扩散：中国、英国、荷兰、法国、德国及美国若干城市均已建立，加拿大在 2025 年 11 月宣布首个联邦级 AI 登记册。既有文献集中在欧洲与英美，多以透明性为分析框架，讨论登记册能否带来公众监督与问责，并大量援引“透明剧场”（transparency theater）这一批评。作者指出三点缺口：其一，研究多为单国描述，缺乏跨法域的对照；其二，多以概念推演为主，少用真实登记数据；其三，把登记册预设为透明工具，忽略了登记流程本身产生的治理效果。本文因此提出问题：算法登记册在不同法域如何不同，这些差异揭示了什么治理角色。作者强调不评价有效性、不提设计建议，只做功能层面的比较与概念化。案例选择依据是两国均为强制、相对成熟，且在全球 AI 治理中具有影响力。
I. Theoretical Framework & Hypotheses（理论框架与假设）
文章的理论立足点是把登记册视为“过程性制度”而非“信息容器”。一方面接续透明性批判文献：透明不等于可理解，披露甚至可能制造虚假安心（Ananny and Crawford, 2018），登记册容易沦为表演性治理（Cath and Jansen, 2022；Cellard, 2024）。另一方面引入记录实践的组织视角：准备、审核、维护记录的动作本身会重塑机构流程与问责链条（Chappidi et al., 2025）。在此基础上借用 Sheehan（2023）的“监管脚手架”（regulatory scaffolding）概念，说明登记册可以作为可复用、可加挂的基础设施。分析框架改编自 Roberts 等（2023）的 AI 监管政策比较框架，并结合登记册特性扩展为五个维度，作为跨案例的比较单元。作者据此把“设计选择—治理功能”连成一条可检验的推理链，而不是停留在规范讨论。
| 分析维度 | 关注点 | 在本研究中的作用 |
|---|---|---|
| 定义与目标 | 登记册如何被定义、要达成什么 | 区分审批型与披露型定位 |
| 法律基础 | 依托何种法律工具、效力层级 | 判断约束力与可执行性 |
| 范围与覆盖 | 哪些主体与系统必须登记 | 判断监管边界与生态覆盖率 |
| 信息要求 | 必填字段、模板与技术材料 | 判断核查深度与信息不对称 |
| 披露与维护 | 公开方式、更新时限、检索能力 | 判断外部可监督性 |
M. Materials & Methods（材料与方法）
研究设计为结构化比较个案，混合定性文档分析与登记数据描述统计。文档样本共 26 份，英国 9 份（UK-1 至 UK-9）、中国 17 份（CN-1 至 CN-17），覆盖政策法规原文、官方答疑与解读、填报指引与模板三类，全部取自政府与监管机构官网及公开档案（见附录 A）。编码按五个维度逐份提取，形成国别乘维度的对照矩阵。登记数据方面，中国数据来自网信办公示批次，截至 2025 年 11 月共 5,822 条唯一记录、3,787 家主体；由于公开字段仅限算法名称、类别、主体名称、应用名称、主要用途与备案号六项，作者将公开信息与审批必填但未公开的字段对比，并做时间趋势、类型构成与主体集中度分析。英国数据取自 ATRS 公开库，2022 年不足 10 条、2025 年约 80 条，可分析影响评估与风险缓释的披露情况。研究未报告编码者间一致性系数，也未做访谈或实地观察，属于设计层面的比较而非运行层面的评估。
R. Results（结果）
比较结果显示两国在五个维度上系统性分化（表 2）。中国的备案是市场准入的前置条件：算法服务备案走全线上标准化流程，大模型备案则需与属地网信办线下沟通、反复咨询与测试，尽管这一混合流程缺乏明确法律依据。法律基础由 2021 年指导意见、2022 年算法推荐管理规定、2023 年深度合成规定与生成式人工智能办法、2025 年生成式人工智能服务安全基本要求层层叠加，形成事实上的双轨登记。信息要求极细，但公开面极窄：公示仅六个字段，且以 Word 批量文件发布，无检索接口。变更须 10 个工作日内报告，终止须 20 个工作日内注销。地方还把备案与产业政策挂钩，深圳对每个登记算法最高补贴 100 万元。英国则是事后、自我申报、无核查的披露安排：由行政指导而非成文法确立，2024 年 2 月起对中央政府及部分公共机构强制，但不登记不影响上线，也无罚则；模板通用，分 Tier 1 与 Tier 2 两层且默认全部公开；公开库支持多维检索与订阅反馈，但何为实质性变更由机构自行判断，无时限。
| 维度 | 中国备案 | 英国 ATRS |
|---|---|---|
| 定位 | 事前审批、市场准入闸门 | 事后披露、问责框架 |
| 法律基础 | 部门规章与技术标准层层叠加 | 行政指导，非成文法义务 |
| 覆盖 | 私营部门全部面向公众的 AI 服务 | 中央政府及部分公共机构 |
| 信息要求 | 按七类算法定制的自评估模板，含线下测试 | 通用模板，Tier 1 概览加 Tier 2 详述 |
| 披露与维护 | 仅 6 个字段，Word 批次发布，10 日变更时限 | 全量公开、可检索、无变更时限 |
| 登记规模 | 5,822 条，3,787 家主体（2025-11） | 约 80 条（2025） |
登记数据进一步揭示结构差异。中国 2025 年生成式人工智能占全部登记的近 88%，其中服务提供 67.3%、技术支持 20%；76% 的主体仅登记一个算法，头部为腾讯 33、字节 23、百度 19、商汤 16、小冰 14，DeepSeek 仅 2 条且首条见于 2024 年 6 月批次，早于其 2025 年 1 月公开上线七个月，呈现长尾结构。英国约 10% 的记录为规则型分类系统，教育部、科学创新与技术部、卫生部、商业贸易部、司法部条目最多，另有若干地方警队登记风险评估工具。DARAT 案例中，Tier 1 与 Tier 2 记录了用途、数据来源与 46 个风险因子，但承诺的影响评估至 2025 年仍未补上，工具实际已暂停，登记册并未反映这一变化。
a / D. Discussion & Conclusion（讨论与结论）
作者把差异归纳为三种治理角色。第一，生态层面的理解工具：单条记录可能含糊，但聚合后可揭示生成式 AI 的扩张速度、主体长尾结构与地域集聚，中国备案即为例证；其价值在于系统级观察，而非单体审计。第二，可执行的监管：只有登记强制、材料被核查、不登记有后果，登记册才构成把关；英国缺的正是核查与后果，上议院相关报告亦指出需定期复核并设置罚则。第三，可扩展的监管基础设施：中国备案从推荐算法起步，逐层叠加深度合成、生成式模型、内容标识，2025 年又把拟人化互动服务纳入征求意见，体现“监管脚手架”的加挂能力；英国 ATRS 的范围与要求基本未变，若要扩展需主动评估，并与事件报告机制挂钩。作者亦指出局限：仅两国、基于公开材料、只看设计不看运行，无法判断核查的实际强度与组织日常实践；未来可用访谈与实地研究补齐。文章主张以“设计—功能”而非“透明—不透明”作为比较登记册的主轴，并提醒研究者与政策制定者先界定期望功能，再倒推范围、披露、核查与追责四项设计选择。
🧠 IRMaD 思维导图
mindmap
root((算法登记册的治理角色))
引言
登记册全球扩散
透明视角的局限
三点研究缺口
问题
两法域差在哪
差异揭示什么角色
不评价有效性
方法
结构化比较个案
二十六份官方文件
五维分析框架
登记数据描述统计
结果
中国事前审批
双轨备案制
英国自我申报
无核查无罚则
长尾产业格局
讨论
生态级理解
可执行监管
可扩展基础设施
设计开关组合
结论
登记册是可配置装置
先定功能再设计
框架可外推
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。