监管沙盒：十年之后

作者：Hilary J. Allen 来源：American University

英国金融行为监管局推出金融科技监管沙盒十年后，该模式虽全球普及，但其核心——监管放宽与指导结合——的实际效果仍缺乏有力实证。现有证据仅显示沙盒利于参与企业，却未能证明其对整体监管体系的影响或创新成果的广泛惠及性。沙盒诞生时的两大隐忧（削弱监管效力、促进监管学习效果存疑）在十年实践中非但未消解，有时反而加剧。尽管设计优化可缓解部分问题，但根本挑战在于需重新审视沙盒模式本身，尤其是在推广用于促进生成式AI创新的当下。鉴于生成式AI规模扩张难破其固有局限，且已对隐私、知识产权及生态造成显著负面影响，为助推AI而贸然采用可能削弱法律保护的沙盒机制，风险过高。中国人民大学金融科技研究所对研究核心部分进行了编译。

一、简介

全球各国各领域的监管机构正积极探索适用于技术革新的监管路径。2015年，英国金融行为监管局（FCA）宣布构建金融科技监管沙盒机制，此后十年间该模式迅速席卷全球。监管沙盒的核心设计在于：精选企业可在规则约束减弱、执法风险降低的环境中开展产品有限度试点。其目标具有双重性：其一旨在降低可能阻碍金融科技创新的准入门槛；其二为监管机构提供认知新兴技术的机会，以便在监督沙盒试验过程中调整监管策略。近年来，各国政策制定者也对运用沙盒机制促进人工智能创新并构建AI监管新框架表现出浓厚兴趣。然而十年金融科技沙盒实践表明，将其移植至AI领域作为政策工具缺乏充分依据。

尽管监管沙盒已被广泛采用，但评估其目标实现程度的实证依据仍显匮乏。现有实证研究聚焦于创新指标：参与企业的融资能力、专利获取数量等。此类数据既无法揭示沙盒机制对金融科技整体监管格局的影响，亦不能证明沙盒催生的创新成果是否惠及创新主体之外的群体。

数据支撑的缺失至关重要——金融科技沙盒实现其目标的前景实则不容乐观。首先，尚不明确金融科技创新能否产生足够社会效益，以佐证放宽重要监管条款的合理性，这些条款原本旨在保护消费者及金融系统免受侵害。其次，因沙盒参与者样本缺乏代表性及极易诱发监管俘获的特殊环境，监管机构从试验中获取的知识存在重大局限。监管者分享沙盒所得知识的渠道亦受制约。

二、监管沙盒的理论基础

2016年，英国金融行为监管局（FCA）将其首个监管沙盒定义为"企业可在确保消费者获得充分保护的前提下，测试创新产品、服务、商业模式及交付机制的'安全空间'"。此后十年间，FCA沙盒参与者主要聚焦于运用技术开发新型信贷、投资、银行及支付产品。全球众多司法辖区相继效仿建立金融科技监管沙盒机制。尽管不同监管机构设计的沙盒在架构与目标上存在显著差异，其核心目标通常包含以下要素：

1. 支持寻求提供创新产品、服务或商业模式的金融科技企业；

2. 构建更高效且风险管理更完善的金融服务体系；

3. 厘清新兴技术及商业模式与监管框架的互动关系，识别可能形成的市场准入壁垒；

4. 促进有利于消费者的有效竞争；

提升金融服务的普惠性。

监管沙盒普遍被视为三赢机制：助力创新者获取资金并加速产品上市；确保消费者接触更多金融科技产品；使监管机构认知金融科技产品及其与监管法规的适配关系（更不必说塑造司法辖区"创新友好"形象）。

自FCA首创以来，监管沙盒概念已突破金融科技领域，扩展至自动驾驶、法律实务等多元场景。经合组织（OECD）2023年报告显示，全球当时已实施约100项沙盒计划。尤其在人工智能领域，通过沙盒暂停监管以促进AI实验的呼声日益高涨。

监管沙盒具备多重优势：

1. 促进创新：AI技术迭代迅猛，监管环境难以同步。沙盒在受控环境中降低技术研发的合规风险，实践证明其能显著缩短创新产品的"上市周期"，增强企业法律确定性进而激发创新活力。2. 提升响应速度：现行立法程序（如欧盟《人工智能法案》）进程迟缓——该法案2021年4月提出至今仍在审议，预计2025/26年前难以生效。更严峻的是，此类传统立法一旦通过，未来为适应技术发展进行修订将极为困难。某种程度上，该法案诞生于ChatGPT等生成式AI出现前的时代，当前已然过时。相较之下，沙盒作为灵活响应工具可快速调整以应对新挑战。3. 强化消费者保障：AI系统可能对消费者造成损害，沙盒通过在受控环境测试系统、识别并降低潜在风险，确保技术安全性，从而维护消费者对新兴技术的信心。4. 推动协同治理：沙盒汇聚监管机构、企业及其他利益相关方共同推进AI技术发展，通过平衡创新需求与公共安全，催生更高效监管规则。这种监管者与被监管者的双向学习形成双赢，既增进技术信任又加速应用落地。

实践中，部分司法辖区已启动AI沙盒测试。英国、新加坡等地的金融科技沙盒运营方开始探索AI的金融应用（美国至少已提出一项法案，拟建沙盒供金融机构开展AI实验）。独立于金融监管的AI专项沙盒亦已出现：英国、挪威等地建立了聚焦隐私法规的AI沙盒。随着欧盟《人工智能法案》要求成员国在2026年8月2日前至少运行一个AI监管沙盒或参与跨国联合沙盒，此类机制未来数年将在欧盟境内激增。该法案预见了跨境AI沙盒的可能性——鉴于AI企业多司法辖区运营需求，且受AI技术跨领域特性影响，单一司法辖区内的沙盒亦需多部门监管协同。

为应对金融服务跨境特性，全球创新金融监管机构网络（GFIN）于2019年成立，其探索的"跨境测试（CBT）机制"（亦称"全球沙盒"）致力于"打造允许企业在多司法辖区连续或同步测试新技术、产品或商业模式的环境"。2020年10月GFIN启动首轮跨境测试申请，要求申请者满足所有目标司法辖区的准入标准。实施效果不尽如人意：38份申请中仅9家通过评估，最终仅2家企业进入实境测试阶段。该机制至今未启动第二轮，为跨境沙盒实践蒙上隐忧。但现有实证依据是否足够充分？

三、十年沙盒运行的实证依据

英国金融行为监管局（FCA）于2017年发布首份监管沙盒"成绩单"，对其初期实验进行自我评估。该报告积极肯定沙盒在以下领域的成效：

1. 缩短创新成果上市时间并潜在降低成本

2. 通过减少监管不确定性拓宽创新者融资渠道

3. 促成更多产品进入测试并有望推向市场

4. 推动监管机构与创新者协作，将消费者保护机制嵌入新产品服务

前三项目标直接惠及创新主体，末项则侧重公共利益——FCA对第四项的满意度部分基于"与企业共同制定定制化测试保障措施"。

迄今针对监管沙盒的独立实证研究仍显不足。国际清算银行（BIS）经济学家2024年发表的重要研究指出："尽管监管沙盒被广泛采用且备受政策界关注，但关于其是否真正助力金融科技企业融资、创新或建立可行商业模式，仍缺乏系统实证依据。"BIS通过分析英国沙盒企业的资本获取、存续率及专利数据，证实"沙盒实现了核心目标之一：帮助新兴金融科技企业融资并激励创新活动"。

此类研究与FCA自评同样聚焦沙盒对创新主体的影响，证明加入沙盒队列对企业有利。但该结论可能引发对政府机构"挑选赢家"的担忧：未入选企业或面临更严峻创新环境。BIS研究者虽承认沙盒参与者融资优势"符合沙盒降低投融资信息壁垒及合规不确定成本的逻辑"，却未排除另一种解释："沙盒准入资格本身可能成为信用背书，助益企业融资"。

更关键的是，现有有限研究仅回答了"监管沙盒是否整体利好政策"的冰山一角。BIS作者特别强调："研究结果不必然证明沙盒明确提升社会福利。沙盒运营常需公共资金支持，且助力企业融资仅是目标之一——增进消费者福利与维护金融稳定同等重要。"此外，BIS研究建立在"沙盒使监管者能在产品上市前预判其社会福利影响"的假设之上。而法学教授道格·萨罗（Doug Sarro）基于加拿大证券监管机构加密货币沙盒实践的最新研究表明：即便产品面向公众发布后，沙盒对消费者福利及金融稳定的影响仍持续存在。

萨罗发现，尽管普遍预期企业"毕业"后将全面合规，但加拿大省级证券监管机构"不仅监督沙盒内交易平台，更在其（名义上）退出沙盒后长期实施监管"。他进一步质疑为沙盒定制的消费者保护措施的有效性：

监管者往往未能预判交易平台的新兴风险，仅在风险与传统证券领域相似、或已酿成重大消费者损害引发公众质疑时方采取行动。

联合国秘书长普惠金融特别倡导署（UNSGSA）与剑桥替代金融中心（CCAF）2019年报告亦提出其他质疑依据，其核心结论如下：

早期监管沙盒经验表明：该机制对促进金融包容性既非必要也不充分。沙盒虽具优势，但建立复杂且运维昂贵。实践证明，多数沙盒测试涉及的监管问题无需实境测试环境即可有效解决。通过创新办公室等工具能以更低成本达成类似效果。

换言之，耗费大量资源的金融科技沙盒若转投他处或更见效（该报告指出多国监管机构对沙盒的资源消耗强度始料未及）。资源密集主因在于监管者需为参与者提供定制化辅导——这种"监管扶持"成本高昂，但若缺失则沙盒成效堪忧（从参与企业角度评估）。这些发现必然引向深层质疑：促进金融科技创新是否真需沙盒的监管豁免？仅提供指导或足以激励创新（且多数金融监管机构已设"创新中心"提供此类服务）。但更本质的诘问在于：动用公共资源培育私营领域创新是否符合公共利益？

四、深层隐忧

既往研究已揭示该模式的多重隐患：监管机构遴选沙盒企业实为"挑选赢家"，破坏监管公平性；沙盒运维成本常超预期；其收益更多流向创新者而非公众；随着全球沙盒普及，"创新友好"政策信号的边际效益持续递减。近期研究更聚焦核心矛盾：金融科技沙盒要求暂缓执行本用于保护消费者及金融系统的关键法规。

沙盒支持者默认接受潜在公共危害的上升，其理论立足两点：其一，创新将通过提升效率与竞争使公众受益；其二，沙盒助益监管者认知新技术市场表现从而优化长期监管。然本节将论证：这些假设在金融科技领域经不起推敲，于人工智能领域同样难以成立。需预先指出：创新未必普惠社会——虽被视为提升效率与竞争的必要条件，但"效率"与"竞争"的具体内涵始终存在语境争议，诸多解读实则无益于整体社会福利。此外，当金融监管者转型为其所选创新的"啦啦队长"与赞助方时，其客观性及知识共享意愿将被削弱，而监管认知本身已因沙盒参与者的选择性存在偏差。

A. 作为监管学习场的沙盒

企业参与沙盒纯属自愿，故沙盒仅容纳主动申请的创新主体。这导致双重认知盲区：监管者既无法了解完全合规因无需参与沙盒的企业，也无从掌握自认不受现行法规约束的主体。即便在申请企业中，入选标准亦常模糊不清，大量申请遭拒却无明确依据。

监管者从沙盒获取的知识因而存在先天偏差。即便偏差样本的认知仍具价值，但不应认定沙盒是唯一或最佳知识获取途径。正如联合国机构所观察：监管者完全可通过非正式渠道向初创企业学习新技术。监管松绑绝非认知金融科技或人工智能的必要条件。

沙盒生成监管知识的另一缺陷在于：准入机制催生异常政企关系，加剧"监管俘获"风险。简言之，"监管俘获"指监管者将行业利益置于公共利益之上，其诱因或显性（如腐败）或隐性。隐性俘获典型如：监管者主要从行业自身获取信息（且未咨询独立研究者与消费者团体），其认知必然渗透行业视角进而被同化。此过程被称为"认知俘获"，而金融科技商业模式的表面技术复杂性更易诱发该现象。若监管者未通过人才引进或内部培训建立技术认知基线，其批判性评估行业主张的能力将受制约。该问题在AI监管中同样突出——全球AI企业正以"监管拖慢创新""迫使创业者外流"等叙事主动俘获监管者。

综上，沙盒能否真正提升监管者履职能力值得深疑。笔者曾指出："监管沙盒或偶然辅助金融监管者履行风险防控职能，但其流行根源在于表面化预设——即迎合私营领域金融科技创新必然符合社会最佳利益。"下文将重点审视该预设的合理性。

B. 作为监管目标的创新

如法学教授迪尔德丽·阿亨所言，监管沙盒理念建立在"监管者承担改善消费者选择、价格及效率的公共利益职能"基础上——这与"以风险防控为核心"的监管逻辑存在根本分野。然有充分理由质疑：金融科技沙盒催生的"竞争"与"效率"是否真正普惠公众？放弃风险防控很可能被证明是种误判。越来越多迹象表明，对AI创新公共效益的质疑同样成立。在此背景下，为包容创新而弱化公共保护机制的政策合理性存疑——而这恰是沙盒设计的本质逻辑。

1. 金融科技与生成式AI创新的局限

推动创新的政策首要惠及创新者自身。其理论预设是创新将产生惠及他人的次级效益，然现实中并非所有创新皆属双赢，该预设未必成立。例如道格·萨罗通过加拿大加密货币沙盒研究发现："监管实践至少部分印证了担忧——沙盒可能使创新者优先于消费者"。笔者与其他学者早前研究亦揭示：众多金融科技产品除流畅应用界面外几无实质性技术创新，部分产品更属有害的"掠夺性吸纳"——表面上服务曾被排斥的边缘群体，实则实施系统性剥削。金融科技的盈利源泉常非技术优势，而是以"创新"之名规避本应遵守的消费者保护规则。

越来越多证据表明，对生成式AI"双赢论"的质疑同样成立（广义AI涵盖多元技术；生成式AI特指通过海量训练数据识别关联规律以生成新内容的工具）。2024年以来，学界开始尖锐质疑生成式AI的实际价值。如高盛股票研究主管吉姆·科维洛——这位自互联网泡沫时期便追踪科技产业的资深人士指出：硅谷开发的生成式AI缺乏明晰应用场景。他更警示："史上从未有技术甫问世即获万亿美元估值预测...过去技术迭代总是廉价方案取代昂贵方案，而今昂贵技术竟试图替代低成本人力，此逻辑从根本上难以成立。"

该形态AI的核心缺陷在于幻觉倾向：模型频繁生成貌似权威实则谬误的回应。典型谬误包括：谷歌模型建议添加埃尔默胶水使披萨更富拉丝感；OpenAI模型无法正确拼写草莓(strawberry)单词中字母"r"的数量。更甚者，AI常虚构文献支撑其结论：BBC 2025年研究发现，AI助手"13%援引BBC的论述存在篡改或根本无对应原文"。

企业若在无人监管状态下部署此类模型，或将付出惨重代价——加拿大航空的教训即是明证：其聊天机器人错误解答丧葬政策咨询后，航空公司竟辩称"聊天机器人应自负其责"，但民事法庭裁决其赔偿客户并处罚金。引入"人类介入机制"虽可降低错误风险，却消解了AI旨在实现的成本优势。检测修正AI幻觉输出需耗费大量专业人力：自由职业平台Upwork 2024年研究发现，96%高管预期AI工具提升企业生产力（39%强制使用/46%鼓励使用），但近47%使用AI的员工坦言"不知如何达成雇主要求的增效目标"。

鉴于上述局限，生成式AI商业应用场景有限实非意外。企业普遍抗拒此类工具或属幸事——最新研究揭示：AI工具依赖度与批判性思维能力呈显著负相关。尽管AI被鼓吹为"将人类从基础事务解放以专注高阶创造"的利器，但现实是：高阶能力往往正源自基础实践的淬炼。

2. 创新导向监管的深层危机

即便抛开具体领域审视沙盒机制，对此监管工具仍存合理质疑。政策制定者尤须警惕沙盒催生的畸形激励：理想状态下，法律与监管机构应向行业传递"合规创新方能保障公共利益"的明确信号，但沙盒可能被解读为"为创新让路而牺牲法律权威"。

"竞争"与"效率"实为照映监管者价值观的罗夏墨迹测验。以"效率"为例，其在不同领域承载各异的价值判断，根本无法作为中立统一的监管目标。效率与竞争目标难为监管者提供清晰路标：评估沙盒时，监管者必须追问"我们依据谁的视角判定竞争与效率？是参与企业、全行业抑或公众？"

相较于耗费心力构建沙盒迁就创新，监管者更应采取主动预防策略遏制新技术公共危害。前货币监理署代理署长迈克尔·苏提出"迁就与驯服"的金融科技监管框架，此模型同样适用于广义技术创新监管。

迁就政策可能为缺陷技术背书，人为维系本无生存能力的商业模式。鉴于创新者普遍缺乏对运营环境的全局认知（如前所述），驯服常是更优路径。技术文化学者阿拉蒂·瓦德针对AI工具指出：

人工智能技术专家评估其社会政治影响的能力，远低于其声称要颠覆领域的专业人士。医生、教师、社会工作者及政策制定者等专业群体探讨AI时并非外行——他们恰是最有资格理解自动化技术在本领域潜在滥用风险的人。

需明确：成文法规有时确需为公共利益演进，但当监管变革以零敲碎打方式推进且主要惠及少数沙盒企业时，必须引起警惕。若监管者确需实验新策略，沙盒诞生前早有诸多全行业适用工具可用。联合国机构评估金融科技沙盒时强调："比例原则或风险导向的许可制度可降低初创企业合规成本，且与沙盒测试不同——其覆盖全体市场参与者。"

非正式监管手段在处理快速迭代技术时或有效益，但始终伴随着代价——尤其是公众参与权与监管决策透明度缺失。这些代价在沙盒语境下尤甚：私营企业对监管条款拥有重大话语权，受影响群体甚至无从知晓条款内容，更不可能提出异议。当沙盒企业产品技术复杂度极高时，监管者往往屈从于其"技术权威"，更易主导条款制定。

监管者充当沙盒企业"啦啦队长"的心态，诱发监管标准持续降低。加拿大案例显示：加密货币企业"毕业"后仍无法合规运营——因盈利本质依赖监管套利而非技术创新。当临时豁免到期，监管者面临两难抉择：强制合规将导致企业倒闭，或将豁免永久化。政治经济现实常迫使选择后者：企业形成的雇员-客户生态链催生既得利益网络，使监管者难以收紧规则。

其结果造成规则割裂，不同企业适用差异化标准，形成不公平竞争环境，彻底背离沙盒"培育全面合规"的初心。政策制定者须清醒认知：企业一旦进入沙盒，监管者即陷入被动迁就的困局，被迫长期纵容公共风险。根本解决之道在于转向驯服模式——通过统一监管框架约束创新边界，而非以牺牲公共利益换取技术发展

C. 跨境沙盒的治理困境

欧盟《人工智能法案》推动跨国沙盒机制，凸显了跨境监管特殊挑战：企业多辖区运营需求与小司法辖区效用依赖形成矛盾。然而跨境实施面临深层障碍——监管标准碎片化、协调成本高企、政策信号消解等问题，进一步佐证了对沙盒工具的合理质疑。

2019年成立的全球创新金融监管机构网络（GFIN）虽以运行金融科技跨境沙盒为目标，迄今仅成功完成一项跨境试验，且仅两家企业进入实境测试阶段。低采纳率的重要成因在于：参与者须满足不同司法辖区的差异化监管要求。为减少多辖区共识协调成本，GFIN采用"牵头监管机构"机制，但坦承：

牵头监管机构承担着巨大资源压力——需负责协调管理38份申请与23家监管机构，投入大量人力物力确保企业及监管方疑问及时解决，保障申请流程按时合规推进。

提升跨境沙盒效用必然要求法律标准协调统一，但跨境协调实为高度政治化进程，常受国内利益集团博弈。任何沙盒"政策信号"效益都将在协调过程中消解——当所有辖区采用统一标准，便无"创新友好型司法辖区"。资源与责任分配难题也将持续存在——无论跨境运行或境内跨机构协都是如此。尽管沙盒以促进新技术为名，但这些资源协调挑战实为老生常谈，而监管沙盒并未提供任何创新解决方案。

五、结论

本文承继笔者既往研究，主张在金融科技领域，监管者当以公共风险防控优先于通过私营创新提升效率与竞争。日益显现的证据表明，此原则同样适用于生成式人工智能领域——故对AI沙盒的推行存有多重忧虑。

虽精妙的沙盒设计可缓解部分隐患，但我们不应跳过根本性质疑直接讨论技术方案：当务之急是重新审视监管沙盒在特定情境下的适用性。社会亟需对"硅谷式创新崇拜"进行集体反思，而增强对沙盒模式（及其促成的监管认知方式）的警惕性，应为此反思的核心组成部分。毕竟距英国金融行为监管局首创监管沙盒已逾十年，至今仍鲜有确凿证据表明，这些资源密集型监管工具切实增进了公共福祉。