# 第十四部分：元规则的延伸——立法者与算法部署者承担剩余风险

来源：`../main.md` 第 2003-2030 行

所属分编：第五编：权力、资本与制度边界

建议阅读顺序：第 16 节

第十四部分：元规则的延伸——立法者与算法部署者承担剩余风险

元规则“规则定义者承担风险”，不仅适用于任务池积分与货币核算，也应当延伸到立法领域与算法治理领域。因为走到这里我们会发现，真正最深层的权力，不只是分钱的权力、定价的权力，也是定义规则和默认值的权力。谁能决定法律怎么写、算法怎么跑，谁就在决定谁更容易吃亏、谁更容易被看见、谁更容易被系统性忽略。

一、立法领域的渐进式落地

当前立法的根本问题：立法者制定了一条法律后，如果实践证明它是错的、有害的，几乎不承担任何个人后果。规则定义者享受了定义世界的权力和声望，却把错误成本全部转嫁给了社会。这样一来，最会说的人、最能拍板的人，未必承担最多后果；真正承受试错成本的，反而往往是普通人和一线执行者。

分步实验的推进路径：第一步，在低风险领域建立可信记录。选取后果可逆、影响面小的领域作为试点，提案者附带可验证的效果预估，三年后回溯评估。成功者留下信用标记，失败者留存可解释的偏差分析。第二步，拆解到可问责单元。一条大法拆成若干条款，每项条款设定独立的、可观测的微指标，每项条款有对应的预估责任人。第三步，设立立法沙盒。仿金融监管沙盒思路，允许特定城市或自贸区对特定法案进行有期限、有边界的试验。沙盒内立法者按元规则承担预估责任，沙盒外现行规则不变。成熟阶段：法案发起人附带效果预估，实际效果远低于预估的，在公开记录中留下“立法失败”永久标记，影响未来提案权和职业资格。设立独立回溯评估委员会，用多因素归因模型评估每条法案的净影响。

二、算法治理领域的元规则移植

算法是数字时代的“隐形立法”。推荐算法定义了你能看到什么信息，派单算法定义了你每小时能赚多少钱，风控算法定义了你能否获得贷款。这些算法本质上都是规则，而编写算法的工程师和部署算法的企业，就是数字时代的规则定义者。它们看起来像技术优化，实质上却常常在悄悄改写劳动机会、分配资格、信息视野和人生路径。

按照元规则，他们必须为自己的算法后果承担风险：算法部署前审计——任何面向公众的算法模型，上线前须提交公平性影响评估报告；部署者承担剩余风险——算法上线后，若实际效果与评估报告严重偏离，部署者承担“算法失败”的信用标记，影响其数据使用权、算力基础设施使用权的续期竞标；公开存证与交叉验证——所有算法审计报告和实际效果在公共登记簿永久公开，接受学术界和社会主体的交叉验证；延时追责——算法的社会后果可能需要多年才能充分显现，设立延时通道，在算法部署后第3年、第5年进行回溯评估，即使原开发团队已解散，部署企业仍承担追责后果；审计委员会构成——技术专家、受影响群体代表、随机公民三方各占三分之一，受影响群体代表应从相关行业经验、公共贡献记录与随机抽签结合的名单中产生，防止“把关人捕获”。

立法者承担剩余风险，不是让他们不敢立法，而是让他们不敢随便立法。算法部署者承担剩余风险，不是让他们不敢创新，而是让他们不敢在“黑箱”里制造系统性不公。说到底，这仍然是在保护同一件事：不能让老实承受后果的人总是替拍板者买单，也不能让真正有价值的创新被黑箱规则挤死。

把元规则嵌进立法程序和算法治理，规则才不再是精英的橡皮图章或代码的黑箱，而成为人民可以检验、可以追责的公共契约。也只有这样，前面整套关于公平、创新、透明登记、穿透审查和责任边界的讨论，才不会在最上游的规则生产环节重新失效。

**跨境算法输出的元规则约束。**

任何在中国境内收集数据、训练的算法模型，如果被授权给境外实体使用，就应进入双重审计程序：算法的训练数据来源是否合规？算法的最终受益结构是否透明？

如果无法通过审计，模型的跨境授权应被中止，已经输出的部分进入限期纠正或召回程序。算法的规则定义者，对算法在境外产生的社会后果，承担同等的持续可追溯责任。不能在境内借助公共数据、公共秩序和共同体信用把模型养大，再在跨境输出时把风险、责任和受益结构一起切断。

---