由《中国慈善家》《中国新闻周刊》和阿里巴巴公益共同发起的“人与AI”社会大讨论第二期，聚焦“AI向善与中国企业的实践”。2026年8月11日，《中国慈善家》杂志社副社长、影响力慈善研究院院长王跃春主持了一场访谈，邀请清华大学校务委员会副主任、经济管理学院教授、领导力研究中心主任、可持续社会价值研究院院长杨斌，与资深媒体人、AI研究智库“未尽研究”创始人周健工就相关问题展开探讨。
2026年是AI技术广泛进入社会的一年，当我们谈论“AI向善”时，我们到底在谈论什么？AI大厂与初创企业应该站在什么位置？AI只是一个做好事的工具吗？公益慈善应当何为？围绕这些话题，对谈层层展开，正如杨斌在最后总结：“技术的青春期要经历一段奥德赛岁月，吾辈才能回到人类真正善任的家园中。” 以下是访谈实录。
从“AI本善”到“AI向善”：三重困境
王跃春：杨斌老师之前写过《“AI本善”的三重困境》，认为AI之善应该是内生的，也必须内生，才能真正实现与人类对齐。这到底是一种悲观的期待，还是真的能够成为现实？AI本善和AI向善之间的关系是什么？
清华大学校务委员会副主任、经济管理学院教授、领导力研究中心主任、可持续社会价值研究院院长杨斌。
杨斌：我在春季学期开AI伦理课，当时组织学生做“AI本善是否可能”的讨论，正好周健工老师把《哈萨比斯传》翻译出版，我就从2015-2025年的AI发展历程中选取了三个重要场景拿给学生们讨论。尽管哈萨比斯本人表达出非常强的愿望：希望AI这个超大威力的新事物最后能服务于人类福祉，希望AI最后内生就是 for good的。但基于三重困境的分析，至少现在的进展还让我们不放心。
第一，到底以什么样的组织方式，才能不让“逐利的心”主导模型研发，以至于公众利益完全被搁置？第二，科学家会不会急于把未知后果的东西先做出来，再去想控制它的方案？夸张一点说，会不会每个科学家心里都藏着一个“科学怪人”？第三重更复杂：争夺AI领先地位而导致的“囚徒困境”。
你问悲观不悲观，我只能说：不确定性仍然在那里。
最近还有一点值得注意：美国迎来中期选举的当口，反AI的声音出现了：AI对就业的伤害、对自然资源的巨量消耗；以及产业挤出——当一个产业吸引了那么多巨量的投资，其他行业获得的投资必然减少，挤出产生对立。这些会不会都构成AI向善的显性议题？先别说向善不向善，AI现在是不是已经开始四处树敌了？
周健工：我们为什么提AI向善？因为AI可能作恶。所以发展AI应该本着几个原则。
第一，就是要解决人类的重大问题，如哈萨比斯说的：先解决AI，再用AI解决其他。第二，AI技术的设计和部署过程应该是可持续的、社会可接受的。AI消耗了这么多社会资源，那AI究竟给老百姓带来了什么好处？这个追问也许着急了一点，但是合理的。第三是底线：别再添麻烦。过去时代遗留下来的没解决的问题，不能因为AI再放大了。
我们要对AI提一个最起码的要求——AI基础设施投资占GDP的比重，已经超过了历次技术革命的重大基础设施投资，那么，AI给人类带来的福祉，从范围和深度上也应该超过以往的技术革命。
如果一定要用一句话概括什么是AI向善，我想说：“AI向善是一个进程”，不是“这个是善、那个不善”的静态判断，它是AI技术不断发展、不断进入社会的过程中，“有用”和“有益”共同演进的过程。
没有真，何以谈善？
周健工：另外一点，谈善的时候，有没有想过“真”的问题？有一个“科林格里奇悖论”：新技术出来初期，我们对它认识不深，不知道怎么监管，就任其先发展；等技术成熟了想回头监管，成本已经太高，因为它已经深深嵌入社会基础设施。现在我们面对AI，可能又处在这样一个悖论之中。
AI的可解释性还没有解决。我们都说AI是智能涌现，但参数、神经网络、神经元之间究竟是怎样的物理过程？连AI的智能是怎么产生的都不知道，我们怎么约束它的发展方向？“没有真，何以谈善？”
作为AI技术的设计者和提供者，企业有责任如实告诉用户和社会：我的模型到底是不是安全的，风险在哪里。这是AI企业应该负起的责任。
企业站在AI向善的前沿
王跃春：这正好引出我的第二个问题：企业在AI向善中应该是什么定位？阿里去年就开始发布集团《AI向善行动报告》，腾讯最新的《可持续社会价值报告》也把“以人为本、AI向善”作为主题。毫无疑问，这些企业站在AI最前沿，他们应该扮演什么角色？
资深媒体人、AI研究智库“未尽研究”创始人周健工。
周健工：我觉得企业站在AI向善的前沿。为什么？第一，资源在这里；第二，最前沿的模型在这里；第三，人机关系的最新变化最先发生在企业内部；第四，新的AI应用和场景也在这里产生。
打个比方，AI企业就像汽车生产厂商，必须保证汽车开出厂的时候就是安全的——刹车、安全带，包括现在的智能化安全措施，都是具备的；至于交通规则，那是社会和监管方的事。AI厂商对外部署时，一定要像汽车出厂那样做到安全，这个安全的标准应该是相对统一、透明、可监管、可审计的。
杨斌：向善，企业的责任最显见也最大。但也请注意：除了那些已上市的大型领先企业，这一轮在AI前沿有相当重要的力量是成立不久的初创企业，国内外皆如此。这部分企业需要更快、更强地提升对AI向善的意识。
从能力建设上我有点着急：AI初创企业主要精力都集中在尽快发展技术模型，没有经过太多公众目光的规范，这方面的内部机制也还在成长中，在这方面吃的亏还不多，会不会因为认知不足、缺乏自觉、缺少内部能力而铸成大错？而一旦铸成显示性高、显著性强的错误，可能对整个行业的发展都有巨大影响。
我们应该共同促进初创企业在攻坚模型能力和技术创新的同时提升责任意识，建设社会影响和科技治理这方面的能力。
王跃春：既然企业站在AI向善的前沿，仅靠他们的自觉足够吗？
周健工：肯定不能只是“企业说安全就安全了”？这种安全一定是政府、社会、企业、学界等多方共治。现在“透明可审计”是趋势：前沿AI实验室已经意识到，新模型出来前可以主动、自愿地拿给第三方或政府指定的机构测试，再决定发不发、发多少。今后行业分级发布可能是趋势。中国采取了一种比较灵活和及时的监管方式，世界人工智能大会之后这个方向很明显。
杨斌：我也补充三点。第一，越复杂的技术，参与者的“伦理责任感”——注意是“感”，不是责任本身——反而是弱化的。你在街边卖入口即食的食物，会清楚看到自己要负什么道德责任；但当系统复杂到很难说清楚，每个参与者的道德责任感是下降的，他就不容易觉得自己的工作对全局、对长远有什么直接影响。
第二，监管主体对这个技术的理解相对滞后，甚至监管方所具备的能力不如厂商的高，这是“道高魔高”的问题。
第三，我们希望（技术开发）的每一步不要迈得太大，小步迭代，这样能让每一步发现问题后可以来得及倒回上一步。避免“连开发者本身对更版后能带来多大跃升也不完全清楚”的那种情况。
大厂要为缓解社会焦虑做些事
王跃春：两位正好都在近距离观察大厂的实践。杨老师在清华大学可持续社会价值研究院，这两年深入研究腾讯等企业在社会创值创新领域的实践；周老师深度参与了阿里《AI向善报告》的工作。请两位谈谈：这两家大企业到底在做什么？能给AI向善进程带来哪些经验和教训？
杨斌：我感觉腾讯、阿里这些公司在AI向善方面是比较自觉的，实际工作已走在前面，基本上脱离了“用AI加速本来就要做的好事”这个阶段，进入到非常本质的层面：AI向善关乎企业要成为、能成为一家什么样的企业，这将对企业的本质构成再定义。
从腾讯的角度讲，“让人放心、把人放大”是他们在AI向善上比较着力的方向：关心AI对未来组织、对岗位和就业的影响，以及怎样让AI仍然服务于人、最后让人掌握AI。
我们讨论中越来越有一个共识：刚才周老师说AI可能作恶，在我看来，“AI最大的恶，是人之于AI被变得无足轻重”。在“让人放心”这四个字上，腾讯着笔很多，也还有太多文章要做——之所以提出这四个字，就是因为人有不放心的理由。而在“把人放大”这方面，人们希望这个“人”是复数的人，不是少数人、强人；不希望技术导致社会的K型分化，只让少部分人受益，而是希望它包容、与共。
周健工：这两家大厂在中国做AI向善是领先的，有几个原因。第一，从互联网平台经济时期就已经遇到过一系列问题，和社会、政府、监管方、研究机构已经有了一套（沟通）体系，现在升级到AI向善，大家在认知上是比较趋同的。
阿里这块，我谈几点具体的感觉。第一，阿里是一家全栈AI企业，也正因为全栈，AI向善变得非常具体：数据中心、芯片、模型、智能体、应用、生态，每一层的向善究竟对应什么，不是整体提一个大原则就行。第二，开源是阿里非常鲜明的特色，而且阿里坚持的是负责任开源，在开放智能的同时，也开源安全；这种安全不限于数据集、技术工具、治理经验等，帮助开发者和中小企业在安全可靠的前提下拥抱AI。
阿里连续四年发布安全报告，就我有限的了解，国内系统性披露自己在安全上做了什么的，阿里是做得最完备的企业之一。最近阿里又发布了“AI安全规约”，分四个层面：最底层类似宪法，然后是系统层、开发者层、个人用户层——哪些责任是我的，哪些不延伸到开发者和用户，不同应用区域内系统怎么做，都写得很清楚，而且也是开源的。
中国开源模型最大的价值是普惠，不仅对中国，而且对全世界。建立可信的机制，对中国领先的模型实验室来说特别值得做。
杨斌：我还有一点建议：不管是阿里、腾讯还是其他前沿模型的初创实验室，一定要增加和社会公众的公开沟通，频率要再高一些，隔一段时间就做一次，不同层次，不同对象。不能让大家觉得技术神秘化，要主动走到并非AI从业者的人群中去，展开更大范围的对话。
焦虑感，是这两三年人们因为AI产生的比较大的共同感受，负责任的组织要为缓解这种焦虑做一些建设性的事。互联网轰轰烈烈这二十年，中国千行百业、普通老百姓最后是得了实惠的，很多体现不到GDP上但是以社会福祉为基准是明显提升了的，被赋能是显著的。
尽管可以说人们需要对AI的普惠成果再耐心一点，但不能老是看不到它带来的实实在在的好处——不是技术上指标突破，还要有社会经济的实惠。要让人们切实感受到：因为AI，我的工作、生活、组织、生意得到了好处，AI是站我这一拔的而不是对立面。
《科学——新黄金时代》提醒我们什么？
王跃春：我们“荡开一笔”，聊聊白宫新发布的《科学——新黄金时代》这份报告。我自己看到两个特别重要的因素：一个是AI的驱动，另一个是中国的追赶。这种态势和我们今天讨论的AI向善有什么联系？
周健工：我自己愿意这样解释：“这份报告的内核就是AI”。它比较充分地反映了这一轮技术革命的特点：研究资源的重心在企业。美国9000亿到1万亿的研发投入里，7000亿在企业。中国研发支出按购买力平价口径已经追上了美国，所以美国面临的迫切问题是：政府资源占比越来越少的情况下怎么继续竞争？答案是用AI杠杆，用政府资源撬动企业资源。
还有一点，美国特别担心AI技术发展和应用脱节——说白了是工业基础问题，他们想要把再工业化和AI结合在一起。
杨斌：这份报告有一些基本原则较之以前是有很大不同的：它希望花掉的每一分钱都服务于国家利益，产生可预期的现实生产力，不希望花冤枉钱。包括对大学的支出——它想越过大学的官僚层，直接对超强研究者本人和研究项目进行投入——这也是受到AI对科研赋能和范式革新的影响，让这条新路变得可能；也表现为不太愿意再发生科研经费进校后，学校直接拿掉相当比例的间接费用去养很多未必相关的人。这些都透着这拨政策制定者的一股劲：我是内行，我不想再按旧章程混过去，我想开新篇，整个科研范式会在我们手上变化。
这提醒我们：科研管理能不能及时跟上科研范式、创新模式上的变化？科技政策更要及时调适，该做大变革就不能只是萧规曹随的小改善，得有这种勇气和紧迫感。
AI可能重新定义公益慈善
王跃春：回到公益慈善这个领域，AI确实带来很多新的社会问题和环境问题。当我们谈AI向善时，是不是也应该包括：解决这些新的社会问题和环境问题，是公益慈善的新赛道吗？
杨斌：我有一个观察，在中国当代文化里，人们对先进技术大都是褒义的，鼓励人们去拥抱，相信人定胜天；对科技在一段时间里造成的社会成本、环境成本，比较倾向于“向前看”，相信发展一定能解决这些问题。
互联网和AI是接续发生的两件事，但基本逻辑相差迥异。互联网的边际成本最后归零，具有很强的网络效应和普惠性，拿互联网来类比AI，容易让人们对AI抱有相当多的但我认为并不确定的美好期待。因为这前后两个技术的基本经济逻辑是相当不同的。
AI在建设过程中，重工业色彩是很重的，电、水、土地这些基本耗费逃不过去，短期内看不到改变投入产出比曲线下降速度的可能。这中间对耐心、对“扛”的考验、对组织转型的挑战，都挺重要的。在转型期中，投入大、利益受损群体出现，但成果还未显现，新生受益者和新模式还在摸索，用我的话说，技术的青春期要经历一段奥德赛岁月，吾辈才能回到人类真正善任的家园中。
第二，要注意中美之外其他国家的立场变化。前一段我陪一位联合国高级别官员参观中国的AI企业，他们听了技术上不断突破的展示后，特别关心的是：你们的科技创新做了什么来缩小国与国之间的AI差距？AI能不能为联合国SDGs的实现做出加速的贡献？
我感觉我们的前沿创新者还不能很好地回答这些问题，我也觉得这些问题是实实在在的真问题。很多国家，特别是全球南方，认知、人才、基础设施，都不具备——差距会不会反而在加大？也不能低估AI对2030年目标的正反两方面的直接和间接影响，经济账和社会账都还是得算。
王跃春：所以，公益慈善在这里能做什么？
杨斌：政府和厂商的自觉需要“被唤醒”，公益慈善组织能否在这里发声，甚至做一点实验性的行动？气候议题上美国跳票了，中国毅然决然要把绿色、可持续发展的旗帜扛下去，积极发挥全球担当的领导角色。中国人从文化特性上，是有“更为天下着想”的出发点的，也许我们应该想得更深一些，在发动、呼吁和实验上做一些事情。
周健工：回到慈善，我分三个层面理解。第一，“AI这个工具，慈善组织一定要用起来”。美国 OpenAI、Anthropic 的很多钱流向支持研究AI社会影响、环境影响、监管治理安全的非营利组织和机构，很多跨学科的、人文社科的研究因此受益，有些还带来创新的机会。
第二，公益的“AI次方”，借用杨斌老师的词，AI可能重新定义公益的方式。阿里魔搭社区搞过一个公益活动叫“小有可为”：开源降低了门槛，让很多技术极客甚至非技术人员用AI工具做公益创新——帮残障人士做小应用、做环保回收的小应用。
再比如，中国在缺水的地方建数据中心，怎么做到水中和？这不是政策问题，是技术和工程问题。这些是不是可以用公益的方式来做，由大型科技公司创造需求、用钱来支持？国外可再生能源市场就是这样做起来的：科技巨头、数据中心当初是最大的可再生能源采购方，生生把这个行业做起来了。当AI产业发展到某个地步，（有些问题）产业解决不了、政府也解决不了的，就产生了公益的空间。
第三，做公益要有一些AI素养，大家都要补课，包括我自己。很多传统公益的做法，已不适应AI时代的要求。
王跃春：中国公益慈善和美国最大的不同是：美国捐赠以个人为主，我们的捐赠70%—80%来自企业。中国的企业做了很多公益，但大多还停留在传统的扶危济困、救灾上——不是说这些不重要，但公益慈善范式的变化，现在还没有大规模出现。
杨斌：要想变化，人得变一变。我有个建议：希望更年轻的人，包括AI Native的人进入公益慈善领域，甚至作为第一份工作就进入，而不是一定要到职业生涯后半段再来。这和AI可能重新定义慈善的关系很大，因为年轻人的AI Native 比例高，他没有被原来的传统模式塑造过，不被拘束，更容易从AI原生的思维出发想问题、做尝试。另外，需要政府对公益慈善在AI上发力这个新方向多一些引导、多促进一些交流。
哪些观点被现实改变了？
王跃春：两位都是长期关注AI的发展，这两年发表了很多与此相关的文章。站在2026年这个节点上回望，有没有什么现实超出了你们的预期，有什么观点是你们现在想修正或补充的？
杨斌：有两个。第一，去年我对大厂的转型估计得更乐观一些；现在看，挑战非常、非常大——它需要创造新模式、新生意，更重要的是新人才和新文化。即使仍处于领先位置的企业，也要警惕过去的成功成为AI转型的包袱。
第二，中国在这一轮竞争中，前沿实验室追赶和自己做探索的能力超出了我的预期，非常有创造性。这一代年轻的创始人们思考问题的出发点和模式已经不是原来的方式：为了好奇、为了信念、为了热爱。“中国从0到1比较差”的旧评价，我觉得正在变化中，要重新认识。
周健工：杨老师谈到的我也深有感触，这波浪潮之前我们看好的一些企业和企业家，我觉得现在有一种特别强烈的“过时感”。中国新一代企业家已登上历史舞台，超出我的预期，他们绝不会把自己局限在某个地理范围内，天生就是全球化的。
我慢慢意识到什么是 AI Native：凡是你做一件新的事情，先用AI，再用人，这就是 AI Native。大厂难就难在这一点：新业务可以先拿AI转一圈，但老业务很难动。大厂要痛下决心，在一个局部、让一个产品先 AI Native——一旦转起来，整个组织就自动带起来了。
作者：王跃春
摄影：张旭
图片编辑：张旭
值班编辑：张旭
热门跟贴