作者简介：胡弘弘，女，湖北大悟人，中南财经政法大学法学院教授，博士生导师，研究生院院长，法学博士，研究方向：宪法学、立法学；王惠民，男，湖南隆回人，中南财经政法大学法学院博士研究生，湖北地方立法研究中心研究助理，研究方向：数字法学、立法学。
摘要：算力与数据、算法并称为人工智能的三大核心要素。通过对我国47部相关立法进行实证分析发现，目前算力立法存在以“规模法则”为中心的立法观，呈现出明显的“重促进而轻安全”“重一元化而轻多元化”“重竞争而轻互联互通”“重‘硬件’而轻‘软件’”四大表征与局限。“漫灌式”的规模法则立法观亟需转向“滴灌式”的精准法则立法观。精准法则立法观不仅具有法释义学、法社会学、法经济学多个维度的理论正当性，而且完成了法律本身内部优化和连接社会外部需求的理论自洽。同时，精细化立法、场景一致性原则、分类分级制度等立法实践也为其提供了实践正当性。在此基础上，构建算力立法“对象识别精准、考量因素精准、对策安排精准”的三阶进路，依据算力技术规律与应用需求精准设计算力条款，可有效推动算力发展从“规模扩张”到“质量优化”的转型，为我国人工智能立法提供参考。
关键词：算力；规模法则；精准法则；人工智能法；立法
引言
党的二十届三中全会提出将人工智能作为战略性产业，算力、算法、数据是人工智能的三大核心要素，算力发展的好与坏对人工智能产业的发展具有重大影响。目前，我国算力总规模已居全球第二，为从法治层面保障算力发展，近些年我国有关算力的立法出现了以“规模法则（scaling law）”为中心的立法观——唯算力规模化至上，认为算力规模越大则人工智能发展越先进。然而，这种立法观所期待的效应并未当然发生，反而导致我国有关算力的立法呈现出明显的畸轻或畸重。面对算力“向好发展”在立法中被异化为“向大发展”的问题，如同我国扶贫政策从“规模扶贫”到“精准扶贫”的演进，算力领域的立法观亟需实现从“规模法则”到“精准法则”（targeted law）的逻辑转向。
法学学术界目前对算力的关注度远低于算法与数据，仅在算力财产权、算力安全治理、算力互通、算力风险规制、算力盗窃等具体场景下就算力发展提出立法或执法层面的优化措施，立法学领域亦未形成精准立法的系统性概念与学说。基于此，本文首先通过实证分析对我国涉及算力的47部立法进行梳理，论证其存在规模法则立法观的表现及局限；其次，利用法解释学和法社会学等相关方法论与实践例证，从算力立法本身和社会需求两个层面论证应当树立精准法则立法观的理论与实践正当性；最后，构建精准法则立法观下算力立法的具体进路。
一、规模法则立法观下算力立法的表征与局限
规模法则以“规模”为核心，认为规模化是事物发展的途径与目标。2020年，OpenAI发布论文《神经语言模型的规模法则》（Scaling Laws for Neural Language Models），首次发现通过增加模型规模、数据量和计算资源，可以显著提升模型性能。由此，如同牛顿第一定律之于物理学，规模法则成为大模型预训练的第一性原理。该效应也逐渐溢入立法领域——立法作为一种人类理性活动，“立法者的心智水平影响法律创制的结果和法律形成空间的范围”，在这种冠以“第一性原理”的宣传和影响下，规模法则以各种知识和信息顺势占据立法者的心理和智识，进而促使立法者形成以规模法则为核心的心智构念，将其作为算力条款构建的首要考量，最终形成了以规模法则为核心的立法观，影响立法者的立法行为能力。
为验证这种立法观的存在与影响，以我国47部含有算力条款的部门规章、地方性法规、地方政府规章作为样本进行考察，发现样本呈现出明显的“重促进而轻安全”“重一元化而轻多元化”“重竞争而轻互联互通”“重‘硬件’而轻‘软件’”四大表征与局限。
（一）重促进而轻安全
规模法则立法观下算力立法的第一表征与局限是为了实现算力的规模化而“重促进，轻安全”。即现有立法绝大部分以促进算力发展为核心目标，较少关注算力发展中存在的安全风险。实际上，安全是算力发展的前提，一方面，算力硬件本身存在安全风险，如2025年7月国务院就英伟达算力芯片可能存在的“后门”风险对其进行约谈。另一方面，算力运作需要跨行业、跨领域的多场景点对点网络连接，其在访问接入、传输通道、部署运用等流程中均存在数据泄露、信息篡改、DDoS攻击等风险。随着全国各地算力“连点成线”“连线成网”，算力网络编排、调度、管控等安全挑战逐渐显现，并极易因算力网络链接而形成连锁反应，甚至产生群体性事件。算力安全引发的社会性风险无法完全通过技术解决，必须发挥法律对秩序的规范功能。
然而，现有立法对算力安全缺乏应有关注：第一，在数量上，现有47部立法均设有算力促进条款，但仅有6部立法对算力安全提出要求，占比约13%；第二，在结构上，样本均未就算力促进与算力安全分别设置章节，而是采取概括形式，在占据较大篇幅表述的算力促进条款中少量嵌入算力安全的要求；第三，在内容上，现有立法对于算力的促进提出了以算力基础设施建设为重点，包括发展多元计算、合理布局算力资源、构建算力服务平台、推动算力产业规模化与集群化等涵盖算力产业链的系列措施。然而，对于算力安全的内容则仅仅体现在两个层面：一是要求在算力设施层采用可信、安全的相关组件；二是在算力应用层采用可信、安全的算力资源并进行安全防护。应当说明的是，由于人工智能领域目前缺乏综合型立法或管理型立法，本文所考察的样本绝大部分是促进型法，但这并不影响论证，一方面是促进型法的大量存在更加有力证明了“重促进”的观点；另一方面是促进型法并非只能设置促进条款，安全本身也是为了促进。
（二）重一元化而轻多元化
规模法则立法观下算力立法的第二表征与局限是为了实现算力的集约化而“重一元化，轻多元化”。即现有立法条款中大都将各类算力视为一个统一体进行推进，而未根据不同算力的技术路径或需求等客观规律设置多元化推进条款。算力具有多元化推进的客观要求，首先，从本体层面来看，算力具有多元化发展的内生动力。根据不同的标准可以将算力分为不同的类型，如中国智算中心（AIDC）将算力划分为基础算力、智能算力、超算算力，由于不同类型的算力功能定位不同，其发展路径也不宜采用“一揽子”式的安排。其次，从应用层面来看，算力应用主体亦具有多元化发展的外生需求。算力作为数字经济时代的新质生产力，是新兴技术产业发展和传统产业升级迭代之必需，但二者之间对算力的需求差异决定了必须设置不同的分配机制。就大型平台而言，其对高性能的智能算力具有指数型需求，因而更希望立法能够倾斜于智能算力和超算算力的规模化、集约化。反之，对于其他中小企业特别是传统行业的企业而言，其所需适用的场景主要在于日常运营的数字化或者轻量化的人工智能应用，囿于算力资源的高成本门槛，中小企业更希望立法能够关照通用算力的发展，并且能够根据《民法典》第206条所赋予市场主体的平等发展权实现算力普惠。同时，根据权利义务一致原则，基于大型平台和中小企业在算力领域实质地位的差异，算力条款在设定安全保障等义务时亦应当进行区别。
然而，现有47部立法样本中，虽然有16部立法已经初步考虑到了算力分类，但是，这种考量本质上仍未脱离“重一元化”的窠臼——其仅仅是试图发展不同类型的算力，但对于不同类型算力的发展进路仍采用整体主义的推进方式，并未根据算力的内生需求制定具有针对性的多元化规范。同时，面对算力应用的外生需求，除《上海市促进人工智能产业发展条例》第13条提出通过算力奖励保障中小企业获得普惠性公共算力以外，其他立法均未就算力的多元化特征设置具有针对性的规范。
（三）重竞争而轻互联互通
规模法则立法观下算力立法的第三表征与局限是为了实现算力的领先性而“重竞争，轻协同”。即现有立法主要强调算力的发展与领先，而忽视算力之间的协同推进。我国早于2021年便启动“东数西算”工程，2024年国务院《政府工作报告》更是提出“全国一体化算力体系”，期冀形成“破解算力资源碎片化—释放数据要素价值—构建统一大市场—助力国家战略落地”的算力互联互通发展闭环。然而，目前我国算力体系仍存在两大痛点：第一，算力体量分布存在规模化与分散化并行的矛盾，即算力总体规模庞大，但分散于海量主体之中；第二，算力地域分布东部密集而西部稀疏。这共同导致我国算力运用“找不着、传得慢、不好用”，难以形成合力。
算力互联互通可以通过标准化编码和统一协议将分散于不同主体之间的算力进行资源整合，同时对算力地域失衡进行再分配。然而，现有47部立法中，共有19部立法对算力互联互通作出了规定， 而其他的28部则仍将重心放于本区域内的算力发展。值得注意的是，即使是提及了算力互联互通的19部立法中，绝大部分亦仅仅是规定积极融入“全国一体化算力网络”，但对于本区域算力的对外互联互通以及如何互联互通未作说明。造成这种局面的主要原因在于压力型行政体制和地方立法区域性的误解，具体而言，在压力型体制下各地方需要将算力产业发展作为政绩，原本将算力“建设好”的目标在规模法则的影响下异化成为“建设大”，忽视了与其他区域的算力互联互通。同时，地方性立法的范围并非严格限定于本区域有关事项，《立法法》第83条明确赋予了地方“协同立法”之权限。如政务数据的互联互通便已然成为各地方有关数字立法的普遍性内容。
（四）重“硬件”而轻“软件”
规模法则立法观下算力立法的第四表征与局限是为了实现算力发展的快速性而重“硬件”轻“软件”。即现有算力立法基本上只对发展算力设施的“硬实力”进行规定，而忽略了算力相关制度体系等“软实力”的构建。法律的核心功能在于化约复杂的社会风险并提供稳定的行为规范预期，构建行之有效的规范体系可引导并塑造他人行为偏好，最终形成软实力。人工智能产业作为一种全新的经济业态，市场新秩序的构建尚处于开始阶段，而我国作为人工智能领域“最领先的追赶者”，具有算力制度体系制定话语权的需求与实力。目前，我国算力规范体系的构建存在内部和外部两个层面的困境。内部困境即国内相关制度体系缺位：以算力建设到算力应用为逻辑，首先是算力建设过程中算力设施本身标准体系的缺乏，比如算力的标识和度量标准、算力设施法律属性不统一等问题；其次是算力互联互通过程中的标准缺乏，如互联技术标准缺失、兼容困难等问题；最后是算力应用中技术服务标准不统一 和算力流转制度的缺乏。外部困境即国际制度体系的制定参与不足：2020年IEEE AI标准化工作组共发布37项AI标准，其中我国参与制定的标准比例仅为12%，与美国存在较大距离。
然而，我国现有47部相关立法中，仅有3部立法对算力的规范体系建设进行了规定：其一是《广州市数字经济促进条例》第56条规定要探索建立算力交易平台和市场制度，其二是《上海市促进人工智能产业发展条例》第50条提出浦东新区应当探索人工智能资产评估体系，其三是《芜湖市建设算力中心城市促进办法》第28条提出推进算力应用、数据治理和网络安全合规等相关标准体系建设。对算力发展相关制度体系构建的忽略，已经成为现有立法中的普遍性问题。
二、精准法则立法观的理论证成与实践兴起
针对规模法则立法观导致算力立法“求大求全”的问题，亟需转向“求好求精”的精准法则立法观，打破“算力优势等于人工智能产业优势”的认知，坚持算力统筹规划与精细管理。需要说明的是，规模法则立法观与精准法则立法观并非矛盾关系，在精准法则立法观中，亦追求算力的规模化发展，但此种规模化并非规模法则下的整体推进，而是根据算力的技术路径、类型、需求等客观规律，精准赋予不同的立法保障。如对于关系国家经济命脉的智能算力，仍将以促进体量的发展为主，而对于公民日常应用的通用算力，则需同步甚至主要关注其安全性。从理论层面来看，精准法则立法观不仅符合人工智能相关立法的目的及规范体系性，也符合法社会学视域下立法的社会秩序确认功能与法经济学视域下的成本效益原则，完成了法律本身内部优化和连接社会外部需求的理论自洽。同时，精细化立法的实践奠基、场景一致性原则的逐渐兴起、分类分级制度的普遍适用等立法实践也为精准法则立法观提供了现实依据。
（一）精准法则立法观的理论证成
1.法解释学维度：契合人工智能立法之目的与体系性
法解释学从法律的内部出发，要求立法要保证法秩序的融贯性。规模法则立法观和精准法则立法观实质上代表了两种不同的立法目的，因此，何种立法观更契合我国人工智能相关立法之目的与体系性，成为判断是否具有法解释学正当性的关键点。目前，在国家层面，我国尚无专门的“人工智能法”，但与人工智能相关的立法已经初具体系。在法律层面，已有《网络安全法》《数据安全法》《个人信息保护法》《科技进步法》作为核心支撑。其中，《网络安全法》第1条明确立法目的是“保障网络安全”和“促进经济社会信息化健康发展”；《数据安全法》第1条亦指出旨在规范数据处理活动，以“保障数据安全”和“促进数据开发利用”；《个人信息保护法》第1条也将“保护个人信息权益”和“促进个人信息合理利用”作为立法目的；《科学技术进步法》作为促进法，第1条虽以促进为核心，但在第5条又规定了“统筹发展和安全”的原则。与此同时，部门规章层面出台了人工智能领域的首部专门化立法——《生成式人工智能服务管理暂行办法》，其第1条也将“促进发展”和“规范应用”作为立法目的，并在第3条设定了“发展和安全并重”和“分类分级监管”原则。
从前述国家层面的立法来看，“促进”与“安全”始终是我国人工智能相关立法的核心目的。因此，未来人工智能的立法欲要满足现有立法体系的法秩序，亦应当秉持促进与安全并重之目的，这在学界也早已成为共识，我国学者起草的两部人工智能示范法（《人工智能法（示范法）》和《人工智能法（学者建议稿）》）也明确将“促进”与“安全”作为主基调。在此基础上，可以发现精准法则立法观符合现有立法体系中的“促进”与“安全”双重功能定位，切合法解释学的法律体系化要求。同时，面对人工智能的复杂性、不可预测性、快速变化等特征和治理的灵活性与动态适应需求 ，精准法则立法观亦更具优势。
2.法社会学维度：彰显立法作为“纲要”的开放性功能
法社会学认为法律不仅要符合法律内部的规范性期望，还需要符合法律系统与其他社会系统的外部规范性期望。帕森斯认为“双重偶联性”引发环境的复杂性和高度无序性、行动无法持续的困境。在此基础上，卢曼提出这种双重偶联性正是产生包括法律系统在内的各类社会系统的原因，各类社会系统的形成就是为了化约双重偶联性。就法律系统而言，其依靠“合法/非法”这种代码来判断事件，定分止争。但是，由于代码过于抽象且存在“套套逻辑”的不足，无法为多种多样的事态提供具体的判断标准，所以需要将代码具体化、条件化，使其成为“纲要”，以期在判断合法与非法的过程中具有可操作性，这种“纲要”即指立法。因此，在社会系统论观点中，立法亦即“纲要”便承载了两个功能：其一是要将代码具体化；其二是要指涉外部以“摆脱套套逻辑”。具体而言，立法其一要对外部环境进行探知，如对来自政治、经济、科学等系统的需求进行学习，并在受到法律规范性期望控制下灵活调整规则；其二又要尽可能使得法律具有可操作性。
基于此，在人工智能立法中要保持外部认知性，对外部环境的变化进行感知与学习。如科技系统中，规模法则正在人工智能领域遭遇失灵质疑，Nature有研究指出AI大模型存在“脑雾”现象，部分参数量更大、版本更新的AI大模型误答比例超60%。OpenAI前首席科学家、联合创始人Ilya Sutskever指出规模法则可能面临失效。此外，DeepSeek的出现更是验证了AI的发展不仅仅依赖大规模的数据和算力，而是重视创新思维、算法改进及算力和数据利用效率。而在政治系统中，我国对人工智能的态度经历了“促进—安全—促进与安全并重”的变化路径。2023年至今，为落实习近平总书记关于“要重视通用人工智能发展，营造创新生态，重视防范风险”的重要指示，我国对人工智能的治理体现出了强烈的促进与安全并重态度。中国发布的《全球人工智能治理倡议》明确指出要“坚持发展和安全并重的原则”。因此，人工智能算力立法必须与前述科技系统、政治系统等外部环境共振，意识到算力资源有限、边际效应递减、促进与发展并重政策等外部环境，并通过精准化的立法使得法律能够实现其应有的稳定规范性期望功能。
3.法经济学维度：符合成本效益原则
法经济学强调法律的制度设计需以“成本—效益”为考量标准，通过平衡社会成本与收益实现资源的有效配置，最大限度地实现与保障立法的正当性问题。精准法则立法观的核心在于通过法律规则的精确性降低法治成本，减少法律适用中的模糊性导致的资源浪费，与法经济学视角下的立法正当性要求高度契合。具体来说，法经济学维度下的立法需要经过“成本—效益”理论的考察，在“如何立法”的问题上，法经济学认为法律的需求压力、法律创新成本相对高昂以及法律的资产专用性等因素，会导致良法的必然稀缺性，而法律成本的高低是人们作出法律供给决策的主要依据，因而在立法时必须充分考虑所立之法在立法、执法、司法、守法等层面的收益较之成本的可欲性。
具体到人工智能算力立法中，在立法层面，与规模法则立法观相比，精准法则立法观下的算力立法需要精准识别算力的对象及其所需，并制定“个性化”条款，直接立法成本上无疑不占优势。但是，立法还存在间接成本，规模法则立法观无疑是符合我国早期大力促进算力的阶段要求，但精准化发展却是规模化发展的必然后续，规模法则立法观产生的立法势必会面临修法的结局，采用精准法则立法观的成本总体上会更低。在执法和司法层面，精准法则立法观可以通过具有针对性的立法表述为执法或司法机关提供明确而合理的执法或司法依据，减少执法或司法成本。同时能够从“漫灌”转为“滴灌”推动产业发展，进而引发系列收益增长，形成长治久效的社会秩序。在守法层面，精准法则立法观下的成本主要是各算力生产者在履行安全保障义务、参与互联互通、绿色节能减排等方面的支出，而收益则是算力的高质量发展、算力市场的协调、国家统一算力体系的形成。相较于规模法则立法观，虽然精准法则立法观在前期会产生相关合规支出，但收益更具高质性、长效性、整体性。
（二）精准法则立法观的实践兴起
1.精细化立法的实践奠基
如前所述，精细化立法强调的是立法本身可操作性的内部优化，而精准法则立法观注重的是立法与政治、经济等外部系统之间结构的优化。但是，二者之间又存在紧密联系，可以说精准法则立法观是精细化立法的上一级概念，前者为后者提供理论工具，要求立法要根据社会需求精准配置规范，后者则是前者在立法层面的具体化表现与实现方式之一，旨在将社会需要配置的规范变得更具可操作性。广义上的精细化立法包括整个立法过程、立法内容、立法方法在内的精细化，狭义上的立法精细化则主要指立法选题、立法内容及立法形式的精细化。2014年，党的十八届四中全会通过的《中共中央关于全面推进依法治国若干重大问题的决定》中提出从立法起草到立法审议和强化立法意见收集阶段“推进立法精细化”的要求，基本指明了我国从狭义精细化立法概念出发的基调。随后，我国央地立法进行了持续的精细化立法实践：第一，立法类型更加细分，按行业、行为类型制定特别法，如《旅游法》《特种设备安全法》等；第二，立法内容更加全面，如为了《特种设备安全法》能够对适用对象等内容做到细而又细，草案条文由原来的72条增加到101条；第三，立法条款更加具有可操作性，如《民法典》合同编第585条细化违约金调整规则，规定法院可依请求将违约金降至实际损失的30%以下，取代原《合同法》“适当减少”的裁量性表述。部分地方立法中也逐渐出现涵盖立法数量和立法内容的精细化趋势。
我国精细化立法的实践在理念和工作机制两个层面为精准法则立法观下的算力立法奠定了基础。一方面，精细化立法的实践使得立法者意识到立法需要具有可操作性，因而使得“可操作的法”成为立法过程中能够普遍接受的理念。另一方面，精细化立法实践在立法问题选择、立法方案设计、立法起草、立法意见收集等阶段总结出来的工作机制，比如明确第三方评估、通过前评估、立法后评估等系列措施，均为精准化立法观在立法机制中的实现提供了可行基础。
2.场景一致性立法的兴起
数字领域立法实践正经历从“原则统摄”到“场景适配”的范式转型，场景一致性立法实践的兴起是精准法则立法观的重要体现。传统立法模式依托抽象规范框架，试图以统一规则覆盖所有社会关系，但在技术迭代加速、社会功能分化的背景下，日益暴露出“规范过载”与“适用脱节”的双重困境。“场景一致性”理论强调社会场景的多样性，针对每个场景设置独特的规则来控制信息流动，并指出场景相关信息规范需要根据场景（contexts）、行为主体（actors）、属性（attributes）和传输原则（transmission principles）四个关键要素的不同而进行针对性的制定，以作为信息流动或传输是否合理的判断。这种理论引导立法将中心从“行为定性”转向“场景建模”，从“静态”转向“动态”，成为数字领域立法的重要方法。例如，我国《个人信息保护法》第6条规定个人信息处理的“目的限制”原则、第28条规定处理敏感信息需基于“特定目的和充分必要性”，均属于寓场景一致性原则于特定目的之内的体现。同时，场景一致性原则也被广泛应用于中国人脸识别第一案“郭兵诉杭州野生动物世界案”等多个司法裁判之中。在域外，英国《网络服务适龄设计实践守则》以不同的年龄段作为不同场景，赋予对应儿童不同的自我决策权。
场景一致性原理在全球数字立法领域的兴起验证了一种趋势：相比于传统领域，数字领域具有更多的不确定性，而这种不确定性要求法律规范在追求普适性的同时，也要致力于在不同场景下实现技术理性与价值理性的平衡，因而包括算力在内的人工智能立法必须更加动态化、精准化。
3.分类分级制度的普遍适用
分类分级制度是精准法则立法观的直接表现，其早已被广泛应用于数据、人工智能等立法中，旨在以主体、风险等维度为标准设置不同的规范要求。应当说明的是，分类分级制度与场景一致性具有一定的相似度，核心均是强调规范的精准化。但是，二者又存在根本性的不同：第一，在结构属性上，分类分级是自上而下的静态框架，遵循“相互独立、完全穷举”原则，先划定类别再设置相对确定的规则，而场景一致则属于自下而上的动态适配，根据不同的场景灵活处理规则；第二，在功能目标上，分类分级强调从本体论出发，从适用对象本体特性出发设置规则，而场景一致则从本体所处场景出发，聚焦于场景的流动性而设置规则；第三，在实施路径上，分类分级制度依赖预先规划的树状结构，规则一旦设定则具有稳定性和封闭性，而场景一致则通过网状标签体系实现多维度关联，具有联动性和开放性。
简而言之，分类分级制度从适用对象的“本体的多样性”角度出发，而场景一致则立足于本体“适用过程的多样性”，二者如同精准立法的横坐标与纵坐标。《数据安全法》是我国适用分类分级制度的典型，该法第21条明确规定国家根据数据在经济社会发展中的重要程度以及风险性建立数据分类分级保护制度。在该条总指引下，《网络数据安全管理条例》《促进和规范数据跨境流动规定》等代表性行政法规或部门规章均分别将数据分类分级作为数据安全管理和数据跨境管理的基础。《生成式人工智能服务管理暂行办法》也在第3条明确将分类分级监管作为原则。域外方面，欧盟《人工智能法》是适用分类分级制度的代表，该法案与“总则—分则”式传统立法体例区别极大，整部条款均基于人工智能系统本身的风险等级进行分类，分别设置不同的监管方式。此外，巴西2024年通过的《人工智能法》也将人工智能风险的分类分级制度作为核心组成部分。分类分级在数据和人工智能领域立法的普遍适用，预示着精准法则立法观在人工智能治理现代化进程中重要地位的确立。
三、精准法则立法观下的算力立法进路
（一）精准法则立法观下算力立法的三阶进路
早在18世纪，边沁便高度推崇在立法中用“双分”（bipartite）或“两分”（dichotomous division）法进行分类和分割，以期立法能够做到详尽无遗的概括和分析。类似于边沁的观点，作为一种立法方法论，精准法则立法观的根本任务是要改变规模法则立法观的“大而统之”进路，尽可能将立法任务进行细化与拆解，从“小而精确”的进路设置规范。简言之，精准法则立法观要尽可能地将立法要素化，不再将立法认定为一个“个体”，而是视立法为众多“分子”所组成。因此，实现精准法则立法观的具体步骤可以分为“对象识别精准、考量因素精准、对策安排精准”三步（见图1）：第一步构建拆解标准，即设立一套将立法对象精准识别与分类的标准；第二步设置考量因素，即在技术理性和价值理性平衡的前提下提炼出立法所需要考虑的核心因素，并根据这些核心因素对已经完成精准分类的立法对象进行考察与匹配；第三步配置组合措施，即在将不同类型的立法对象与其考核因素相结合的基础上设置不同的规范。
图1 算力立法的三阶进路
具体而言，首先，在对象识别精准阶段，需要构建三维向度的算力识别标准并明确不同标准下的具体算力类型。现有关于算力的识别标准可以概括为三种类型：第一种是根据物理特性，将算力划分为硬件组件和软件组件，但因为只有硬件和软件处于一体的情况下算力才能形成，因而不具有分类的实操性；第二种是借鉴分类分级原则，根据算力本体的特性如计算力的大小划分为普通算力、智能算力、超级算力，或者根据其可能存在的风险程度划分为高风险、中风险、低风险；第三种是借鉴人工智能的分层原则，根据业态场景划分为基础模型层算力、专业模型层算力、服务应用层算力。实际上，前两种都是“静态”型分类，即分类后几乎不会出现导致变化的变量因素，而第三种则属于“动态”型分类，会随着应用场景的变化而变化。在精准法则立法观下，既要考虑静态分类下的立法需求，也要关照动态分类下的立法需求。因此，应当构建包含算力大小、风险程度、应用业态在内，覆盖分类、分级、分层的“动态+静态”一体化标准，设置三维向度识别标准（见图2）。其中，竖向即Y轴作为静态分级标准，依据算力风险将其分为高风险、中风险、低风险；横向即X轴则以算力程度为标准，将算力分为基础算力、智能算力、超算算力、新一代算力；纵向即Z轴则作为动态分层标准，依据算力应用业态划分为基础模型层算力、专业模型层算力、服务应用模型层算力。
图2 算力分类分级分层的三维向度
其次，在考量因素精准阶段，应当根据国家对算力发展的定位和算力发展实际提炼立法核心考量因素。国家定位方面，以时间线为逻辑，2020年我国发布《关于加快构建全国一体化大数据中心协同创新体系的指导意见》，提出加强算力资源统筹调度，推动“东数西算”工程。2021年，“十四五”规划提出强化算力统筹智能调度；《“十四五”数字经济发展规划》重点提出加快实施“东数西算”工程，推进算力基础设施布局和协同发展。2023年，《关于深入实施“东数西算”工程 加快构建全国一体化算力网的实施意见》，提出以“普惠易用、绿色安全的综合算力基础设施体系初步成型”“用户使用各类算力的易用性明显提高、成本明显降低”“以网络化、普惠化、绿色化为特征的算力网高质量发展格局逐步形成”为核心的建设目标。 2025年5月，工业和信息化部印发《算力互联互通行动计划》，明确提出到2028年基本实现公共算力互联。由此可以总结出，“算力基础设施统筹布局”“算力技术创新突破”“安全保障与标准体系”“绿色低碳发展”成为国家算力发展的核心定位。算力发展实践方面，《综合算力评价研究报告（2024年）》指出我国算力发展仍需在算力布局、绿色低碳、规范体系建设、技术创新等方面进行完善。因此，根据前述两方面以及现有立法畸轻畸重之困境，可以抽象出我国对于算力发展的核心考量因素包括核心目的层面的“促进与安全”及具体运行层面的“互联互通与竞争”“硬件设施与规范体系”“一元化推进与多元化发展”“绿色低碳与产业发展”五组关系。
最后，基于前述对象识别精准化和考量因素精准化，在对策安排精准阶段，还应当根据横向、竖向、纵向三个不同维度下的算力配置不同考量因素，进而匹配相关措施，实现三阶进路。
（二）纵向精准化：算力分层下的立法考量
第一，基础模型层算力的立法应侧重考量“促进、互联互通、一元化、硬件、绿色”等因素。该类算力主要被应用于ChatGPT、Claude、DeepSeek等底层基础大模型的数据处理或推理场景，作用于资源池化、数据转发、压缩存储、加密解密、文件系统、网络功能虚拟化等工作，具有高投入、高耗能、高技术等特点。因此，对其进行立法时要遵守以下规律与进路：（1）在“促进与安全”关系中，由于基础模型层算力在整个算力中处于基础性地位，是各类人工智能大模型的“母机”，且其并未直接适用于用户端，外溢性社会风险较小，因而在立法中应当侧重促进与保障，对安全方面的限制不宜过多，防止对大模型整体创新的限制。（2）在“互联互通与竞争”的关系中，由于基础大模型的开发体量巨大，成本门槛极高，全球领域内基础大模型的数量并不多，因而在立法时应当侧重对其算力互联互通的引导，先形成算力群优势而后通过市场竞争实现优化。（3）在“一元化推进与多元化发展”的关系中，如前所述，由于基础模型数量有限，且实际运用具有同质性，采取一元化推进具有可行性和必要性。（4）在“硬件设施与规范体系”的关系中，该类算力对硬件设施要求极高，算力的提升很大程度上得益于DPU（数据处理单元）、5G移动边缘计算技术、超高速光电混合网络技术、NVMeoF等计算技术和存储资源的配套。因此，应当侧重于硬件设施的推进，同时优化算力互联互通的标准体系，但对于其他的限制性规范应当尽可能减少。（5）在“绿色低碳与产业发展”关系中，由于基础型算力耗能巨大，因而应当成为实施绿色低碳的主要力量。
第二，专业模型层算力的立法应侧重考量“促进、互联互通、多元化、硬件、绿色”等因素。由于专业模型是基于基础模型进行微调以适应特定领域而成，如以DeepSeek为基础而调校出的翻译模型，因而专业模型层算力也主要应用于特定行业的大模型，其适用对象与发展的核心需求与基础模型层算力类似。但是，从应用场景来看，专业模型层算力与基础模型层算力之间存在一个根本性区别——服务于特定行业领域的专业模型层算力呈“条状”，而服务于不特定领域的基础模型层算力呈“块状”，因此，在“一元化推进与多元化发展”的考量中，宜根据专业模型所处不同行业的特殊性进行多元化推进，其他考量因素则可与基础模型层算力一致。
第三，服务应用模型层算力的立法应侧重考量“安全、竞争、一元化、规范、产业”等因素。该类算力主要应用于执行业务层，如视频解析、数据查询、图像渲染等，大体对应到全系统分层架构SaaS层和PaaS层，应用层算力一方面得益于更高性能CPU、GPU的采用，另一方面得益于计算从通用走向专用的过程中各种FPGA和ASIC芯片的引入。同时，服务应用层模型与基础模型、专业模型的最大不同点在于其被直接应用于客户端，承载具体的客户服务功能。因此，对其进行立法时要遵守以下规律与进路：（1）在“促进与安全”的关系中，应当重点考虑其可能存在的风险，避免风险延伸至社会，将该业态层算力的安全规制作为重点。（2）在“互联互通与竞争”的关系中，应当鼓励其实现市场化竞争，形成优胜劣汰的环境。（3）在“一元化推进与多元化发展”的关系中，由于服务应用层模型海量存在，无法做到事无巨细的个性化安排，因而需侧重于整体推进的方式。（4）在“硬件设施与规范体系”的关系中，也应在以安全为主的主导下侧重于其规范标准的构建。（5）在“绿色低碳与产业发展”关系中，因其算力需求较小、能耗较低，且直接与数字经济发展相对接，因而可以适当对其算力的绿色化作出“松绑”，减少其发展负担。
（三）竖向精准化：算力分级下的立法考量
不同于欧盟《人工智能法》将人工智能划分为不可接受风险、高风险、有限风险和最小风险四个等级，作为一种生产力，算力本身并不具有不可接受的风险，但在具体运用过程中可能因技术或具体操作引发高风险、中风险、低风险情形。应当说明的是，在竖向精准化中，由于采用“风险级别”标准，各风险级的算力均不宜再在“竞争与互联互通”的关系中进行考量，否则将形成风险竞争或者风险协同之悖论。
第一，高风险类型算力的立法应侧重考量“安全、多元化、硬件、绿色”等因素。该类风险主要是指对技术依赖性高、容错率低，一旦发生失误则可能引发系统性故障或重大经济损失的情形，如关键基础设施领域（能源供应网、通信网络、金融核心系统等）场景下的算力。因此，对于存在该风险级的算力进行立法时，应当采用以下进路：（1）在“促进与安全”的关系中，必须对其硬件的可控性、操作的规范性等内容进行规制，即以安全为核心，以降低风险为首要核心。（2）在“一元化推进与多元化发展”关系中，由于高风险级算力技术门槛高，数量较少，但其风险外溢性极大，因而有必要构建具有针对性的规范要求，偏重于个体化推进。（3）在“硬件设施与规范体系”关系中，高风险级算力的标准体系构建无疑是重点，但不可忽视的是这类算力极度依赖硬件设施来提升其及时性、计算力、安全性，技术的改进也是降低风险的一种重要方式，因而可侧重于对其硬件设施的优化。（4）在“绿色低碳和产业发展”的考量之中，由于高风险级算力对应场景基本上属于高耗能型，因而需要其将绿色低碳作为发展原则之一。
第二，中风险类型算力的立法应侧重考量“促进、一元化、硬件、绿色”等因素。该类型风险主要指存在可恢复性风险、影响算力运用效率但不会造成永久性损失的情形。此种风险级算力的核心特征是其可以容忍计算在极短时间内的中断，或对计算数据的完整性要求并非高度精确，或具备备用算力资源池。比如，医疗影像分析平台计算延迟导致分析结果延迟，但在一般情况下仍在可容错范围之内，不会产生严重后果。因此，对于中风险级的算力进行立法时，应当遵守以下进路：（1）在“促进与安全”的考量之中，由于其风险的可控性与危害的有限性，不宜过多规制，而宜以促进为主，并适当引导其合规应用。（2）在“一元化推进与多元化发展”的考量中，中风险级算力的应用范围较广，且其具有可恢复性，因而需要重点从问责制度方面进行整体性引导。（3）在“硬件设施与规范体系”的考量中，由于该类风险的主要原因在于算力技术问题造成的中断，因此，可以以硬件完善为主，同时引导其尽可能设置自我规制规范。（4）在“绿色低碳与产业发展”的考量中，由于中风险级算力仍属于较高能耗类型，且与产业发展捆绑较深，因而亦需以绿色低碳为主。
第三，低风险类型算力的立法应侧重考量“促进、一元化、规范、产业”等因素。该类风险主要指容错空间大，风险影响有限且局部易修复的情形。此风险级算力的核心特征是其所处理的计算任务并非实时性，而是用于离线分析、历史数据处理等可以容忍业务短期中断的场景。比如，在学术研究或者其他模拟性计算中算力中断，均可通过检查点机制从中断点进行续算。基于此，应当遵守以下立法进路：（1）在“促进与安全”关系中，由于低风级的算力主要用于局部范围，且其风险几乎可控并且可恢复，不会对社会造成较大的危害性，故而宜以促进为主。（2）在“一元化推进与多元化发展”中，由于其分散性和普适性，亦应当以整体性推进为主。（3）在“硬件设施与规范体系”的考量中，此类算力对硬件设施要求并不高，但其使用范围较广，因此引导社会群体如何规范使用该类算力应当成为主要考量点，即将相关规范与标准的构建作为侧重点。（4）在“绿色低碳与产业发展”的考量中，此类型的算力虽然使用范围广，但整体耗能较小，且大部分为用户自用，难以通过激励措施促使用户实现低碳化，故而可以产业发展为核心的同时采取渐进式措施引导用户低碳化转型。
（四）横向精准化：算力分类下的立法考量
第一，基础算力的立法应侧重考量“安全、互联互通、规范、一元化、绿色”等因素。该类算力主要以CPU为核心计算单元，支持双精度（FP64）和单精度（FP32）浮点运算，适用于日常数据处理、云计算服务等基础性计算任务。如银行交易系统的处理、阿里云服务器的企业计算服务等。对其立法应采用以下框架：（1）在“促进与安全”的考量中，由于基础算力是各类基础计算如政务系统、金融系统的“基座”，必须优先保障数据安全和系统的稳定性。《关键信息基础设施安全保护条例》明确要求算力服务商通过等保三级认证。（2）在“互联互通与竞争”的考量中，由于基础算力作为“基座”的根本性特征，最急需的便是打破区域算力孤岛，实现算力的普及性和普惠性，国家“东数西算”工程正是以此为重要目标，因而宜以互联互通为主。（3）在“硬件设施与规范体系”的考量中，基础算力的硬件主要依靠CPU，该技术已经相对成熟，因此立法的重点应当落在互联标准和服务质量的标准规范制定上。（4）在“一元化推进与多元化发展”中，基础算力所具有的基础性以及其互联互通的要求，决定了其更需要国家从整体层面进行规划，以避免重复建设。（5）在“绿色低碳与产业发展”方面，由于基础算力的大量使用造成耗能较高，而其产业发展与融合已经较为规模化，因而宜以推动液冷技术的应用降低能耗，实现绿色低碳发展。
第二，智能算力的立法应侧重考量“促进、互联互通、硬件、多元化、产业”等因素。该类算力是目前立法需要重点关注的算力——其主要基于GPU等专用芯片规模化部署计算平台，适用于人工智能大模型的训练与推理任务。因此在立法中应采用以下进路：（1）在“促进与安全”的考量中，由于我国人工智能尚处于技术突破期，系列国产大模型在全球具有优势地位，宜以政策激励的方式促进人工智能及智能算力的发展。（2）在“互联互通与竞争”的关系中，智能算力为高效执行智能负载（如深度学习训练/推理），多采用分布式计算的路径，该计算路径高度要求跨节点协同计算，因而互联互通成为其技术与成本上的最优选择。（3）在“硬件设施与规范体系”的考量中，基于我国人工智能在基础设施如芯片被大规模限制进口的困境，必须聚焦人工智能发展优势出发，将立法的考量核心放在硬件设施的建设之上，实现自主研发、自主可控。（4）在“一元化推进与多元化发展”中，由于智能算力的应用场景为不同类型的垂直行业领域，如教育、医疗、自动驾驶等，因而宜根据不同类型进行多元化推进。（5）在“绿色低碳与产业发展”的考量中，由于智能算力是数字经济的增长引擎，宜侧重从产业发展着眼，并通过税收优惠等鼓励性政策促其低碳化。
第三，超算算力的立法应侧重考量“安全、竞争、硬件、一元化、绿色”等因素。该类算力以超级计算机输出的计算能力为主，主要适用于科学研究、天体物理模拟等领域。在立法中宜采取以下进路：（1）在“促进与安全”的考量中，经过近四十年的促进发展，目前我国在超算领域已居于全球头部梯队，但由于超算一般涉及国家战略科研如核聚变的模拟等，因此在未来宜将长期被忽略的安全作为重点考量方向。（2）在“互联互通与竞争”的考量中，由于超算中心的规模有限，目前我国国家级超算中心仅天津、广州、长沙等14处，另有少部分头部科研机构或者高校设置有超算实验室，且超算成本高昂，宜以互联为主，推动超算资源共享，以避免重复建设。（3）在“硬件设施与规范体系”的考量中，由于超算硬件自主可控是核心，因而要侧重于其硬件设施的建设，同时设置有效的研发保障规则体系。（4）在“一元化推进与多元化发展”中，国家在“十四五”规划中已然明确布局了10个超算枢纽节点，故而宜以国家整体推进为主。（5）在“绿色低碳与产业发展”的考量中，由于每使用1 EFlops算力所需的年耗电量约为8亿—12亿千瓦时，我国超算算力规模已逾3.9 EFlops，因而需要积极推动其尝试液冷、余热回收等技术实现低碳化。
第四，新一代算力的立法应侧重考量“促进、竞争、硬件、多元化、产业”等因素。该类算力以量子、光子等超越传统计算架构的载体进行计算，包括量子计算、光子计算、神经形态计算等。该类算力目前尚处于发展萌芽期，对其立法宜考虑以下进路：（1）在“促进与安全”的关系中，不宜过早强调规制，以促进为主，鼓励试错，以推动整个算力产业的迭代。（2）在“互联互通与竞争”中，由于目前该类算力尚处于开放状态，因而应当以鼓励各研发平台通过合法方式进行竞争，激发技术突破动力。（3）在“硬件设施与规范体系”的考量中，由于量子计算机需要在绝对零度（-273℃）的环境中运行才能达到理想状态，硬件设施要求高，需优先保障其硬件设施的建设。（4）在“一元化推进和多元化发展”的关系中，由于该类算力的稀缺性，故而可以侧重于个体推进，支持研发者通过差异化技术路线进行探索，避免政策干预导致同质化发展。（5）在“绿色低碳与产业发展”的考量中，由于新一代算力的效能比传统算力高出数百倍，且能耗极低，甚至其本身就是未来算力低碳化发展的趋势，因而应当以鼓励产业发展为重点。
结语
算力是新一轮科技革命和产业变革的驱动力，是实现中国式现代化的新质生产力。尊重算力发展的自生规则并通过立法进行选择与确认，是法治稳预期功能的应有之义。早期的算力立法受技术领域“规模法则”影响，趋于算力向“大”发展，这种立法逻辑和进路在一定时期内具有可行性，但随着规模法则在理论和实践的逐渐式微，已然难以获得正当性支持。算力的发展应当回归向“好”发展的逻辑，采用精准法则立法观，构建“对象识别精准、考量因素精准、对策安排精准”立法进路。首先，根据算力大小、风险程度、应用业态对算力进行分类、分级、分层；其次，根据国家算力顶层规划和算力发展实践需求提炼出促进与安全、互联互通与竞争、硬件设施与规范体系、一元化推进与多元化发展、绿色低碳与产业发展五组立法核心考量因素；最后，结合不同类型、风险级别、应用业态层算力的客观特征与需求，匹配其应当倾向的立法考量因素，为具体的规范设置提供指引。精准法则立法观是立法回应数字时代“不确定性”风险的必然产物与趋向，其不仅是解决现有算力立法畸轻畸重的有效方案，也是未来人工智能乃至新兴科技领域高质量立法需要重点把握的理念。
因篇幅限制，已省略注释及参考文献。
引注：胡弘弘、王惠民：《从规模法则到精准法则：人工智能算力立法的逻辑与进路》，载《河北法学》2026年第5期，第62页-82页。
