与联邦政府不干预的做法相反，一些美国城市已经推出了自己的措施来减轻人工智能的潜在道德危害。最近备受瞩目的例子包括旧金山弗朗西斯科2019年暂停政府使用面部识别技术，以及波特兰私营部门禁止使用相同的技术[14]。这些地方性法规的出台显示了各州在道德和安全方面的积极努力。然而，由于缺乏统一的国家法规，各州之间的标准存在巨大差距，人工智能监管力度在不同地区存在显著差异。
　　对中国的政策启示
　　2024年3月18日，中国初创公司月之暗面官宣其旗下的Kimi智能助手启动内测，该公司系2023年10月首次推出该助手，仅仅半年便成长为国内第一款AI大模型，中国本土人工智能公司迎头追上，相关鼓励与监管措施应当跟进。
　　（一）激励政策
　　人工智能大模型的算法编写、模型迭代、运行成本等每一步都需要多产业多资源配合，因此激励政策即基于人工智能模型投入运行的全过程提出。
　　一是鼓励大模型算法开发。对于人工智能模型而言，算法是其最根本的内核，算法的发展需要充足的技术沉淀。现阶段，国内的人工智能算法发展并不成熟，仍与世界一流水平存在差距。欧美的人工智能企业，如OpenAI、XAI，已经开始开源部分大模型算法，监管层面应当允许国内公司在保证算法安全的情况下使用国际开源的算法模型，以促进襁褓中的国内人工智能的算法迭代升级。同时，为追求算法安全，鼓励中国本土的算法发展，可以设置国家级奖金用以激励人工智能开发者。根据indeed统计的百份薪资报告为准，算法工程师年薪大约在30万元，可由国家级部委牵头，参考行业平均年薪设立激励基金，以推动国产大模型的发展。
　　二是建立国家级优质数据库。人工智能模型的运行需要算法，而人工智能的迭代进化则需要大量的数据。原始数据的准确性决定了产出结果的准确性，而产出结果的准确性还受到算法的影响。保障数据质量是正义的要求，保障正义能预防人工智能带来的极端分化[15]。人工智能初创企业与目前大型科技公司间最大的区别就在于获取优质数据的难易程度，大型科技公司有海量的数据可用以训练人工智能模型，而初创企业则面临获取数据数量少、质量差、成本高的困境。出于促进创新及反垄断的需要，应当建立国家统一的优质数据库，并且以低成本向人工智能初创公司开放，以发挥中国数据量庞大的优势，促进国内人工智能模型的快速迭代。
　　三是加大能源支持。荷兰国家银行数据科学家Alex de Vries估计，到2027年，整个人工智能行业每年将消耗85至134太瓦时（1太瓦时=10亿千瓦时）的电力，这个电量足以匹敌肯尼亚、危地马拉和克罗地亚三国的年总发电量[16]。人工智能的发展一定会消耗大量能源，为了跟上世界前沿脚步，应当对相关企业优先供能或优惠供能，在人工智能发展后期可以逐步取消这些优惠政策。人工智能发展需要能源，鼓励光伏、太阳能等清洁能源发展需要更大的市场，二者形成良性循环。
　　（二）监管措施
　　人工智能滥用的风险是不可承受的，然而过多的监管政策又会制约初创时期的人工智能发展，需要在风险与发展之间寻求公平。现阶段需要针对已出现的问题及时做出规制，同时降低执行成本，为企业减负。
　　一是设计用于人工智能数据监管的区块链系统，形成“数据账本”。区块链技术通过提供去中心化和防篡改的账本来安全地传输、存储和验证数据，为解决数据安全提供了强大且稳定的解决方案。[17]区块链的不变性功能通过创建无法更改或篡改的数据交易的永久记录来减轻这些风险。当数据记录在区块链上时，它被存储在网络中的所有节点上，形成一个去中心化和同步的账本。利用区块链的数据完整性，人工智能系统可以维护所