全國政協委員江浩然:為自動駕駛立法律,為AI手機立規矩

鳳凰網港股
03/10

來源|鳳凰網財經

作者|王迪

從春晚舞台上扭秧歌的人形機器人,到無孔不入的AI手機,再到即將「飛入尋常百姓家」的自動駕駛,科技浪潮正以肉眼可見的速度重塑我們的生活。

然而,熱潮之下,全國政協委員,恒銀金融科技股份有限公司黨委書記、董事長江浩然卻看到了隱憂:「盲目跟風」的內卷怪圈,正悄然逼近這些最炙手可熱的賽道。

在全國兩會期間,江浩然對話鳳凰網財經,針對自動駕駛、AI手機、機器人產業當下的「虛火」與「痛點」,開出了一劑名為「因地制宜」與「立規矩」的藥方。

在他看來,避免低水平重複,防止技術「裸奔」,已是產業邁向高質量、規模化發展的當務之急。

他特別提到,警惕「一哄而上」,熱門賽道同質化陷阱;法律滯後已成為制約自動駕駛發展最大瓶頸;支持駕考新增智駕必考題,這是規範駕駛員的必要舉措;拒絕AI手機「權限裸奔」,建立「動態管控」機制;「因地制宜」是破解內卷的良方。

(全國政協委員,恒銀金融科技股份有限公司黨委書記、董事長江浩然)

以下為鳳凰網財經與江浩然的對話節選:

01 警惕「一哄而上」:熱門賽道同質化陷阱

鳳凰網財經:您曾指出,很多行業陷入了「盲目跟風」的內卷怪圈。在自動駕駛和AI手機這兩個熱門賽道,目前是否存在您擔心的「同質化競爭」或「盲目上馬」的苗頭?您的「因地制宜」方法論,具體到這兩個行業,應該如何落實?

江浩然:自動駕駛和AI手機兩大熱門賽道,目前均已顯現同質化競爭、盲目上馬的苗頭。自動駕駛領域存在法律滯後、應用場景碎片化、規模化路徑模糊等問題,企業扎堆佈局卻缺乏差異化路線;AI手機則出現數據過度採集、權限濫用、技術路線不規範等痛點,部分企業為追求功能噱頭忽視數據安全,行業發展陷入低水平內卷。

將「因地制宜」方法論落實到兩大行業,核心是分區域、分場景定發展方向,立標準、劃邊界防無序競爭。

自動駕駛領域,依託長三角、京津冀等區域的產業和基建優勢,分區域推進「車路雲一體化」驗證平台建設,制定統一強檢標準,明確「人機共駕」責任劃分,推動單車智能與車路雲融合發展,避免單一技術路線的同質化探索。

AI手機領域,摒棄「一刀切」的功能堆砌模式,圍繞不同場景劃定技術規範,全國統一推行APP+用戶的「雙重授權」機制,用接口/協議技術替代截屏、讀屏等違規數據採集方式,同時結合各地科創資源,推動端雲協同安全評估體系建設,鼓勵頭部企業牽頭構建行業生態,避免中小企盲目跟風。

02 法律滯後已成為制約自動駕駛發展最大瓶頸

鳳凰網財經:今年您提案建議加快高級別自動駕駛規模化應用,當前L4/L5正處在商業化臨界點,您認為2026-2027年最需要先突破的是法律、標準、基礎設施哪一環?

江浩然:當前L4/L5級自動駕駛處於商業化臨界點,2026-2027年要實現規模化應用,法律修訂是最需要率先突破的核心環節,相比標準制定和基礎設施建設,法律滯後已成為制約行業發展的最大瓶頸。

目前自動駕駛系統的法律地位尚未明確,事故責任認定缺乏統一依據,導致企業不敢大規模投入,各地試點也難以形成可複製的模式,標準和基建的推進也因法律空白缺乏底層支撐。

突破法律瓶頸,需從國家和地方兩層級協同發力:一方面加快修訂《道路交通安全法》及其實施條例,從頂層設計賦予自動駕駛系統合法地位,明確車企、用戶、平台等相關方的事故責任劃分,填補法律空白;另一方面修訂《智能網聯汽車道路測試與示範應用管理規範(試行)》,賦予地方更大試點自主權,鼓勵長三角、粵港澳等產業集聚區域先行先試,探索適配本地的監管規則,為新車型、新服務的落地拓展制度空間。

法律框架搭建完成後,才能推動標準統一和基礎設施的針對性建設,實現行業規模化發展。

03 支持駕考新增智駕必考題,這是規範駕駛員的必要舉措

鳳凰網財經:有代表建議稱,駕考新增智駕必考題。您怎麼看?如何避免智能駕駛所帶來的交通事故?

江浩然:我非常支持駕考新增智駕必考題,這是適配智能駕駛普及趨勢、規範駕駛員操作的必要舉措,核心是通過專業考覈,讓駕駛員明確「人機共駕」中的主體責任,避免因過度依賴智駕系統引發操作失當。

當前部分駕駛員對智駕功能認知不足,誤將輔助駕駛當作全自動駕駛,忽視接管義務,這是智能駕駛交通事故的重要誘因,增設智駕考題能從源頭提升駕駛員的規範操作能力。

預防智能駕駛交通事故,需構建技術保障+法律約束+人員規範的三重體系,缺一不可。

技術層面,車企要優化智駕系統的預警機制,在複雜路況下及時提醒駕駛員接管,同時完善系統的安全冗餘設計;

法律層面,明確駕駛員的接管義務和違規後果,對因未及時接管引發的事故嚴肅追責;

人員層面,除了駕考增設考題,還需建立智駕操作專項培訓和考覈機制,定期對駕駛員開展複訓,讓駕駛員熟練掌握系統操作和應急處置流程,杜絕「技術裸奔」,讓智駕技術在安全框架下發揮作用.

04 拒絕AI手機「權限裸奔」,建立「動態管控」機制

鳳凰網財經:您此前提到,建議為AI手機「立規矩」防止系統權限濫用。AI 手機從 「嚐鮮」 走向主流,您認為國產 AI 手機在技術架構、生態構建上,目前最大的痛點是什麼?應該如何解決?

江浩然:國產AI手機從「嚐鮮」走向主流,目前在技術架構和生態構建上的核心痛點有三個方面。

一是數據採集「最小必要原則」落實不到位,部分企業為實現功能,通過截屏、讀屏等方式非特定功能獲取全局數據,存在過度採集問題;

二是端雲協同架構不完善,大量敏感數據上雲傳輸,數據泄露風險加劇;

三是行業生態碎片化,缺乏統一技術標準,企業各自為戰,技術路線混亂。

解決這些問題,需從技術架構、行業標準、前置監管三方面發力。

首先,嚴格貫徹「非授權不訪問」的雙重授權原則,要求AI手機獲取數據、調用功能必須先經APP授權,再獲用戶授權,從底層架構杜絕權限濫用;

其次,加快制定統一的行業技術標準,明確數據採集、端雲協同的規範,鼓勵企業採用接口、協議等合規技術替代截屏、讀屏;

最後,強化前置審核,在AI手機進網許可階段,重點核查截屏、模擬點擊等系統級權限的使用情況,建立智能體服務備案制度,推動行業形成規範、統一的發展生態。

鳳凰網財經:您今年重點關注AI 手機產業規範,提出要防止權限濫用、規範數據邊界。在金融支付、個人隱私高度綁定手機的背景下,您認為應建立怎樣的權限機制?您如何平衡 AI 手機創新體驗與數據安全、算法合規之間的關係?

江浩然:在金融支付、個人隱私高度綁定手機的背景下,AI手機需建立「動態管控、按需索取、全流程監管」的權限機制,從源頭防範權限濫用和數據泄露。

具體而言,要細化權限分類,針對金融支付、隱私信息等核心場景設定高等級權限,推行「按需索取」原則,AI手機僅能為實現具體功能申請對應權限,且權限使用需實時向用戶反饋;同時建立前置審核與智能體服務備案制度,所有系統級權限的調用均需完成備案,相關部門開展動態審計,確保權限使用全程可追溯。

平衡AI手機的創新體驗與數據安全、算法合規,核心是讓創新建立在合規安全的基礎上,實現技術創新與風險防控的協同。

技術層面,採用端側加密、生物識別、隱私計算等技術,實現「數據可用不可見」,減少敏感數據上雲傳輸,同時優化端雲協同架構,明確端側處理數據的範疇和上雲條件;

規則層面,制定AI手機功能-數據清單,讓企業創新有邊界、有規範,避免為追求體驗犧牲數據安全;

監管層面,引入第三方獨立審計機構,對企業的算法和數據使用進行周期性評估,確保算法合規、數據安全。

05 「因地制宜」纔是破解內卷的良方

鳳凰網財經:您強調 「因地制宜發展新質生產力」,您怎麼看目前春晚之後的機器人產業熱潮?目前很多機器人企業不盈利,您覺得機器人產業是否存在一哄而上、低端同質化風險?

江浩然:春晚帶來的機器人產業熱潮,讓行業獲得了更多關注和資源,推動了技術普及和市場培育,但同時也明顯存在一哄而上、低端同質化的發展風險,這與我一直支持的「因地制宜發展新質生產力」的觀點相悖。

當前國內人形機器人企業中半數為初創企業,多數企業缺乏核心技術積累,在技術路線、產品形態、商業模式上高度同質化,扎堆佈局低端賽道,而行業盈利的核心痛點——關鍵零部件國產化率低、成本高企的問題卻未能得到有效解決,最終容易陷入「增收不增利」的內卷怪圈。

破解機器人產業的發展困境,核心是落實因地制宜、差異化發展策略,避免低端重複建設。

各地需結合自身的產業基礎、科創資源佈局,比如,科創資源集聚的區域重點攻關核心零部件、算法等核心技術,製造業基礎雄厚的區域聚焦機器人量產、場景應用,避免所有地區都扎堆研發人形機器人。

與此同時,需要加強行業引導,鼓勵企業深耕細分場景,推動機器人在工業、服務、農業等領域的差異化應用,加大對核心技術研發的支持力度,提升關鍵零部件國產化率,降低行業成本。

此外,還應建立項目風險預警與糾偏機制,對盲目上馬、同質化佈局的項目及時引導整改,推動機器人產業走高質量、差異化的發展道路。

免責聲明:投資有風險,本文並非投資建議,以上內容不應被視為任何金融產品的購買或出售要約、建議或邀請,作者或其他用戶的任何相關討論、評論或帖子也不應被視為此類內容。本文僅供一般參考,不考慮您的個人投資目標、財務狀況或需求。TTM對信息的準確性和完整性不承擔任何責任或保證,投資者應自行研究並在投資前尋求專業建議。

熱議股票

  1. 1
     
     
     
     
  2. 2
     
     
     
     
  3. 3
     
     
     
     
  4. 4
     
     
     
     
  5. 5
     
     
     
     
  6. 6
     
     
     
     
  7. 7
     
     
     
     
  8. 8
     
     
     
     
  9. 9
     
     
     
     
  10. 10