監管沙盒：十年之後

作者：Hilary J. Allen 來源：American University

英國金融行爲監管局推出金融科技監管沙盒十年後，該模式雖全球普及，但其核心——監管放寬與指導結合——的實際效果仍缺乏有力實證。現有證據僅顯示沙盒利於參與企業，卻未能證明其對整體監管體系的影響或創新成果的廣泛惠及性。沙盒誕生時的兩大隱憂（削弱監管效力、促進監管學習效果存疑）在十年實踐中非但未消解，有時反而加劇。盡管設計優化可緩解部分問題，但根本挑戰在於需重新審視沙盒模式本身，尤其是在推廣用於促進生成式AI創新的當下。鑑於生成式AI規模擴張難破其固有局限，且已對隱私、知識產權及生態造成顯著負面影響，爲助推AI而貿然採用可能削弱法律保護的沙盒機制，風險過高。中國人民大學金融科技研究所對研究核心部分進行了編譯。

一、簡介

全球各國各領域的監管機構正積極探索適用於技術革新的監管路徑。2015年，英國金融行爲監管局（FCA）宣布構建金融科技監管沙盒機制，此後十年間該模式迅速席卷全球。監管沙盒的核心設計在於：精選企業可在規則約束減弱、執法風險降低的環境中開展產品有限度試點。其目標具有雙重性：其一旨在降低可能阻礙金融科技創新的準入門檻；其二爲監管機構提供認知新興技術的機會，以便在監督沙盒試驗過程中調整監管策略。近年來，各國政策制定者也對運用沙盒機制促進人工智能創新並構建AI監管新框架表現出濃厚興趣。然而十年金融科技沙盒實踐表明，將其移植至AI領域作爲政策工具缺乏充分依據。

盡管監管沙盒已被廣泛採用，但評估其目標實現程度的實證依據仍顯匱乏。現有實證研究聚焦於創新指標：參與企業的融資能力、專利獲取數量等。此類數據既無法揭示沙盒機制對金融科技整體監管格局的影響，亦不能證明沙盒催生的創新成果是否惠及創新主體之外的羣體。

數據支撐的缺失至關重要——金融科技沙盒實現其目標的前景實則不容樂觀。首先，尚不明確金融科技創新能否產生足夠社會效益，以佐證放寬重要監管條款的合理性，這些條款原本旨在保護消費者及金融系統免受侵害。其次，因沙盒參與者樣本缺乏代表性及極易誘發監管俘獲的特殊環境，監管機構從試驗中獲取的知識存在重大局限。監管者分享沙盒所得知識的渠道亦受制約。

二、監管沙盒的理論基礎

2016年，英國金融行爲監管局（FCA）將其首個監管沙盒定義爲"企業可在確保消費者獲得充分保護的前提下，測試創新產品、服務、商業模式及交付機制的'安全空間'"。此後十年間，FCA沙盒參與者主要聚焦於運用技術開發新型信貸、投資、銀行及支付產品。全球衆多司法轄區相繼效仿建立金融科技監管沙盒機制。盡管不同監管機構設計的沙盒在架構與目標上存在顯著差異，其核心目標通常包含以下要素：

1. 支持尋求提供創新產品、服務或商業模式的金融科技企業；

2. 構建更高效且風險管理更完善的金融服務體系；

3. 釐清新興技術及商業模式與監管框架的互動關係，識別可能形成的市場準入壁壘；

4. 促進有利於消費者的有效競爭；

提升金融服務的普惠性。

監管沙盒普遍被視爲三贏機制：助力創新者獲取資金並加速產品上市；確保消費者接觸更多金融科技產品；使監管機構認知金融科技產品及其與監管法規的適配關係（更不必說塑造司法轄區"創新友好"形象）。

自FCA首創以來，監管沙盒概念已突破金融科技領域，擴展至自動駕駛、法律實務等多元場景。經合組織（OECD）2023年報告顯示，全球當時已實施約100項沙盒計劃。尤其在人工智能領域，通過沙盒暫停監管以促進AI實驗的呼聲日益高漲。

監管沙盒具備多重優勢：

1. 促進創新：AI技術迭代迅猛，監管環境難以同步。沙盒在受控環境中降低技術研發的合規風險，實踐證明其能顯著縮短創新產品的"上市週期"，增強企業法律確定性進而激發創新活力。2. 提升響應速度：現行立法程序（如歐盟《人工智能法案》）進程遲緩——該法案2021年4月提出至今仍在審議，預計2025/26年前難以生效。更嚴峻的是，此類傳統立法一旦通過，未來爲適應技術發展進行修訂將極爲困難。某種程度上，該法案誕生於ChatGPT等生成式AI出現前的時代，當前已然過時。相較之下，沙盒作爲靈活響應工具可快速調整以應對新挑戰。3. 強化消費者保障：AI系統可能對消費者造成損害，沙盒通過在受控環境測試系統、識別並降低潛在風險，確保技術安全性，從而維護消費者對新興技術的信心。4. 推動協同治理：沙盒匯聚監管機構、企業及其他利益相關方共同推進AI技術發展，通過平衡創新需求與公共安全，催生更高效監管規則。這種監管者與被監管者的雙向學習形成雙贏，既增進技術信任又加速應用落地。

實踐中，部分司法轄區已啓動AI沙盒測試。英國、新加坡等地的金融科技沙盒運營方開始探索AI的金融應用（美國至少已提出一項法案，擬建沙盒供金融機構開展AI實驗）。獨立於金融監管的AI專項沙盒亦已出現：英國、挪威等地建立了聚焦隱私法規的AI沙盒。隨着歐盟《人工智能法案》要求成員國在2026年8月2日前至少運行一個AI監管沙盒或參與跨國聯合沙盒，此類機制未來數年將在歐盟境內激增。該法案預見了跨境AI沙盒的可能性——鑑於AI企業多司法轄區運營需求，且受AI技術跨領域特性影響，單一司法轄區內的沙盒亦需多部門監管協同。

爲應對金融服務跨境特性，全球創新金融監管機構網路（GFIN）於2019年成立，其探索的"跨境測試（CBT）機制"（亦稱"全球沙盒"）致力於"打造允許企業在多司法轄區連續或同步測試新技術、產品或商業模式的環境"。2020年10月GFIN啓動首輪跨境測試申請，要求申請者滿足所有目標司法轄區的準入標準。實施效果不盡如人意：38份申請中僅9家通過評估，最終僅2家企業進入實境測試階段。該機制至今未啓動第二輪，爲跨境沙盒實踐蒙上隱憂。但現有實證依據是否足夠充分？

三、十年沙盒運行的實證依據

英國金融行爲監管局（FCA）於2017年發布首份監管沙盒"成績單"，對其初期實驗進行自我評估。該報告積極肯定沙盒在以下領域的成效：

1. 縮短創新成果上市時間並潛在降低成本

2. 通過減少監管不確定性拓寬創新者融資渠道

3. 促成更多產品進入測試並有望推向市場

4. 推動監管機構與創新者協作，將消費者保護機制嵌入新產品服務

前三項目標直接惠及創新主體，末項則側重公共利益——FCA對第四項的滿意度部分基於"與企業共同制定定制化測試保障措施"。

迄今針對監管沙盒的獨立實證研究仍顯不足。國際清算銀行（BIS）經濟學家2024年發表的重要研究指出："盡管監管沙盒被廣泛採用且備受政策界關注，但關於其是否真正助力金融科技企業融資、創新或建立可行商業模式，仍缺乏系統實證依據。"BIS通過分析英國沙盒企業的資本獲取、存續率及專利數據，證實"沙盒實現了核心目標之一：幫助新興金融科技企業融資並激勵創新活動"。

此類研究與FCA自評同樣聚焦沙盒對創新主體的影響，證明加入沙盒隊列對企業有利。但該結論可能引發對政府機構"挑選贏家"的擔憂：未入選企業或面臨更嚴峻創新環境。BIS研究者雖承認沙盒參與者融資優勢"符合沙盒降低投融資信息壁壘及合規不確定成本的邏輯"，卻未排除另一種解釋："沙盒準入資格本身可能成爲信用背書，助益企業融資"。

更關鍵的是，現有有限研究僅回答了"監管沙盒是否整體利好政策"的冰山一角。BIS作者特別強調："研究結果不必然證明沙盒明確提升社會福利。沙盒運營常需公共資金支持，且助力企業融資僅是目標之一——增進消費者福利與維護金融穩定同等重要。"此外，BIS研究建立在"沙盒使監管者能在產品上市前預判其社會福利影響"的假設之上。而法學教授道格·薩羅（Doug Sarro）基於加拿大證券監管機構加密貨幣沙盒實踐的最新研究表明：即便產品面向公衆發布後，沙盒對消費者福利及金融穩定的影響仍持續存在。

薩羅發現，盡管普遍預期企業"畢業"後將全面合規，但加拿大省級證券監管機構"不僅監督沙盒內交易平台，更在其（名義上）退出沙盒後長期實施監管"。他進一步質疑爲沙盒定制的消費者保護措施的有效性：

監管者往往未能預判交易平台的新興風險，僅在風險與傳統證券領域相似、或已釀成重大消費者損害引發公衆質疑時方採取行動。

聯合國祕書長普惠金融特別倡導署（UNSGSA）與劍橋替代金融中心（CCAF）2019年報告亦提出其他質疑依據，其核心結論如下：

早期監管沙盒經驗表明：該機制對促進金融包容性既非必要也不充分。沙盒雖具優勢，但建立復雜且運維昂貴。實踐證明，多數沙盒測試涉及的監管問題無需實境測試環境即可有效解決。通過創新辦公室等工具能以更低成本達成類似效果。

換言之，耗費大量資源的金融科技沙盒若轉投他處或更見效（該報告指出多國監管機構對沙盒的資源消耗強度始料未及）。資源密集主因在於監管者需爲參與者提供定制化輔導——這種"監管扶持"成本高昂，但若缺失則沙盒成效堪憂（從參與企業角度評估）。這些發現必然引向深層質疑：促進金融科技創新是否真需沙盒的監管豁免？僅提供指導或足以激勵創新（且多數金融監管機構已設"創新中心"提供此類服務）。但更本質的詰問在於：動用公共資源培育私營領域創新是否符合公共利益？

四、深層隱憂

既往研究已揭示該模式的多重隱患：監管機構遴選沙盒企業實爲"挑選贏家"，破壞監管公平性；沙盒運維成本常超預期；其收益更多流向創新者而非公衆；隨着全球沙盒普及，"創新友好"政策信號的邊際效益持續遞減。近期研究更聚焦核心矛盾：金融科技沙盒要求暫緩執行本用於保護消費者及金融系統的關鍵法規。

沙盒支持者默認接受潛在公共危害的上升，其理論立足兩點：其一，創新將通過提升效率與競爭使公衆受益；其二，沙盒助益監管者認知新技術市場表現從而優化長期監管。然本節將論證：這些假設在金融科技領域經不起推敲，於人工智能領域同樣難以成立。需預先指出：創新未必普惠社會——雖被視爲提升效率與競爭的必要條件，但"效率"與"競爭"的具體內涵始終存在語境爭議，諸多解讀實則無益於整體社會福利。此外，當金融監管者轉型爲其所選創新的"啦啦隊長"與贊助方時，其客觀性及知識共享意願將被削弱，而監管認知本身已因沙盒參與者的選擇性存在偏差。

A. 作爲監管學習場的沙盒

企業參與沙盒純屬自願，故沙盒僅容納主動申請的創新主體。這導致雙重認知盲區：監管者既無法了解完全合規因無需參與沙盒的企業，也無從掌握自認不受現行法規約束的主體。即便在申請企業中，入選標準亦常模糊不清，大量申請遭拒卻無明確依據。

監管者從沙盒獲取的知識因而存在先天偏差。即便偏差樣本的認知仍具價值，但不應認定沙盒是唯一或最佳知識獲取途徑。正如聯合國機構所觀察：監管者完全可通過非正式渠道向初創企業學習新技術。監管松綁絕非認知金融科技或人工智能的必要條件。

沙盒生成監管知識的另一缺陷在於：準入機制催生異常政企關係，加劇"監管俘獲"風險。簡言之，"監管俘獲"指監管者將行業利益置於公共利益之上，其誘因或顯性（如腐敗）或隱性。隱性俘獲典型如：監管者主要從行業自身獲取信息（且未諮詢獨立研究者與消費者團體），其認知必然滲透行業視角進而被同化。此過程被稱爲"認知俘獲"，而金融科技商業模式的表面技術復雜性更易誘發該現象。若監管者未通過人才引進或內部培訓建立技術認知基線，其批判性評估行業主張的能力將受制約。該問題在AI監管中同樣突出——全球AI企業正以"監管拖慢創新""迫使創業者外流"等敘事主動俘獲監管者。

綜上，沙盒能否真正提升監管者履職能力值得深疑。筆者曾指出："監管沙盒或偶然輔助金融監管者履行風險防控職能，但其流行根源在於表面化預設——即迎合私營領域金融科技創新必然符合社會最佳利益。"下文將重點審視該預設的合理性。

B. 作爲監管目標的創新

如法學教授迪爾德麗·阿亨所言，監管沙盒理念建立在"監管者承擔改善消費者選擇、價格及效率的公共利益職能"基礎上——這與"以風險防控爲核心"的監管邏輯存在根本分野。然有充分理由質疑：金融科技沙盒催生的"競爭"與"效率"是否真正普惠公衆？放棄風險防控很可能被證明是種誤判。越來越多跡象表明，對AI創新公共效益的質疑同樣成立。在此背景下，爲包容創新而弱化公共保護機制的政策合理性存疑——而這恰是沙盒設計的本質邏輯。

1. 金融科技與生成式AI創新的局限

推動創新的政策首要惠及創新者自身。其理論預設是創新將產生惠及他人的次級效益，然現實中並非所有創新皆屬雙贏，該預設未必成立。例如道格·薩羅通過加拿大加密貨幣沙盒研究發現："監管實踐至少部分印證了擔憂——沙盒可能使創新者優先於消費者"。筆者與其他學者早前研究亦揭示：衆多金融科技產品除流暢應用界面外幾無實質性技術創新，部分產品更屬有害的"掠奪性吸納"——表面上服務曾被排斥的邊緣羣體，實則實施系統性剝削。金融科技的盈利源泉常非技術優勢，而是以"創新"之名規避本應遵守的消費者保護規則。

越來越多證據表明，對生成式AI"雙贏論"的質疑同樣成立（廣義AI涵蓋多元技術；生成式AI特指通過海量訓練數據識別關聯規律以生成新內容的工具）。2024年以來，學界開始尖銳質疑生成式AI的實際價值。如高盛股票研究主管吉姆·科維洛——這位自互聯網泡沫時期便追蹤科技產業的資深人士指出：硅谷開發的生成式AI缺乏明晰應用場景。他更警示："史上從未有技術甫問世即獲萬億美元估值預測...過去技術迭代總是廉價方案取代昂貴方案，而今昂貴技術竟試圖替代低成本人力，此邏輯從根本上難以成立。"

該形態AI的核心缺陷在於幻覺傾向：模型頻繁生成貌似權威實則謬誤的回應。典型謬誤包括：谷歌模型建議添加埃爾默膠水使披薩更富拉絲感；OpenAI模型無法正確拼寫草莓(strawberry)單詞中字母"r"的數量。更甚者，AI常虛構文獻支撐其結論：BBC 2025年研究發現，AI助手"13%援引BBC的論述存在篡改或根本無對應原文"。

企業若在無人監管狀態下部署此類模型，或將付出慘重代價——加拿大航空的教訓即是明證：其聊天機器人錯誤解答喪葬政策諮詢後，航空公司竟辯稱"聊天機器人應自負其責"，但民事法庭裁決其賠償客戶並處罰金。引入"人類介入機制"雖可降低錯誤風險，卻消解了AI旨在實現的成本優勢。檢測修正AI幻覺輸出需耗費大量專業人力：自由職業平台Upwork 2024年研究發現，96%高管預期AI工具提升企業生產力（39%強制使用/46%鼓勵使用），但近47%使用AI的員工坦言"不知如何達成僱主要求的增效目標"。

鑑於上述局限，生成式AI商業應用場景有限實非意外。企業普遍抗拒此類工具或屬幸事——最新研究揭示：AI工具依賴度與批判性思維能力呈顯著負相關。盡管AI被鼓吹爲"將人類從基礎事務解放以專注高階創造"的利器，但現實是：高階能力往往正源自基礎實踐的淬煉。

2. 創新導向監管的深層危機

即便拋開具體領域審視沙盒機制，對此監管工具仍存合理質疑。政策制定者尤須警惕沙盒催生的畸形激勵：理想狀態下，法律與監管機構應向行業傳遞"合規創新方能保障公共利益"的明確信號，但沙盒可能被解讀爲"爲創新讓路而犧牲法律權威"。

"競爭"與"效率"實爲照映監管者價值觀的羅夏墨跡測驗。以"效率"爲例，其在不同領域承載各異的價值判斷，根本無法作爲中立統一的監管目標。效率與競爭目標難爲監管者提供清晰路標：評估沙盒時，監管者必須追問"我們依據誰的視角判定競爭與效率？是參與企業、全行業抑或公衆？"

相較於耗費心力構建沙盒遷就創新，監管者更應採取主動預防策略遏制新技術公共危害。前貨幣監理署代理署長邁克爾·蘇提出"遷就與馴服"的金融科技監管框架，此模型同樣適用於廣義技術創新監管。

遷就政策可能爲缺陷技術背書，人爲維系本無生存能力的商業模式。鑑於創新者普遍缺乏對運營環境的全局認知（如前所述），馴服常是更優路徑。技術文化學者阿拉蒂·瓦德針對AI工具指出：

人工智能技術專家評估其社會政治影響的能力，遠低於其聲稱要顛覆領域的專業人士。醫生、教師、社會工作者及政策制定者等專業羣體探討AI時並非外行——他們恰是最有資格理解自動化技術在本領域潛在濫用風險的人。

需明確：成文法規有時確需爲公共利益演進，但當監管變革以零敲碎打方式推進且主要惠及少數沙盒企業時，必須引起警惕。若監管者確需實驗新策略，沙盒誕生前早有諸多全行業適用工具可用。聯合國機構評估金融科技沙盒時強調："比例原則或風險導向的許可制度可降低初創企業合規成本，且與沙盒測試不同——其覆蓋全體市場參與者。"

非正式監管手段在處理快速迭代技術時或有效益，但始終伴隨着代價——尤其是公衆參與權與監管決策透明度缺失。這些代價在沙盒語境下尤甚：私營企業對監管條款擁有重大話語權，受影響羣體甚至無從知曉條款內容，更不可能提出異議。當沙盒企業產品技術復雜度極高時，監管者往往屈從於其"技術權威"，更易主導條款制定。

監管者充當沙盒企業"啦啦隊長"的心態，誘發監管標準持續降低。加拿大案例顯示：加密貨幣企業"畢業"後仍無法合規運營——因盈利本質依賴監管套利而非技術創新。當臨時豁免到期，監管者面臨兩難抉擇：強制合規將導致企業倒閉，或將豁免永久化。政治經濟現實常迫使選擇後者：企業形成的僱員-客戶生態鏈催生既得利益網路，使監管者難以收緊規則。

其結果造成規則割裂，不同企業適用差異化標準，形成不公平競爭環境，徹底背離沙盒"培育全面合規"的初心。政策制定者須清醒認知：企業一旦進入沙盒，監管者即陷入被動遷就的困局，被迫長期縱容公共風險。根本解決之道在於轉向馴服模式——通過統一監管框架約束創新邊界，而非以犧牲公共利益換取技術發展

C. 跨境沙盒的治理困境

歐盟《人工智能法案》推動跨國沙盒機制，凸顯了跨境監管特殊挑戰：企業多轄區運營需求與小司法轄區效用依賴形成矛盾。然而跨境實施面臨深層障礙——監管標準碎片化、協調成本高企、政策信號消解等問題，進一步佐證了對沙盒工具的合理質疑。

2019年成立的全球創新金融監管機構網路（GFIN）雖以運行金融科技跨境沙盒爲目標，迄今僅成功完成一項跨境試驗，且僅兩家企業進入實境測試階段。低採納率的重要成因在於：參與者須滿足不同司法轄區的差異化監管要求。爲減少多轄區共識協調成本，GFIN採用"牽頭監管機構"機制，但坦承：

牽頭監管機構承擔着巨大資源壓力——需負責協調管理38份申請與23家監管機構，投入大量人力物力確保企業及監管方疑問及時解決，保障申請流程按時合規推進。

提升跨境沙盒效用必然要求法律標準協調統一，但跨境協調實爲高度政治化進程，常受國內利益集團博弈。任何沙盒"政策信號"效益都將在協調過程中消解——當所有轄區採用統一標準，便無"創新友好型司法轄區"。資源與責任分配難題也將持續存在——無論跨境運行或境內跨機構協都是如此。盡管沙盒以促進新技術爲名，但這些資源協調挑戰實爲老生常談，而監管沙盒並未提供任何創新解決方案。

五、結論

本文承繼筆者既往研究，主張在金融科技領域，監管者當以公共風險防控優先於通過私營創新提升效率與競爭。日益顯現的證據表明，此原則同樣適用於生成式人工智能領域——故對AI沙盒的推行存有多重憂慮。

雖精妙的沙盒設計可緩解部分隱患，但我們不應跳過根本性質疑直接討論技術方案：當務之急是重新審視監管沙盒在特定情境下的適用性。社會亟需對"硅谷式創新崇拜"進行集體反思，而增強對沙盒模式（及其促成的監管認知方式）的警惕性，應爲此反思的核心組成部分。畢竟距英國金融行爲監管局首創監管沙盒已逾十年，至今仍鮮有確鑿證據表明，這些資源密集型監管工具切實增進了公共福祉。