“市者，可以知治乱，可以知多寡。”在AI市场，其多寡（活力）主要取决于AI技术及其创新，治乱（秩序）则主要取决于AI治理及其创新。为实现AI市场的活力有序，至少需要处理好两方面的矛盾和张力。

首先，需要处理好AI技术创新和AI治理创新之间的张力。AI 技术创新是AI市场发展的“引擎”，推动AI能力边界的拓展（如从GPT-4到GPT-5，从判别式AI到生成式AI）。AI市场的治乱（秩序）则主要取决于AI治理创新。

AI治理创新是AI市场发展的“刹车”，涉及法律法规、伦理框架、技术标准、行业自律等。AI治理创新需要超越传统治理的滞后性（“出了事再管”），强调治理的前瞻性（“未雨绸缪”）、适应性和技术嵌入性（如隐私计算、可解释AI、AI对齐技术），并在包容性和审慎性之间达成足够的平衡。

不过，即使这样，考虑到AI技术创新往往追求自由与突破，AI治理创新（尤其是未成熟的）仍然很有可能被视为AI技术创新的束缚或成本。

其次，需要处理好AI技术创新及AI治理创新内部“小步快跑”和“大步慢走”间的张力。理想主义者/加速派视角下的“小步快跑”主张速度效率优先，强调AI技术/治理快速迭代（包括开源模型迅速发布、产品功能周更甚至日更）、用户反馈、抢占市场。在AI领域主要表现为开源快速发布（如Meta的LLaMA系列）、抢先推出产品及相关治理举措。

现实主义者/规制派视角下的“大步慢走”则主张质量安全优先，适应金融、政务等场景客户更看重的可解释、可审计、抗攻击、数据隐私保护诉求，强调充分测试、风险评估、安全对齐（Alignment）、避免不可逆的损害，打磨出高可信、更具商业价值的AI及治理机制。在AI领域的典型是Anthropic的“宪法AI”、部分非常严谨的科研机构，以及当前欧盟《AI法案》对某些高风险应用的限制（“安全，不能让步于速度。”）。

但是，AI技术创新和治理创新速度过快可能积累诸多隐患（偏见、幻觉、安全事故、版权纠纷），一次“幻觉”可能导致误诊，一次数据泄露可能引发灾难，过慢则可能导致技术/制度落后或错失机会。

综合来看，这两组矛盾和张力又相互交织、相互影响，可以进行动态的融合和平衡。例如，在AI发展的早期阶段/非关键领域（尤其是高近肤距离），如AIGC创意辅助工具等领域，可以更倾向于“小步快跑+宽松治理（本身也可以‘小步快跑’）”，以助力探索最大的技术可能性。

在AI发展的成熟阶段/高风险领域（尤其是低近肤距离），如医疗诊断AI、司法辅助AI、自动驾驶、生物武器防御等领域，则必须转向“大步慢走+严格治理（本身也需要‘大步慢走’）”，扎实地把可解释性、隐私计算、红队测试（Red Teaming）等变成产品的核心竞争力。

不仅如此，差分隐私、联邦学习、水印技术、基于RLHF（人类反馈强化学习）的价值观对齐、红队测试自动化等AI技术本身也可以嵌入（而非外挂于）AI治理规则，实行敏捷治理，从而可以最小程度地影响AI技术创新“小步快跑”的效率。

通过这种动态的融合和平衡，对于AI技术创新提速来说，AI治理创新不再仅仅被视为障碍/规制，而更可能成为助力既快又稳的赋能者。例如，如果AI治理能提供更高效的评估工具（如自动化合规检查、标准化测试集）和更清晰的规则，包括中国的“沙盒监管”、欧盟的“监管沙盒”，AI企业反而不用猜忌监管红线，能在稳定受控环境中更安心地快速测试AI，既实现“小步快跑”，又有安全边界。

于是，短期内，在特定领域（如内容生成、低风险管理）可允许AI技术创新更快迭代，但需配套问责机制与透明度。长期内，AI技术创新又必须将安全、伦理、合规等作为AI系统的基础属性（而非附加品）。

这样一来，AI技术创新和AI治理创新就可以实现高水平的协同。AI治理创新保障了AI技术创新“小步快跑”、占领市场前沿/目标用户心智、以及定义技术/产品标准的可持续性，AI技术创新则能倒逼AI治理创新的响应性和实用性，从而二者协同促进AI市场发展的活力有序。而且，这也才能高效响应那些成熟的AI投资人的新诉求，“以前我们看谁的模型参数量大，现在我们看谁的模型‘犯错成本’低。”