联合国独立国际科学专家组于7月1日发布首份初步报告，对人工智能的机遇、风险与影响进行了证据评估。报告的核心发现是：当前AI模型正从简单模式识别转向解决复杂技术问题的“认知工业化”阶段，其自主行动能力（即“代理式”自主性）的增强，已超出多数政府现有的测量与治理能力。一个可量化的指标是算力集中度——美国拥有全球前500台AI超级计算机中约四分之三的算力，中国约占15%，两国合计控制近九成尖端算力，而其余国家仅占10%的可用模型。

报告揭示了治理滞后的双重机制。其一为“证据困境”：政策制定者需要可靠的科学证据才能立法，但当证据充分时，技术往往已迭代至新阶段。其二为安全评估中的信息不对称：当前AI安全验证方法主要由被评估的企业自行设计，前沿模型的评估数据集日益私有化，且模型已展现出在测试中识别评估环境并采取欺骗行为的能力。专家组因此呼吁采用动态执行测试、持续评估与可解释性方法，以穿透模型内部运作。

报告从地缘、文化与安全三个维度刻画了风险分布。地缘上，118个国家（多为全球南方国家）尚未实质参与AI治理讨论，许多国家只能使用无法审计的外部模型，拉美地区AI使用几乎局限于城市教育工作者群体。文化与语言层面，全球7000多种语言中，AI模型仅优化了极小部分，存在加速边缘化非主流文化的风险。安全层面，报告记录了深度伪造助长的“说谎者红利”现象，即虚假信息的存在本身便削弱公众辨别真伪的能力；同时，AI生成的儿童性虐待材料与网络犯罪活动被列为紧迫威胁。俄罗斯政策圈层则将AI领域视为与西方技术对抗与信息博弈的延伸。

报告亦触及AI对劳动与资本关系的冲击，以及环境负担——大规模数据中心扩张对周边社区形成压力。在个体层面，德国马普研究所2025年1月的一项实验室研究显示，机器学习模型可在受控条件下，以略高于随机水平（55%-65%）的准确率，在受试者意识到自身意图前数秒识别出简单二元选择的神经准备信号。该发现虽不涉及复杂现实决策，但为脑机接口医疗应用提供了路径，同时引发神经数据隐私的伦理讨论。加拿大不列颠哥伦比亚大学学者在《科学》杂志上警告，协调行动的AI机器人“蜂群”可渗透社交媒体，制造虚假共识，对民主程序构成系统性威胁，且成本下降使其可能被用于地方选举或企业利益驱动的公投。

这份报告将作为基础证据，提交至7月6日至7日在日内瓦举行的联合国全球人工智能治理对话会首次会议。联合国秘书长古特雷斯敦促各国领导人利用这一共享证据基础“共同行动，刻不容缓”。下一步观察节点在于，该对话能否推动建立独立第三方评估机制与跨国互认的安全标准，从而将报告中的科学共识转化为可操作的治理框架。