在全球科技浪潮中，新加坡凭借对颠覆性技术的独特治理方式，在创新与公共安全和信任实现了巧妙平衡，并赢得了“生动实验室（living lab）”的美誉。从无人驾驶汽车到无人机、机器人，再到如今的人工智能 (AI)，这个城市国家在测试如何将新技术融入社会方面，走出了一条独特的道路。然而，技术革新带来机遇的同时，也潜藏着风险。政府如何在鼓励创新的环境中，保护公众免受安全事故、隐私泄露、网络攻击或失业等问题的困扰呢？
新加坡李光耀公共政策学院的助理教授Araz Taeihagh认为，答案在于“适应性治理”(adaptive governance)。这是一种灵活、实验性且迭代式的政策制定方法，它允许创新在一定的规范框架内推进，并随着技术的发展不断学习和调整。
正如Taeihagh教授和合著者Siying Tan博士在2021年关于新加坡无人驾驶政策的研究中所言：“无人驾驶汽车试验和监管条款的加速扩展，彰显了新加坡渴望灵活应变的决心，同时展示了两种截然不同的实施方法——规定性方法和实验性方法——的并行采用，从而指导无人驾驶汽车的普及。”
如今，这种最初在交通领域试验的适应性策略，正被应用于人工智能领域。对比这两个案例，我们不难发现新加坡正在构建一种治理颠覆性技术的模式，这或许能为亚洲其他地区提供有益的借鉴。
无人驾驶：从观望到主动治理
回溯无人驾驶汽车的发展历程，21世纪初，对于大多数新加坡人而言，无人驾驶汽车还是一个遥远的交通概念，监管部门虽关注海外动态，但并未采取实质行动。直到无人驾驶车测试与研究卓越中心 (CETRAN) 成立，这一局面才得以改变。CETRAN作为一个监管沙盒，允许企业在可控参数下进行真实环境测试。与此同时，技术参考标准68（TR68）的出台，为自动驾驶汽车的测试和安全制定了自愿性指南。
2018年的一篇论文提到，这种沙盒与标准相结合的方法，使政策制定者能够逐步应对安全、隐私、网络安全、责任和劳动力干扰等五大风险领域。最终构建一个既让公众安心，又让行业有信心投资的治理体系。
Taeihagh助理教授和Tan博士观察到：“新加坡对自动驾驶汽车的治理表明，在存在促进政策试点或试验的公共政策、动态的公私合作伙伴关系、有利于创新的开放商业环境以及实施深思熟虑和前瞻性政策决策的跨机构协作的情况下，强烈的政治意愿和高水平的政策能力可以推动颠覆性技术的快速实施。”
政府通过分阶段构建监管体系，并聚焦于预防、控制、容忍或适应导向的政策组合，既能有效管理风险，又能紧跟创新步伐。
自主系统生态：深化监管创新
新加坡的监管创新并未止步于汽车领域。在2023年的一篇论文中，Taeihagh助理教授和合著者Devyani Pande助理教授指出，新加坡的监管创新已延伸至整个自主生态系统，涵盖无人机、工业、医疗和军事机器人等领域。
但所有自主系统在与人类和周围环境交互的过程中，都会不断学习和调整自身行为，这增加了不可预测性，给规则制定者带来了挑战。因此，利益相关方的参与对于制定临时性法规至关重要，而政府的引导在协调稳健治理中发挥着核心作用。
以个人护理机器人为例，政府制定了临时性标准，列出了可能和可预见的危险情况，这一过程吸纳了设计、制造和操作机器人的各方意见，且标准承认情况可能变化，机器人使用方式多样。
换言之，适应性治理依赖于政府、产业和研究者之间的协作。这种协调对于应对自主系统带来的操作、法律、经济、社会和伦理挑战至关重要。
数据共享：隐藏的关键因素
数据共享是治理中一个至关重要的挑战。没有大规模、多样化和可靠的数据集，自动驾驶汽车和其他自主系统就无法运作。然而数据共享却面临着重重阻碍。
2023年，Siying Tan博士、Taeihagh助理教授和Pande助理教授在研究中明确了技术、动机、经济、政治、法律和伦理六大领域的障碍。
为克服这些障碍，新加坡再次选择了使用实验方法。研究者指出：“应该在监管沙盒内促进数据共享……公私合作可以克服动机障碍，而伦理分析对于克服伦理障碍必不可少。”
这表明，治理不仅关乎控制技术，还关乎以安全、公平和可信的方式促进数据流动。这一见解与人工智能领域直接相关，数据保护和隐私增强科技 (Privacy-Enhancing Technologies) 正是全球辩论的核心问题。
信任与用户接受度：人的因素
但是，即使是设计最好的政策，如果公众不接受该技术也难以成功。2024年，Pande助理教授和Taeihagh助理教授在研究中测试了影响新加坡人使用自主系统意愿的因素。结果显示，性能预期、易用性、社会影响和对政府的信任都积极影响采用意愿，而感知到的风险则是其中的主要阻碍。
他们的结论清晰指出：“在新加坡，我们发现性能预期、努力预期、社会影响以及对政府治理自主系统的信任，对使用自主系统的行为意图产生显著且积极的影响。”
无论是自动驾驶汽车还是生成式AI，建立公众信任与发展底层技术同样重要。新加坡的适应性治理模式正是为了赢得这种信任而设计。
下一个前沿领域：人工智能治理
2025年7月，新加坡推出了一套治理人工智能的新工具：
全球人工智能安全保障沙盒 (Global AI Assurance Sandbox)，允许企业针对治理标准测试AI系统
隐私增强科技采用指南 (PET Adoption Guide)，鼓励在不损害隐私的情况下使用数据
新加坡数据保护标准 (SS 714)，将现有数据认证提升为完整的国家标准
这些举措与无人驾驶汽车的治理策略如出一辙，即沙盒测试、标准设定和利益相关方协作。它们也回应了全球对治理生成式人工智能的紧迫需求，但公众对偏见、错误信息和问责制的担忧依然高涨。
因此，新加坡正将其经过实践检验的模式从交通拓展到人工智能领域，寻求追求创新与管理潜在风险的平衡。
新加坡的策略
纵观两个案例研究，我们可以得出一个共同的治理模式：
1. 从小规模开始，利用沙盒在安全环境中测试技术；
2. 将经验编写成规则，将试点经验转化为产业可遵循的标准；
3. 广泛协作，让政府、产业和学术界共同参与规则制定；
4. 建立信任，认识到公众接受与技术就绪同样关键；
5. 持续适应，随着技术和风险的发展不断调整政策。
对亚洲的启示
新加坡的适应性治理历程为亚洲其他快速发展的城市提供了重要启示。政府无需等待完美的监管出台，而是可以进行不断的实验和迭代，在过程中学习。他们不应只关注风险，还必须建立起信任系统和合法性，成为负责任的创新推动者。新的颠覆性技术将持续涌现，最终成功的会是那些做好准备适应新形势的政府。
文章来源：Global-is-Asian，2025年11月10日，星期一
作者：Global-Is-Asian Staff
图片来自网络
本文内容来自于作者，不代表新加坡国立大学李光耀公共政策学院官方机构观点
