面向数字文明的刑法调适：人工智能犯罪的路径规制与体系构建

面向数字文明的刑法调适：人工智能犯罪的路径规制与体系构建摘要人工智能技术凭借其自主性、不可解释性和系统性，正在催生新型犯罪形态，传统刑法罪名虽可通过扩张解释部分应对技术滥用型犯罪，但在保护客体特定性和行为要件局限性方面已显不足。当前人工智能犯罪规制存在新型犯罪行为立法缺失和滥用人工智能技术立法缺失双重困境。文中立足于数字文明转型背景下人工智能犯罪对传统刑法体系构成的结构性挑战，致力于构建一个集路径规制与体系构建于一体的一体化应对方案。在规制路径上，从事前、事中与事后3个维度系统整合治理资源：通过技术性规制将法律义务嵌入代码架构，借助程序性创新破解司法证明中的算法黑箱，并构建基于控制力的协同治理体系以实现精准归责。在体系构建上，采取“解释论与立法论并重”的完善思路，对传统罪名进行有限度的扩张解释，以覆盖虚拟财产、系统受骗等新型行为样态；通过增设如非法利用算法操纵罪、深度伪造信息滥用罪等全新罪名，弥补由技术自主性引发的规范真空。构建人工智能技术事实的司法认定规范，以程序创新保障实体规则的落地。构建人工智能技术事实司法认定规范，将技术验证程序法定化，为前述路径与体系的司法落地提供程序保障，推动刑法从工业时代的惩戒法向数字时代的保障法转型，实现技术创新与刑事正义之间的动态平衡。关键词：人工智能；犯罪；刑法规制；扩张性解释；技术认定1引言人工智能技术的刑事风险已从理论预警演变为全球性的现实威胁。面对人工智能新型犯罪，传统刑法应对逐渐力不从心。在深度伪造诈骗案件中，刑事定罪面临多重困难。行为主体认定趋于复杂化，制作深度伪造内容、发起视频通话、转移资金等环节往往由不同主体在不同司法管辖区完成，导致共犯故意难以证明。欺诈行为的本质也发生异化，传统诈骗罪要求自然人陷入错误认识，但如何认定受害人的错误认识与人工智能欺骗行为之间的因果关系成为新的难题[1]。在自动驾驶事故中，核心问题在于因果关系与过失认定的黑箱特性。事故原因可能涉及传感器缺陷、算法决策错误、数据偏差或驾驶员疏忽等多种因素，而如何证明开发者违反了合理的安全注意义务等技术性问题的判断远超传统司法鉴定的能力范围[2]。这些困境揭示一个深层次问题：试图通过对传统罪名进行扩张解释或零星增设新罪名的修补式立法，已经难以系统性地应对由技术内生特性所引发的风险。刑法规制范式迫切需要从事后惩罚的单一维度，转向覆盖技术研发、部署与应用全生命周期的敏捷治理。学术界目前关于人工智能刑法规制的讨论主要围绕本体论与路径论两个维度展开。本体论的争议焦点在于人工智能体的法律主体资格，以冀洋为代表的学者坚持工具论立场，认为人工智能不具备自由意志与受刑能力，刑事责任必须严格归属于自然人主体[3]。与之相对，刘宪权等学者则提出拟主体论，主张强人工智能在特定条件下展现的自主决策能力已具备准意志特征，可以考虑有限度地承认其责任主体地位[4]。学术界在路径论层面形成了解释论与立法论两种主要进路，解释论倡导通过刑法教义学的弹性，对现有罪名进行扩张解释以涵摄新型犯罪行为[5]。立法论则强调人工智能犯罪的颠覆性特征，呼吁创设全新的罪名体系予以专门规制[6]。尽管现有研究提供了有益启发，但尚未完全破解人工智能犯罪的规制困境。本体论的主体资格之争容易陷入理论僵局，而路径论的“解释-立法”框架仍未能突破传统思维定式，忽视了技术规制与程序赋能的关键作用。基于此，笔者认为应当构建以技术性规制和程序性创新为翼的回应型治理体系，坚持人类责任中心主义的基本立场，通过制度设计将技术背后的人类支配力与注意义务具体化、客观化。当前亟需解决的是如何将抽象的开发者、使用者注意义务转化为可评估、可验证的技术标准与行为规范，需要创新规制路径，建立技术性规制与程序性创新协同作用的治理体系。技术性规制着重从事前预防入手，将法律要求嵌入技术系统，通过强制性技术标准使合规成为人工智能的内生属性。程序性创新则着眼于事中认定环节，通过革新司法程序，引入技术调查官制度，构建基于区块链和可解释人工智能的证据审查规则，从而破解算法黑箱带来的证明难题。此外，还需要建立协同治理机制，明确刑法作为最后手段的定位，与前端的行政监管、行业标准、企业合规形成梯度化、多层次的责任体系。2人工智能犯罪的特征与规制挑战人工智能犯罪的独特性源于其底层技术架构。以生成对抗网络为例，该技术通过生成器与判别器的相互博弈不断优化输出结果，使得深度伪造内容的逼真度达到肉眼难辨的程度[7]。这种技术内在的演进机制导致犯罪行为呈现出传统犯罪所未有的技术精确性与隐蔽性。2023年，网络安全公司GroupGIB披露一起利用深度学习模型批量生成虚假身份信息的案件，该案中犯罪分子通过算法迭代成功破解了多个金融平台的身份验证系统[8]。2024年，香港一家跨境公司财务人员遭遇深度伪造诈骗，犯罪分子利用生成式人工智能模仿公司首席财务官的音容，在视频会议中下达转账指令，导致公司损失2亿港币[9]。同年，中国大陆发生一起与智能驾驶系统相关的致命事故，车主在使用高级辅助驾驶功能时车辆失控，引发社会对人工智能系统安全性的广泛质疑[10]。这些案例并非孤立事件，根据IBM安全部门发布的《2024年X-Force威胁情报指数》报告，基于深度伪造技术的诈骗案件在2023年同比增长超过300%，成功率高达78%[11]。这种技术依赖性引发了归责结构的复杂化。在自动驾驶领域，特斯拉Autopilot系统在不同光照条件下对障碍物的识别差异，揭示了基于计算机视觉的感知系统存在的固有局限性[12]。事故发生时，责任涉及算法设计缺陷、传感器数据偏差、系统更新滞后或驾驶员监控疏忽等多个环节。多元责任主体并存的状况使传统刑法中以直接行为人为中心的归责模式难以适用。浙江大学研究团队在《人工智能伦理与规制》研究中指出，算法决策过程的不透明性使得过错认定需要跨越技术门槛，这对司法人员的专业能力提出了全新要求[13]。人工智能犯罪的影响往往具有显著的跨域扩散特性，一个看似局部的数据泄露事件，可能通过人工智能的分析加工，演变为精准诈骗、商业窃密等连锁反应。中国信息通信研究院发布的《人工智能安全白皮书(2023)》显示，超过60%的人工智能安全事件会引发二次或多次衍生危害[14]。这种危害的链式反应特征，要求刑法规制必须突破传统个案思维的局限，建立全局性、系统性的应对机制。更深刻的挑战在于法益保护范围的拓展需求，当算法歧视导致特定群体在信贷审批、就业推荐等场景中受到不公正对待时，其所侵害的已不仅是具体的个人权益，更包括算法公平这一新型集体法益。北京大学人工智能法治实验室的研究表明，基于历史数据训练的推荐算法可能固化并放大社会已有的偏见[15]。然而，现行刑法体系对这类新型法益的保护尚显不足，存在明显的规制空白。犯罪行为的技术内核要求刑事追诉必须面对专业壁垒，司法机关需要借助专业技术力量才能完成事实认定。危害结果的扩散性让刑法必须更新其法益保护理念，将数据安全、算法公正等数字时代的新型价值纳入保护范围。单纯依靠法律条文修订难以从根本上解决问题，需要从规制理念、技术标准、司法程序等多个维度进行系统性重构。3现有规制模式的局限当前司法实践试图通过传统罪名的扩张解释来应对人工智能犯罪，但这种方法面临着结构性局限。以非法获取计算机信息系统数据罪为例，其构成要件要求“侵入计算机信息系统”，而通过应用程序接口(API)进行的规模化数据爬取行为，往往难以被定性为传统意义上的“侵入”[16]。在京东与淘宝的数据纠纷案中，法院就曾对利用API接口进行数据获取的行为性质产生争议，暴露出传统罪名在应对新型技术行为时的解释力不足[17]。侵犯公民个人信息罪要求违反国家有关规定，但人工智能技术能够通过对公开数据的深度挖掘和关联分析，间接识别出特定个人身份信息。这种数据拼图式的个人信息侵害方式，已经超出传统个人信息保护法的规制范围，现有法律框架对间接识别个人信息的规制存在明显空白[18]。尽管《生成式人工智能服务管理暂行办法》等规范性文件已经出台，但其法律位阶较低，且内容侧重于行政监管，难以支撑刑事规制需求。更为深层的问题在于，立法速度永远跟不上技术迭代的步伐，立法滞后性在司法实践中造成了一系列问题。人工智能犯罪的司法证明面临独特挑战，算法黑箱特性使得决策过程不透明，传统的证据规则难以适用。在北京互联网法院审理的一起算法歧视案件中，原告要求被告公司公开其推荐算法的决策逻辑，但被告以涉及商业秘密为由拒绝提供[19]。技术壁垒影响个案公正，更凸显出现有诉讼制度在应对技术复杂性方面的系统性不足。人工智能系统的模型参数、训练数据等关键证据具有易变性和易失性特点，传统证据保全措施难以有效应对，证据固定环节同样存在困难。最高人民法院司法案例研究院的调研显示，超过70%的法官认为人工智能犯罪案件的证据审查面临专业技术障碍[20]。上述困境共同指向一个核心问题——建立在工业文明基础上的传统刑法体系已难以适应数字文明时代的技术特征。以事后惩罚为主要手段的规制模式，无法有效预防人工智能技术带来的系统性风险，必须构建事前预防、事中控制、事后追责的全链条规制体系[21]。现有规制模式缺乏对技术发展规律的充分尊重，过度依赖禁令式规范可能抑制技术创新，缺乏有效的风险防控机制，难以保障社会安全。我们必须重新思考刑法的功能定位，推动其从单纯的惩戒法向保障法转型[22]。4人工智能犯罪刑法规制的创新体系构建人工智能犯罪对刑法体系的挑战，兼具行为样态与归责结构的双重颠覆性，这决定了单一的应对策略必然力有不逮。为系统性地回应此挑战，本章勾勒了一个超越传统事后惩罚模式的综合性规制路径，通过技术性、程序性与主体协同性的三重创新，为刑法的有效介入构建全新的支撑环境。深入实体法的内核，探讨如何在维系刑法稳定性的前提下，通过既有罪名的解释弹性与全新罪名的创设，构建一个覆盖传统犯罪异化形态，规制技术内生风险的评价体系。上述实体规则的落地，亦有赖于一套专门化的技术事实认定程序作为桥梁，以确保高度专业性的技术争议能够被公正、有效地转化为法庭可裁判的法律事实。此三者环环相扣，共同构成一个应对人工智能犯罪的立体化刑事方案。4.1技术性规制——将法律义务嵌入代码技术性规制的核心理念是推动“法律代码化”进程，使合规要求成为技术设计的内在要素，强调通过技术标准与法律规则的深度融合，将抽象的法律义务转化为具体的技术参数，实现从事后惩罚向事前预防的转变[23]。基于对人工智能技术特性的深刻认识和对传统法律规制局限性的反思，在人工智能领域，技术性规制的实施需要建立多层次的标准体系，覆盖从算法设计到系统部署的全生命周期。总目标：法律义务→技术参数，事前预防

人工智能技术性规制全生命周期：1.研发（强制安全测试）、2.模型训练（多场景可解释性嵌入）、3.应用（动态监测）、4.评估（分级合规认证）在自动驾驶领域，技术性规制的必要性尤为突出。以目前广泛应用的智能驾驶系统为例，其复杂的算法决策过程往往超出传统法律规制的范畴。通过构建合规性设计的强制性技术标准，系统必须具备可解释性接口，使算法的决策逻辑能够被监管部门和司法机关理解[24]。可解释性接口应当能够提供算法决策的关键影响因素、置信度评估以及替代方案分析等信息，这些信息对于事后责任认定具有重要价值。在智能驾驶系统发生事故时，通过可解释性接口可以追溯系统在事故发生前的感知、决策全过程，为责任认定提供技术依据。同时，利用区块链技术建立决策日志存证机制，包括输入数据、处理过程、输出结果等完整信息链，并采用分布式存储方式防止篡改，确保系统运行过程中的关键决策能够被完整记录和追溯。这些技术要求应当成为判断开发者是否履行注意义务的客观基准，在司法实践中作为责任认定的重要依据，可通过自动驾驶算法决策可信度公式量化开发者的技术合规程度，该公式将传感器精度、模型准确率、漏洞修复及时性等核心技术指标纳入评估，作为责任认定的客观基准，即：

R=ω1⋅Psensor+ω2⋅Pmodel+ω3监管部门可开发标准化的规制性API，针对深度伪造技术滥用的风险，建立统一的内容标识接口，要求所有生成式人工智能服务在输出内容时自动嵌入具有不可见性和鲁棒性，既不影响正常使用，又能够通过专用工具进行检测和验证的数字水印[25]。国家网信办在《生成式人工智能服务管理暂行办法》中已对此提出明确要求，但需要进一步细化技术标准。企业接入并使用这些API的行为，可以作为其履行合规义务的重要证据，在责任认定时适用合规激励机制。对于主动接入并正确使用规制性API的企业，在发生技术滥用时可以酌情减轻或免除责任，有助于提高企业的合规积极性，形成良性发展环境。技术性规制的有效性在很大程度上依赖于标准的前瞻性和可操作性。以医疗人工智能系统为例，应当要求系统设置置信度阈值和人工干预机制。当诊断结果的置信度低于设定标准时，系统必须启动人工复核流程[26]。中国电子技术标准化研究院正在制定相关的国家标准，为技术性规制的实施提供了重要参考，应当根据不同应用场景的风险等级实行差异化要求，对高风险场景设置更严格的技术标准，对低风险场景则保持适度监管，避免抑制创新，应通过医疗人工智能诊断置信度阈值公式确定强制人工复核的触发条件，将疾病风险等级与算法可靠性绑定，即：

Cmin=Smax−α⋅Smis+β⋅LSmax+0.8

其中，Cmin为最低诊断置信度阈值（癌症诊断需Cmin≥0.98，普通感冒诊断需Cmin≥0.85）；α为误诊风险权重（疾病致死率越高，α技术性规制的实施还需要建立完善的认证和监督机制，应参考《网络安全审查办法》的相关规定，建立人工智能产品分级认证制度[27]。对于高风险人工智能产品，应当实行强制性产品认证，确保其符合国家安全标准。同时，建立人工智能产品安全监测平台，对已投入使用的系统进行持续监督。这种全方位、全生命周期的技术规制体系，能够有效防范人工智能技术滥用风险，为刑事规制提供有力的技术支持。4.2程序性创新——以技术赋能司法事实认定程序性创新旨在通过司法证明体系的改革，破解人工智能犯罪案件中的技术认定难题。人工智能犯罪案件中传统证据规则和证明标准往往难以适应技术发展的需要，必须通过制度创新来确保科技包容性与可裁判性的统一[28]。构建技术调查官制度是程序性创新的关键举措，建立常设性、跨学科的技术调查官队伍，调查官需同时具备法律与计算机专业资质，从立案侦查阶段就介入案件，负责指导电子证据的固定和保全，对复杂的算法逻辑进行专业解析，并出具具有参考价值的技术评估报告。技术调查官的选任应当建立严格的标准，除了要求具备双重专业背景外，还需要通过专门的职业资格考试和持续的专业培训[29]，职责范围涵盖技术证据的收集指导、专业技术问题的分析说明、技术事实的初步认定等多个方面。技术调查官应当保持独立性，其出具的技术评估报告应当详细说明分析方法、依据的标准以及结论的可靠性程度，并接受法庭质证。此外，创立双阶数字证据审查规则。在第一阶段的技术真实性审查中，应当运用区块链、时间戳等现代信息技术确保电子证据的原始性与完整性[30]。对于人工智能系统产生的电子证据，应当从数据生成、传输、存储到提取的全过程建立证据链，通过哈希值校验、数字签名等技术手段确保证据未被篡改。对于涉及算法决策的案件，引入可解释人工智能工具，对算法的决策过程进行可视化解读，运用显著性图谱呈现图像识别系统的关注区域，通过注意力机制标注自然语言处理系统的关键词权重，帮助法官清晰理解算法运行逻辑，构建人工智能犯罪电子证据完整性评分公式，即：

I=1−ωt⋅ttmax+ωd⋅(1−D)+ωb⋅1k+1

其中，I为完整性评分(取值范围为0~1,I≥0.8可认定证据具备可采性)；t在第二阶段的法律关联性审查中，法官应当在技术审查的基础上，独立判断技术事实与法律构成要件之间的关联性，确保最终裁判权始终由人行使[31]。这一阶段需要重点审查技术缺陷与损害结果之间的因果关系，以及行为人的主观过错程度。不仅要证明系统存在技术缺陷，还需要证明该缺陷与事故之间存在直接因果关系，以及开发者是否尽到了合理注意义务。最高人民法院在《关于互联网法院审理案件若干问题的规定》中，已经开始探索适应新技术发展的证据规则，这些规定为人工智能犯罪案件的证据审查提供了重要参考。在证明责任分配时，应当根据人工智能犯罪的特点进行适当调整。对于利用人工智能技术实施的高度专业化犯罪适当降低控方在技术问题上的证明标准，同时强化被告方的说明义务[32]。这种不违背刑事诉讼基本要求的证明责任合理分配有助于平衡诉讼双方在技术能力上的差距，确保案件被公正审理。此外，还需建立专门的技术鉴定机制。建议在现有司法鉴定体系内设立人工智能技术鉴定专门类别，培育具有相应资质的技术鉴定机构[33]。鉴定内容应当包括算法安全性评估、系统可靠性测试、数据质量分析等多个维度。鉴定意见应当采用标准化格式，明确表述鉴定方法、检验过程和结论依据，为司法机关提供专业、可靠的技术支持。双阶证据审查体系：第一阶段技术真实性审查（解析+技术报告、电子固证+算法），第二阶段法律关联审查（法官、控辩质证衔接、因果+过错+证明责任、最终裁判依据）。技术调查官制度的引入，并非意在取代或削弱现行的司法鉴定制度，而是与之构成分工协作、功能互补的技术支撑体系。两者在人工智能犯罪案件的司法证明中各有侧重、有序衔接：技术调查官作为司法机关的内部专业人员，其职责更具过程性与辅助性，侧重于在诉讼前端(从立案侦查阶段开始)及时介入，负责指导电子证据的固定与保全，对复杂的算法逻辑进行初步解析，并就案件中涉及的专业技术问题出具旨在帮助法官理解争议点的《技术审查意见书》，其核心价值在于快速响应与程序引导，为法官决定是否启动更为正式、严谨的司法鉴定程序提供专业预判。司法鉴定人作为独立的诉讼参与人，其工作则更具终局性与权威性。对于技术调查官审查后认为存在重大疑问，且对案件定罪量刑有决定性影响的技术事实，应依法委托具有资质的司法鉴定机构进行检验、鉴定，并出具具有法定证据效力的《司法鉴定意见书》。在此模式下，技术调查官的前期工作能够有效提升司法鉴定的针对性与效率，其出具的《技术审查意见书》可作为委托鉴定的重要参考，明确鉴定方向和关键待证问题；而司法鉴定意见则是对专业技术问题的终极权威认定，为裁判提供坚实的证据基础。该协同机制的建立具备充分的可行性。我国知识产权法院系统已建立技术调查官制度并成功运行多年，积累了宝贵的选任、管理及与审判程序衔接的经验，可直接为普通法院审理人工智能犯罪案件提供范本。随着法学与技术的交叉融合，已涌现出一批兼具法律职业资格与计算机科学、人工智能专业背景的复合型人才，应通过建立“国家人工智能司法专家库”的方式进行遴选与储备。通过修订《司法鉴定程序通则》或由最高人民法院出台专项司法解释，明确技术调查官的法律地位、职责权限及其与司法鉴定程序的衔接规则，确保该制度在法治轨道内规范运行。4.3协同治理——构建多元共治的责任生态协同治理强调刑法作为最后手段的定位，需要与前端的行政监管、行业自律、技术标准形成治理合力。单一依靠刑事手段难以有效应对人工智能犯罪带来的复杂挑战[34]，确立基于控制力的分级归责是协同治理的核心内容，要求根据开发者、部署者、使用者对人工智能系统的实际控制力，精细化分配其相应的安全保障义务和监督义务。结合责权一致原则，构建人工智能系统多元主体责任比例公式，即：

Ri其中Ri为第i个主体的责任比例（开发者R1、部署者R2、使用者R3总和为100%）；Ci为第i个主体的控制力系数（取值范围为开发者因主导算法设计C1=0.8，部署者因控制运行环境C2=0.5，使用者因监督操作C3=0.3）；F以自动驾驶系统为例，开发者应当对算法设计的安全性和可靠性承担主要责任，包括进行充分的测试验证、建立安全冗余机制、及时修复已知漏洞。部署者需要确保系统运行环境的安全，包括基础设施维护、数据质量保障、运行监控等。使用者则负有合理使用和必要监督的义务，包括遵守操作规程、保持注意力、及时接管系统等。这种责任分配机制体现了责权一致的原则，有助于形成全方位的风险防控体系，根据不同应用场景的特点进一步细化各方的责任边界。在医疗诊断领域，开发者需要确保算法的准确性和可靠性达到专业标准，医院需要建立人工复核机制，医生则需要结合专业判断对诊断结果进行评估，确保风险可控，避免责任分配的模糊性。推动算法审计职业与人工智能安全认证制度是协同治理的重要支撑。算法审计师作为独立的第三方专业人员，能够对人工智能系统进行客观、专业的合规与安全评估[35]。算法审计应当包括算法公平性测试、安全性评估、可解释性分析等多个维度，形成详细的审计报告。同时，建立人工智能产品安全强制认证制度，为市场准入设立明确的技术门槛。在认证标准方面参考国际先进经验，结合我国实际情况，建立分级分类的认证体系。对高风险应用实行强制性认证，对低风险应用实行自愿性认证。认证内容应当涵盖数据质量、算法安全、系统可靠性等多个方面，并建立定期复核机制。表1人工智能系统分级归责体系责任主体对人工智能系统的控制力维度核心安全义务要求开发者技术设计主导权开展算法安全性测试(含对抗性测试)；搭建可解释性接口；漏洞披露后48小时内提供补丁部署者运行环境控制权校验输入数据质量；建立每秒级实时监控与异常响应机制使用者操作与监督权严格遵守操作规程；必要时执行人工接管第三方审计独立评估权每季度开展算法公平性审计；出具含整改建议的合规性认证报告在协同治理实践中，需要加强跨部门协调配合。参照《网络安全法》确立的管理体制，建立网信部门牵头、各主管部门分工负责的人工智能治理协调机制[36]。网信部门负责统筹协调，行业主管部门负责本行业人工智能应用的监督管理，公安机关负责犯罪侦查，司法机关负责案件审理。通过建立信息共享、联合执法等机制，形成监管合力。充分发挥行业组织的作用，鼓励制定行业标准和自律规范，推动形成行业自律机制。完善举报奖励制度和举报人保护机制，对于主动报告人工智能系统安全漏洞、举报违法犯罪行为的人员给予适当奖励和保护，形成全方位、多层次的风险防控网络。加强宣传教育，提高公众对人工智能风险的认识，培养负责任使用人工智能的意识，从源头上预防人工智能犯罪的发生。人工智能犯罪的协同治理，需要制度层面的分工配合，更需实现技术伦理与刑法规范的深层衔接。应将“透明、公平、可控、负责”核心伦理原则转化为刑法中判断行为人是否尽到合理注意义务的实质性标准。在认定开发者是否构成人工智能系统失控危害罪时，其算法是否具备可解释性，是判断其是否履行了安全设计义务的关键。在评估算法决策是否构成歧视时，引入“算法公平性”作为客观标准，用于检验开发者是否避免了固化社会偏见。而系统是否预设了有效的“人工干预接口”，则直接关系到部署者能否在风险发生时履行及时阻止的义务。通过将伦理要求具象化为刑事归责的构成要件要素，能够引导从业者将伦理考量内嵌于技术研发与商业应用的全流程，在源头塑造负责任的创新文化。4.4有限度的扩张解释人工智能犯罪主要通过数据、算法、智能系统等技术手段实施犯罪行为，在犯罪形态上与传统犯罪有显著差别，但其侵害的法益与传统犯罪并无二致。传统罪名的构成要件具有一定的语义弹性，对此可通过传统罪名的扩张性解释，将人工智能犯罪纳入到罪名体系中，实现技术适配与规范延续的平衡。在具体适用扩张解释时，应当遵循以下原则：1)技术中立原则，不能因为使用新技术就当然认定构成犯罪；2)比例原则，刑罚的适用应当与行为的危害性相适应；3)明确性原则，解释结论应当具有可预测性。表2传统刑法罪名的扩张解释适用传统刑法罪名传统构成要件核心要素面向人工智能犯罪的扩张解释方向盗窃罪非法占有有形财物财物范畴扩张至“算法模型、虚拟货币等数据资产”诈骗罪欺骗自然人使其陷入错误受骗人扩张至“具备决策能力的智能系统”侮辱罪暴力或其他方法侮辱“其他方法”扩张至“人工智能深度伪造并传播侮辱性内容”破坏交通设施罪破坏物理交通设施设施范畴扩张至“智能交通核心算法/传感器”4.4.1侵犯财产类罪名的扩张性解释刑法中侵犯财产类罪名主要有抢劫罪、抢夺罪、盗窃罪、诈骗罪、侵占罪、挪用资金罪、敲诈勒索罪等，与人工智能高度相关的主要为盗窃罪、诈骗罪。盗窃罪的实质是非法占有公私财物，财物的形态分为有形和无形。数字时代以数据、算法、虚拟货币为代表的虚拟财产，经济价值日益凸显，并成为重要的犯罪对象。《民法典》第127条“法律对数据、网络虚拟财产的保护有规定的，依照其规定”，已承认虚拟财产的民事属性，将其纳入民法保护范畴。可对盗窃罪中的“财物”进行扩张性解释，将其延伸至“具有管理可能性、转移可能性且具有经济价值的虚拟财产”，使针对虚拟财产的窃取行为，如破解算法权限、非法复制数据，能以盗窃入罪。人工智能诈骗是当前诈骗的新形态，与传统诈骗仅针对自然人不同，人工智能诈骗的对象既可以是自然人，也可以是智能系统，例如利用人工智能生成虚假交易数据，欺骗电商平台结算系统，使其错误支付资金。可对犯罪行为的对象进行扩张性解释，将智能系统纳入受骗人范畴，并明确“陷入错误认识”包括自然人因人工虚假信息产生的认知偏差。4.4.2侵犯人身权利类罪名的扩张性解释与人工智能紧密相关的侵犯人身权利类罪名主要为侮辱罪、诽谤罪、侵犯公民个人信息罪等。根据《刑法》第246条，“以暴力或者其他方法公然侮辱他人或者捏造事实诽谤他人，情节严重的”构成侮辱罪、诽谤罪。生成式人工智能是一种在数据训练的基础上，利用人工智能生成文本、图像、音频、视频的技术。21世纪以来，随着计算机性能的大幅提升以及卷积神经网络、循环神经网络等深度学习技术的突破，生成式人工智能得到跨越式发展。当前，以ChatGPT,NewBing,Doubao,DeepSeek为代表的生成式人工智能平台，已被广泛应用于各个领域。公民个人信息受到刑法保护，人工智能的发展使得侵害公民个人信息的行为复杂化、隐蔽化。生成式人工智能在造福人类社会的同时，也使得侮辱、诽谤的形态发生了变化，如采集被害人语音、照片、视频，利用深度伪造技术，生成被害人涉黄视频并传播，导致被害人名誉受损，社会评价降低。基于深度伪造技术的涉黄视频，本质是利用技术手段实施侮辱、诽谤，与传统罪名所侵害的法益相同。可对法律条文中的“其他方式”进行扩张性解释，将“通过信息技术生成虚假内容并传播”纳入其他方式中。4.4.3危害公共安全类罪名的扩张性解释数字时代基于数字技术的新型基础设施，在生产生活中发挥着日益重要的作用。传统基础设施也向着数字化、智能化的方向转型，相应地，针对公共基础设施的犯罪行为也发生了极大的变化。以破坏交通设施罪为例，根据《刑法》第117条，交通设施主要指“轨道、桥梁、隧道、公路、机场、航道、灯塔、标志”等物理设施。当前，数字技术已深度嵌入交通体系中，硬件层面的路侧摄像头、传感器，软件层面的交通流量预测算法、自动驾驶协同决策系统，功能层面的交通信号动态优化、事故预警，成为现代交通的核心支撑。对交通设施的破坏行为已不局限于物理设施的破坏，新型基础设施也成为破坏行为的对象，威胁公共安全。应对交通设施进行扩张解释，将“智能交通系统中直接影响交通安全的核心组件”纳入到交通设施的范畴，并从功能关联性、风险同一性以及技术可识别性3个层面，对核心组件进行界定。4.4.4妨碍社会管理秩序类罪名的扩张性解释与人工智能相关的妨碍社会管理秩序类罪名主要有非法侵入计算机信息系统罪、破坏计算机信息系统罪。根据《刑法》第285条第1款，非法侵入计算机信息系统罪的对象为“国家事务、国防建设、尖端科学技术领域的计算机信息系统”。人工智能背景下，计算机信息系统的边界以及侵入的方式均发生了巨大的变化。人工智能系统与传统的计算机信息系统有很大的差别，军事指挥人工智能模型、电力调度人工智能模型等事关国防安全、国民经济安全的人工智能模型，其运行依赖动态学习的算法而非固定程序。对人工智能系统的入侵，同样会导致国家利益受损。侵入行为不局限于传统的密码破解或绕过验证程序，而是以人工智能输入对抗样本，诱导其主动开放权限，这些都为人工智能犯罪法律适用带来挑战，应从对象范围、侵入方式对非法侵入计算机信息系统罪进行扩张性解释。人工智能系统虽依赖机器学习算法，但其核心仍是自动处理数据并输出决策，符合信息系统的一般特征，可将国家关键领域的人工智能模型纳入计算机信息系统的保护范围，将通过对抗样本攻击使人工智能误判访问权限的算法欺骗行为纳入侵入方式。4.5在刑法分则中增设人工智能犯罪新罪名人工智能犯罪既包括传统犯罪形态的智能化，也包括新型犯罪。上文所提及的传统罪名，虽然可部分规制人工智能相关行为，但其保护客体的特定性、行为要件的局限性，已难以覆盖人工智能犯罪的“技术异化”特征。对此，应在刑法分则中增设人工智能犯罪新罪名，进一步完善人工智能犯罪的刑法规制。表3人工智能犯罪新增罪名核心要素对比新增罪名规制的行为类型入罪关键门槛指标(与传统罪名区分)刑罚配置特点非法利用算法操纵罪数据投毒、对抗攻击、模型窃取等行为足以造成公共安全风险或重大经济损失(≥50万元)；不要求实害结果，存在具体危险即可入罪前置化危险犯，打击源头技术操纵行为深度伪造信息滥用罪制作、传播、未标识深度伪造内容达到足以误导公众或严重扰乱社会秩序程度；将未标识作为不作为入罪要件兼顾个体人格权与公共秩序双重保护人工智能系统失控危害罪未履行安全义务导致人工智能系统失控造成重伤/死亡1人以上或直接经济损失≥100万元；规制技术自主失控归责断层过失类罪名，聚焦开发者、部署者安全义务人工智能重大安全事故罪运营管理失职引发AI系统重大事故发生人员伤亡、重大财产损失实害结果；针对长期运营管理漏洞类比重大责任事故，专门适配AI运营场景非法研发、利用人工智能罪非法研发禁止类AI、非法利用AI实施犯罪违反AI负面清单、未取得特殊许可；与基础罪名竞合从一重源头管控技术研发准入，前置规制设计、制造、销售不符合安全标准人工智能产品罪设计/生产/销售不合强制性安全标准AI产品AI产品算法、数据、系统存在法定缺陷，引发严重后果产品责任刑事化，配套强制认证与召回4.5.1增设人工智能犯罪类型罪名1.增设非法利用算法操纵罪。本罪旨在规制以数据投毒、对抗性攻击等手段从根本上扭曲人工智能系统决策逻辑的行为。此类行为的危害并非止于对系统功能的破坏，更在于其利用了人工智能的“学习”特性，通过污染其决策源头，引发系统性、不可预测的风险。欧盟《人工智能法案》将“恶意操纵人类行为或利用系统漏洞损害他人”的行为列为高风险乃至禁止类人工智能实践，并设定了严厉处罚。我国《反电信网络诈骗法》中对利用技术手段实施诈骗的规制思路，亦可为本罪在主观故意与行为方式的认定上提供参考。传统罪名如破坏计算机信息系统罪，其构成要件侧重于破坏系统功能或数据，难以涵盖这种以“操纵”而非“破坏”为核心、以系统“正常运行”为掩护的恶意行为。本罪在客观方面表现为实施数据投毒、对抗性攻击、模型窃取等算法操纵行为。由于算法操纵行为潜在危害的巨大性与不可逆性，本罪宜采纳“具体危险犯”的立法模式，即行为“足以危害公共安全、市场经济秩序或造成重大经济损失风险”即可入罪，而不以实际损害的发生为必要。对“足以危害”具体危险的判断，可结合行为针对的系统重要性、操纵技术的复杂度、被污染数据的规模等因素进行综合认定。被告人所采用的攻击手法若在安全社区内已被公认为具有高度危险性，则可作为认定其主观故意与行为危险性的有力证据。2.增设深度伪造信息滥用罪。生成式人工智能使得伪造信息达到了“深度”级别，其滥用侵害个体的人格权、财产权，侵蚀社会信任基石，对选举安全、金融秩序构成现实威胁。现行刑法中的侮辱、诽谤罪侧重于保护个体名誉，而侵犯公民个人信息罪则规制信息非法获取与提供，两者均难以全面评价深度伪造技术“无中生有”制造并大规模传播虚假信息的公共危害性。本罪的行为方式应包含“制作”“传播”以及“未明示标识”深度伪造内容。将“未标识”这一不作为设置为独立的构成要件行为，是顺应《生成式人工智能服务管理暂行办法》中标识义务的强制性要求，实现了行政监管与刑事规制的无缝衔接。此举能将刑事打击锋芒指向最具有公共危害性的恶意使用行为，同时通过标识制度保障公众的知情权，避免过度介入技术的中立应用。对于“足以误导公众或严重扰乱社会秩序”的入罪门槛，应建立多因素评估体系，包括但不限于内容的传播范围与速度、内容的逼真程度、目标事件的公共关注度以及是否被权威媒体或机构误报等。数字水印、区块链存证等技术性规制措施，恰好可为追溯伪造内容源头、固定传播路径证据提供技术支持。3.增设人工智能系统失控危害罪。本罪旨在追究因未尽到法定安全义务，导致具备高度自主性的人工智能系统脱离有效控制，并实施严重危害社会的行为所产生的刑事责任。传统过失犯罪归责逻辑建立在行为人→危害结果的直接因果链上，但在人工智能失控场景中，危害结果由系统自主决策直接引发，在“行为人的疏忽”与“最终危害”之间介入了具有不确定性的技术环节，导致传统过失犯理论在此适用上存在归责断层。设立本罪的核心目的，正是为了填补这一归责空白，将技术安全管理义务刑法化，明确要求开发者、部署者必须为系统的“可控性”负责。本罪的主体为对系统安全负有直接责任的开发者、训练者与部署者，客观方面表现为“未履行法律法规或国家强制性标准规定的安全义务”，并因此“导致人工智能系统失控，自主实施危害行为，造成严重后果”。此处的“安全义务”是一组具体的、可验证的作为义务，例如建立安全冗余机制、设置系统决策的安全阈值、部署有效的实时监控与人工干预接口、制定并演练应急处置预案等。本罪在罪过形式上宜认定为过失犯罪，即行为人应当预见系统可能因自身缺陷而失控，因疏忽大意而没有预见，或已经预见但轻信能够避免。判断行为人是否“未履行安全义务”，将直接依据国家出台的人工智能系统安全强制性国家标准与行业最佳实践，检察机关只需证明“义务违反”与“系统失控”之间存在因果关系，而无需深入探究算法黑箱内部的具体决策逻辑，极大降低了司法证明难度。4.增设人工智能重大安全事故罪。本罪作为人工智能系统失控危害罪的补充与兜底，其规制焦点从“系统的自主失控”转向“运营过程中的系统性管理失职”。许多人工智能重大事故并非源于系统的瞬间失控，而是由于运营者长期忽视安全更新、怠于进行模型再训练或未建立有效的人工监督机制等一系列管理漏洞累积所致。这些管理性失职行为所引发的风险，与传统的生产、作业安全事故在本质上具有同源性，但其技术复杂性与隐蔽性又超出了《刑法》第134条重大责任事故罪的规制范畴。设立本罪，旨在将人工智能系统的持续安全运营确立为一项独立的刑事法义务。本罪的主体是人工智能系统的运营者与管理者。客观行为表现为在系统运营过程中，违反有关安全管理的规定，包括未按规定对系统进行定期的安全测试与风险评估、未及时更新模型以应对已知的新型安全威胁、未对关键算法组件建立版本管理与回滚机制、未对系统操作人员进行充分的培训与考核、未建立与系统风险等级相匹配的人工干预与审计流程等。本罪要求发生“重大安全事故”的实害结果，如造成人员重伤、死亡或重大公私财产损失。美国国家运输安全委员会在调查多起特斯拉自动驾驶事故后，曾建议监管机构要求制造商建立更完善的司机监控系统和系统滥用防护机制，这实质上是对运营阶段安全管理的强化。本罪的认定关键在于构建“运营管理疏忽”与“重大事故”之间的因果联系。司法机关可以借助运营安全审计日志、系统更新记录、人员培训档案等书证、电子证据，来固定运营者未尽到管理义务的事实，因此企业必须建立并妥善保存完整的安全运营管理体系文件，以备监管审查与司法调查。5.增设非法研发、利用人工智能罪。本罪着眼于从技术源头进行风险控制，对具有高度社会风险的人工智能研发与应用活动实施准入管制与负面清单管理。当前刑法中的非法经营罪、非法利用信息网络罪等罪名，其规制范围较为泛化，无法精准打击那些本身即具有社会危害性的AI技术研发行为。本罪的设立，旨在将刑法规制端口前置化，通过对特定AI技术的研发与利用活动本身进行刑事违法性评价，从源头上遏制重大犯罪工具的产生与扩散。本罪分为“非法研发”与“非法利用”两种行为模式。“非法研发”指违反国家规定，研发列入禁止类人工智能技术负面清单的技术，或未经特殊许可研发限制类人工智能技术。“非法利用”则指利用人工智能技术实施刑法分则已规定的特定犯罪，且该利用行为显著提升了犯罪的能力、规模或危害程度。后者可与所实施的具体罪名形成竞合，从一重罪处断。本罪适用的核心在于“负面清单”与“特殊许可”目录的清晰性与科学性。建议由国家网信办牵头，联合科技部、工信部等部门，组织技术专家、伦理学家与法学家共同制定并动态更新该目录，确保其既能有效管控风险，又不阻碍技术创新。对于清单内的技术，检察机关只需证明被告人从事了研发行为即可；而对于“非法利用”，则需要证明利用AI技术的行为与基础犯罪的实施之间存在强化关系。6.增设设计、制造、销售不符合安全标准人工智能产品罪。人工智能产品的技术黑箱特性，使得其质量缺陷难以通过传统产品质量标准评估。一些企业为降低成本，未对人工智能产品进行充分的安全测试，或故意保留“后门”，导致产品投入市场后引发安全事件[37]。本罪是刑法对人工智能作为一种“产品”的质量规制，旨在将人工智能产品安全标准刑事化。传统《刑法》第146条生产、销售不符合安全标准的产品罪，其规制对象主要是电器、压力容器等具有物理形态的工业产品，其安全标准围绕材料的物理性能、电气安全等设定。人工智能产品的核心风险源于其算法缺陷、数据偏见与逻辑错误，这些“软”的缺陷无法通过传统产品质量标准进行衡量。本罪的设立，是为人工智能产品设立专门的安全门槛，将“算法安全”与“数据安全”纳入产品责任的刑事评价体系。本罪的主体是人工智能产品的设计者、制造者与销售者。客观方面表现为设计、制造或销售的人工智能产品，不符合国家关于人工智能产品的强制性安全标准[38]。此处的安全标准应是一个综合性体系，至少涵盖算法标准、数据标准以及系统标准。本罪为实害犯，其司法认定高度依赖于第三方权威检测机构出具的合规性检测报告。国家应尽快建立统一的人工智能产品安全认证体系与认证机构名录，检察机关可委托名录内的机构对涉案AI产品进行检测，其出具的“不符合安全标准”的结论将成为定罪的关键证据，应建立缺陷产品召回制度与刑事责任的衔接机制，对于已发布召回令但拒不执行，从而导致严重后果的，应作为从重处罚的情节。4.5.2新增罪名的规范量化人工智能犯罪新增罪名的规范体系构建本质在于通过法律框架规避技术自主性产生的不可控风险。6个罪名并非孤立存在，它们共同应对技术失控引发的系统性危机。技术滥用类罪名包含非法利用算法操纵罪与深度伪造信息滥用罪，聚焦技术工具的恶意赋能问题，两类罪名的共性在于将特定技术手段本身确立为可罚性基础，属于行为犯，其技术手段因固有的危害潜能而触发刑事责任，无需等待实害结果发生，实施即构成犯罪既遂。这种前置化规制突破传统刑法对实害结果的依赖，通过直接阻断犯罪能力供给遏制技术异化。人工智能系统失控危害罪与人工智能重大安全事故罪可归属于系统风险管控类罪名，直指技术自主性引发的管理失序，其核心在于将技术安全管理的义务转化为具有强制力的法律规范，要求开发者、运营者在设计环节必须建立算法安全及人工干预机制。若行为人违反此类法定安全义务，因系统自主决策造成重大危险状态，即需承担刑事责任。此类罪名通过过失犯构造填补了技术自主性导致的归责断层，将技术可控