AI致死后归责困局：斯坦福“幽灵代理人”框架如何重构法律意图？

人工智能技术的指数级迭代，正将法律界推向一个前所未有的伦理与责任十字路口。当Anthropic在2026年7月宣布在Claude模型中发现了类似神经科学中“全局工作空间”的J-space现象时，尽管官方谨慎地避免了“AI意识觉醒”的过度解读，但这一发现无疑加剧了公众与学界对于机器心智的焦虑。与此同时，美国首例联邦裁决Garcia诉Character.AI案，更以惨痛的“致死”后果，强行撕开了法律体系中关于“意图”与“责任”的传统缝隙。在这样的背景下，斯坦福法律信息学中心发布的《幽灵代理人：人工智能意图与法律责任》白皮书，提出了一种极具建设性的解决方案——功能性拟制归责架构。这一框架不再纠缠于AI是否拥有真正的“心灵”，而是致力于解决一个核心问题：在一个不再仅有人类有意愿的世界里，法律如何继续有效地分配责任？

传统的法律归责体系建立在一个根深蒂固的假设之上：只有人类才具备法律意义上的“意图”。在这种范式下，软件通常被视为被动的信息中介或服务工具，而非产品。原告若想追究责任，必须证明特定自然人存在过失。然而，现代大语言模型（LLM）的运作机制彻底颠覆了这一逻辑。AI的训练过程更像是一种“培育”而非机械“建造”，它们能够生成事先未明确规定的复杂目标，使用自然语言与用户进行深度互动，并触发人类用来理解彼此意图的认知机制。这种中间状态导致了一个严重的法律真空：如果完全否认AI输出的意图属性，违背了人类对交互体验的常识性认知；但如果过早赋予AI法律人格，又可能导致责任主体的模糊与逃避。斯坦福的提案正是为了填补这一真空，它主张在法律上将“AI的意图”视为一种在制度环境中分配责任的规范性工具，而非对机器心理状态的实证描述。

Garcia案的判决细节为这一理论提供了生动的注脚。该案源于一名14岁用户在Character.AI平台上与聊天机器人建立强烈情感依赖，最终导致自杀的悲剧。原告主张被告在产品设计和部署中存在过失，未能对脆弱用户群体提供足够的安全保障。被告则试图将聊天机器人定性为受宪法保护的“中立工具”和“创造性表达”，辩称其仅是响应用户提示，不具备主动性。然而，法院在立案阶段驳回了被告的辩解，并确立了一个关键的司法逻辑转变：法院并不关心聊天机器人是否拥有主观恶意，而是关注其动态生成回应、维持语境和适应用户输入的行为模式。这种设计本身就构成了对用户信赖的可预见性诱导。法院通过重构“产品”分析，将责任锚定在三个功能性支柱上：设计架构、可预见的信赖和优化目标。当系统被设计用来模拟关切时，用户在困境中产生的信赖便是合理且可预见的；若此时保障措施不足，由此产生的损害即可归责于设计者的选择。这表明，AI已无法再被视为被动的工具，其“行为”本身即蕴含了法律评价的空间。

为了系统化地处理这一复杂议题，《幽灵代理人》白皮书提出了一个分层治理框架，清晰地区分了地位、归责与治理三个层面。在“地位层”，法律无需承认AI的法律人格或道德主体性，这避免了象征性混乱和实际的责任逃避。在“归责层”，法律通过“功能性建构”来分配意图和责任。这里的“意图”并非心理学意义上的思维状态，而是一种法律拟制，用于推断行为的目的性、标志重要性并触发风险管理。在“治理层”，法律通过责任制度、监管和保险等机制来管理风险。这一框架的核心洞见在于：归责可以在没有地位的情况下运作，治理可以在不解决道德主体性的情况下进行。AI系统不需要成为法律主体，其行为依然可以产生明确的法律后果。这种区分使得法律能够保持灵活性，既不被机器意识的玄学争论所束缚，也不因技术黑箱而放弃监管。

将AI行为视为具有功能性意图，能够更好地服务于法律的实际功能。与动物不同，AI是被工程设计的实体，其行为虽然不可完全追溯到单一自然人的指令，但其底层代码、训练数据分布和优化目标共同构成了一套结构化的行为逻辑。AI能够在变化条件下追求目标，生成中间步骤并调整策略，这种“代理”特性正是归责路径适用的基础。从侵权和产品责任的角度看，功能性意图存在于系统能力与损害结果之间的一致性中。这种视角允许法律对底层代码的“黑箱”状态“不予置评”，转而关注系统被设计为如何行动。这不仅保留了人类开发者、部署者和用户的责任，更清晰地界定了他们在何种条件下需为具有法律后果的输出负责。相比之下，赋予AI法律人格可能导致责任稀释，因为象征性的人格确立往往伴随着实际责任的转移，削弱了对保留有意义控制的人类行为者的约束。

对于中国而言，尽管存在法律体系的结构性差异，但全球AI问责的趋势正呈现出明显的趋同特征。“意图性”正在直接或间接地进入法律分析的核心。随着《人工智能拟人化互动服务管理暂行办法》等法规的酝酿与实施，监管层面对AI模拟自然人人格特征、思维模式的持续性情感互动服务提出了更高要求。这提示中国科技公司，设计选择具有显著的法律意义。当一个AI系统被设计来可预测地激发信任或情感投入时，其界面设计、用户体验和拟人化线索将成为监管执法的重点。限制操纵性线索、增加披露要求和实施适龄保障措施，不仅是合规要求，更是降低损害风险的有效手段。科技企业必须认识到，AI的行为不再是随机的噪音，而是精心设计的产物，其法律后果必须由设计者承担。

此外，透明度与可审计性将成为AI企业生存的关键能力。随着模型能力的提升，底层代码的不透明性只会增加。当人类决策与有害结果之间的因果链无法被解释时，传统的证明要求可能导致责任缺口。因此，企业不能将日志记录、版本控制和事后审查视为可有可无的行政负担。法院在面对被告无法解释系统行为时，可能会抽取不利推定，或降低建立设计选择与损害之间联系的证据门槛。有意义的可审计性，即在保证商业机密的同时，能够提供系统运作逻辑的可验证记录，将成为AI产品进入市场的必备资质。这要求企业在研发初期就将“可解释性”嵌入架构设计，而非事后补救。

最后，责任架构的重构迫在眉睫。在系统不透明、适应性强且大规模部署的背景下，传统的过错责任往往难以适用。证明具体的个人过失在复杂的多层级开发链条中既不现实也不公平。因此，焦点应从“个人过错”转向“风险内部化”。借鉴智能驾驶领域成熟的“产品责任