本日报作者不通中文。这些译文由人工智能自动生成，作者本人无法亲自核对其语言准确性和文化适切性。我们以谦逊和真诚的态度发布此版本，希望与中文读者建立连接。若发现翻译错误、表达不当或文化误读之处，恳请告知 — 我们将虚心接受并改进。
L'auteur du Journal d'un Progressiste ne parle pas chinois ; ces traductions sont produites par intelligence artificielle et n'ont pas été vérifiées par lui. Cette version est publiée dans un esprit d'échange et d'humilité — vos retours sur les erreurs éventuelles ou les contresens culturels sont les bienvenus.
— 《进步者日报》编辑部 / La rédaction
沙特数据与人工智能局（SDAIA）于2025年5月5日宣布，已完成逾77.9万名公民的数据与人工智能培训，但未说明累计培训时长。2024年，320个政府系统已接入国家数据湖，由60余个政府实体提供数据支撑。沙特阿拉伯正在集中化的制度框架下，加速推进人工智能在公共行政领域的应用。中国是研究此类政策时可参照的先例之一。
核心要点
- 沙特阿拉伯在政府行政中部署人工智能的速度，在中国之外几乎无可比拟，推动力来自SDAIA及”2030愿景”的目标要求。
- 12个月内完成77.9万名公民培训，60个政府机构完成整合，8%的效率提升目标强制推行，但缺乏申诉机制和员工参与渠道（SDAIA，2025年）。
- 中国的先例揭示一项隐性代价：威权式自动化会造成可量化的人才流失，能力最强的人往往选择离开而非适应。
- 研究人工智能监管的学者阿克塞尔·阿尔基耶（Axelle Arquié）提出”制度红线”论题：缺乏参与机制会削弱收益的可持续性，即便短期数据看似亮眼。
- 悬而未决的问题：沙特模式能否从实证层面证明，采纳速度可以弥补缺乏认同这一缺陷。
一年培训77.9万人：自上而下突破的诱惑
SDAIA公布的数字，对熟悉公共转型常规节奏的人来说并不寻常。SDAIA宣布已完成超过77.9万名公民的数据与人工智能培训，但未说明该数字是否对应12个月的时间跨度。多个政府实体参与了这一推广进程。官方资料描述了效率提升目标，但并未强制规定量化的效率指标。
这一节奏并非偶然。穆罕默德·本·萨勒曼主导推出的经济多元化计划”2030愿景”确立了一个关乎国家前途的目标：通过构建具有竞争力的数字经济，降低对石油收入的依赖。人工智能是所选择的杠杆，旨在用数年追平其他国家数十年的积累。成立于2019年的SDAIA将国家战略、数据资源和算法治理集于一身。这种结构在自由民主国家没有对应先例——在那些国家，上述职能通常分散于各行业监管机构、社会伙伴和立法机关之间。
沙特模式的架构值得关注。完成逾77.9万人的培训，需要规模相当可观的项目支撑。国家计划框架下的培训覆盖范围差异悬殊：既有面向行政人员的入门课程，也有面向工程师群体的技术专项培训。SDAIA公布的数字既未说明技能留存率，也未说明相关机构工作实践的实际转变程度。
中国：唯一可供参照的同等规模先例
要找到类似的发展动态，必须将目光投向中国。中国2017年发布的战略规划提出在工业和公共治理领域部署人工智能，但计划本身并未对其所声称的规模和因果机制加以论证，也未进行事后测量。
现有资料无法对此作出精确归因。
对沙特与中国政策的比较，不能证明两者建立在完全相同的结构之上。中国拥有大量在本国高校和海外培养的科技人才储备。沙特王国则正在建设其数据与人工智能培训能力，推进顺序至关重要。SDAIA宣称已完成逾77.9万名公民的培训，但相关资料既未确认这一数字对应12个月的时间段，也未证实对政府公务员设有强制效率目标。
该政策的实际效果仍有待评估。
与欧洲工业自动化动态的对比颇具启示：机器人化从长远来看会提高工资水平，但首先会加剧转型再培训的需求，而消化这些需求需要时间。沙特阿拉伯正试图加速这一过程。
沙特模式抹去的制度红线
阿尔基耶的研究聚焦于人工智能监管及其可接受条件，涉及申诉机制、工人参与及过渡条件谈判等议题。目前查阅的资料均未能证明存在强制性量化效率目标，也未能证明普遍缺乏参与机制或申诉渠道。
德国案例提供了一个实证对照。金属工业工会（IG Metall）已与汽车制造商就工厂引入人工智能的方式展开谈判，内容涵盖部署时间表、再就业保障以及生产效率收益分享机制。这一过程进展缓慢，有时令企业管理层感到沮丧。德国框架在制度上赋予雇员代表更多参与人工智能应用决策的空间，但现有资料不足以断言沙特模式完全不寻求任何形式的参与或认同。
沙特框架包含有据可查的申诉机制，以及涵盖人工控制、问责和利益相关方考量的治理原则。这些机制的实际效力与收益分配问题，是另外需要分别评估的议题。
这一判断值得认真对待，而非简单批评了事。曾分析沙特战略的贝克研究所研究员指出，沙特公共行政长期深陷结构性惰性，参与式机制很可能无法在有效时间内加以克服。在经济多元化窗口期受制于油价走势的背景下，缓慢本身也是一种风险。
收益分配：利雅得尚未提出的问题
阿尔基耶关于生产效率收益分配的论题，超出了单纯的社会可接受性范畴。当人工智能在公共部门产生效率收益时，核心政治问题是：这些收益由谁受益。在民主国家，这一问题会在集体谈判和预算辩论中被明确提出，有时充满争议。在德国和瑞典，生产效率收益的分配可以成为集体谈判的对象。
在沙特阿拉伯，收益分配走的是另一条路径。”2030愿景”承诺建立多元化经济、在非石油行业创造就业、改善年轻沙特人的生活水平——这一群体的失业问题，即便在推行”沙特化”就业政策之后仍长期处于较高水平。官方资料记录了部分政府机构和部委与”2030愿景”目标的对接情况。这一逻辑在纸面上自洽。该战略着力于提升效率和服务质量，但潜在收益的实际流向，目前查阅的官方资料并未加以明确。
中国的先例或许能为这些问题提供参照。在中国，如何将生产效率收益再分配给受冲击最大的工人，仍是悬而未决的问题。中国当局承认存在技能错配，并在加强培训力度，但关于自动化引发的再就业频繁失败的说法目前并未得到证实。现有资料不足以证明技术部署速度超越了人力再培训速度这一判断。
机器节奏与人的节奏之间的错位，正是关于不同制度背景下人工智能采纳情况的研究所记录的核心问题：同一种工具，在不同的制度土壤中，会产生截然不同的结果。
沙特模式可能的成功及其内在局限
若将沙特战略简单视为短视的技术威权主义，在智识上站不住脚。以下几点作为理性判断，值得认真对待。
第一点是”先培训后部署”的顺序安排。SDAIA宣称已完成逾77.9万名公民的培训，但相关资料未能说明这一总数是在部署前还是部署过程中达到的。如果培训内容扎实而非流于象征性认证，就可能降低被动抵制，让公务员获得掌握新工具的能力，而非被动承受。
第二点是治理的一致性。SDAIA将战略、数据与权威集中于单一机构。在民主国家，制度分散会带来实质性的迟滞：监管机构之间的管辖权争议、立法周期的拖延、横向的官僚阻力。沙特统一指挥体制在执行层面具有切实优势，尽管在纠错层面存在风险。高度集中的治理会以同等力度放大成功与失败。
第三点更具推测性，涉及领域的性质本身。沙特公共行政在结构上不同于中国的制造工厂。其公务员往往是受过高等教育的城市居民，对职业发展抱有期待。如果人工智能能从重复性任务中解放出时间，并向更高附加值的工作打开空间，那么认同感或许会从实际体验中自然生长，而非依赖事先谈判。
部署效果仍有待评估。关于人工智能作为转型工具的研究探讨了部署选择所带来的影响。沙特框架包含有据可查的申诉机制，以及涵盖人工控制、问责和利益相关方考量的治理原则；这些机制的实际效力与收益分配问题，需要另行独立评估。
一个没有人主动申请成为的真实规模实验室
沙特阿拉伯正在集中化的制度框架下加速推进公共人工智能的应用，该框架包含战略规划、伦理原则和治理机制。这些防护措施的实际效力与独立性，需要另行独立评估。答案目前尚不可知。2025年的数据是一个已有前期积累的系列中的新增数据点；五到十年的时间窗口是一个假设，而非确立的事实。
可以确定的是，自由主义世界将持续观望。这并非出于猎奇，而是因为：如果沙特模式在中期内能够在不产生显性社会代价的情况下实现持续收益，它将对欧洲和美国的政策辩论产生实质影响。主张加快在公共服务领域推进人工智能应用的人——在政治光谱两端都大有人在——将获得一个额外的实证论据，用以反驳参与式程序的迟缓。
反之，如果人才流失成为现实，如果公务员的工作投入持续下滑，如果效率收益因缺乏真正的内化认同而触及上限，沙特模式将成为阿尔基耶用来捍卫制度红线价值的反面案例。
真正悬而未决的问题，不在于纸面上哪一方正确。它关乎的是：在哪些具体条件下，一场强制推行的变革仍能逐步催生认同感——以及超过哪个临界点，速度本身会成为自身的障碍。
资料来源
- SDAIA（沙特数据与人工智能局），2025年国家人工智能报告：sdaia.gov.sa
- 《自然·人文与社会科学通讯》，关于自动化与人才流失的研究：nature.com/articles/s41599-025-05984-5
- 贝克公共政策研究所，沙特人工智能战略分析：贝克研究所，莱斯大学（暂无确切网址）
- 阿克塞尔·阿尔基耶，关于人工智能监管与制度红线的研究，相关著作可通过蒙田研究所查阅
