人工智能（AI）正在成为重塑世界秩序的重要力量。从产业链重组到知识生产，从劳动方式变化到国际竞争，AI带来的影响已经远远超越单纯的技术革命，而成为一个关乎未来社会结构的问题。
当大公司掌握最先进的AI技术时，会对那些没有技术的小国产生新的殖民吗？非洲民众所产生的数据和欧美国家所产生的数据，在AI面前是平等的吗？在2026世界人工智能大会召开之际，围绕“谁的智能”这一问题，我们需要追问：人工智能究竟为谁服务？它是在创造更加普惠的未来，还是在以新的技术形式复制甚至加剧既有的不平等？
本期对话中，复旦大学国际关系与公共事务学院教授殷之光与美利坚大学国际事务学院助理教授、哈佛大学国际事务中心研究员李汉松从全球南方视角出发，讨论AI背后的全球劳动分工、数据权力与知识正义问题。而这当中最重要的，是如何“把人带回来”。
李汉松老师（左）与殷之光老师（右）在现场对谈
殷之光：我们今天所面对的时代主题，是“大变局与新时代背景下的中国和世界”。这个主题其实包含着两个相互关联、又相互作用的层面。
第一个层面，是全球不平等结构的问题。既然存在不平等结构，就必然会产生相应的两面：一方面是处于优势位置、掌握更多资源和话语权的力量；另一方面，则是在这一结构中受到限制和影响的群体。
第二个层面，则是“新时代”本身所意味的物质条件变化。相比19世纪末、20世纪初，今天世界最大的变化之一，就是人工智能、信息技术等新一轮科技革命正在深刻改变人类社会的生产方式和组织方式。
所以，我想请你先向大家介绍一下，你为什么关注AI？你对人工智能的核心关注点主要在哪里？
李汉松：AI是这个时代绕不开的一个问题，因为不管是亚当·斯密还是马克思，他们所关注的本质上都是在他们那个时代最先进的生产力。今天，人工智能无疑代表着这一时代最先进生产力。当然，我们既要规避用一种线性的思维去理解科技发展，仿佛技术只有唯一的发展路径；也要警惕盲目的科技乐观主义，把AI想像成能够自动解决一切社会问题的万能工具。
但无论如何，先进生产力始终值得关注，因为它不仅改变生产方式，更会重塑社会关系，而新的社会关系又会深刻影响共同意识的形成，为整个社会提供新的运行框架。
AI究竟意味着什么，我认为至少可以从三个层面来思考。
第一个层面，是全球产业链和全球劳动分工的重组。
为什么有些国家和企业掌握着大语言模型训练、算力平台和核心算法，而另一些国家却主要承担数据标注、信息处理，甚至只是提供矿产、能源等原材料？这种分工究竟是如何形成的？
殷之光：甚至在数字时代，还出现了大量新的数字劳工，他们负责数据标注、数据编码等基础工作。
李汉松：正是如此。因此，我们就需要追问：所谓人工智能的乌托邦，在今天是否依然建立在全球不平等的基础之上？它究竟是在创造一个新的未来，还是只是以新的技术形式再生产既有的不平等？
殷之光：所以在你看来，像Palantir这样的大型数据公司，他们构想的未来，与我们所熟悉的人类的社会组织方式有什么差异？他们是否真正实现了平等？还是在实现一种叫做不平等的再生产？
李汉松：没错，如果AI真是在给我们赋能，它的赋能是普遍且平等的吗？还是以一种加速、放大不平等的方式赋能呢？
殷之光：这其实就是“不平衡但相互联系”（combined but uneven）的发展逻辑。
李汉松：所以，未来的AI乌托邦究竟是什么样子？不同科技公司的创始人、首席工程师和CEO其实有着不同的设想。其中一部分看似“以人为本”（human-centered）的愿景，本质上仍然是以技术精英为中心：他们身边环绕着大量具身机器人，而机器人之外，才是普通人。
殷之光：或者说，不是“以人为本”，而是“以他们自己为本”。
李汉松：对，他们设想的是一个由技术精英主导的社会。机器人承担绝大多数劳动，那么普通人又将扮演什么角色？这也是我在新德里、达卡以及许多全球南方国家考察时一直思考的问题。那些国家的人口仍在快速增长，但由于自动化技术的发展，其中相当一部分劳动者可能永远不会经历东北亚地区在20世纪70年代到21世纪初所经历的那种完整工业化路径，也很难直接进入被大型科技企业垄断的高端科技产业。
殷之光：因为任何经济体都不可能只有尖端产业，整个社会不能建立在“空中楼阁”之上。
李汉松：正是如此。所以，这样的未来愿景本身就包含着大量结构性的不平等。
在“以少数人为本”之外，第二种构想是人机结合（Human-Machine Integration）。广义上讲，未来一个工厂可能只需要三位工程师，其余全部由机器人完成生产；狭义上讲，AI甚至可能像眼镜、助听器一样，成为人体能力的延伸。未来，我们或许随身携带一个“副脑”，通过AI随时调用知识、信息和记忆。像马斯克设想的脑机接口，是把芯片植入大脑；另一种可能，则是不植入，而是在体外始终连接一个AI系统。
例如，未来讲课时，我可能随时调用副脑中的资料，而不必依赖自己的生物记忆。但问题在于，人机结合并不能自动解决社会问题。它当然能够提升个人生产力，却同样会带来新的社会分工和新的社会关系。在知识经济时代，围绕AI形成的新型劳动组织方式，也可能催生新的异化关系。换句话说，人与机器如何结合，不只是一个技术问题，更是一个社会关系和政治经济结构的问题。
殷之光：这一点我还想再追问一下。你刚才提到，人机结合能够提升生产力。它多大程度上与你从事的具体生产相关？
比如，对于脑力劳动者而言，通过脑机接口或AI辅助处理信息，工作效率确实可能大幅提高。但如果是农业生产呢？当然，也可以借助外骨骼等技术提升劳动能力，不过外骨骼的工具属性非常明确，它只是强化了人的体能；相比之下，脑机结合改变的则是人的认知能力，它与人的关系已经不仅仅是工具，而更像是能力本身的延伸。因此，AI提升生产效率，到底应该如何理解？
脑机接口体验者尝试穿戴“脑机接口上肢主动健康系统”，用意念控制手部动作 深圳市卫健委
李汉松：我认为，AI提升的首先是效率，而未必是整体意义上的社会生产力。至少在目前，它对不同产业的影响是高度不均衡的。例如，在发达国家，受到AI冲击最明显的是服务业，影响面可能达到三分之一甚至三分之二。像律师助理、会计、金融分析师等岗位，都已经明显受到影响，程序员的需求也在发生变化。
过去我们一直认为，未来仍然需要人去管理机器人、驾驭机器人。但也许有一天，机器人连管理机器人都能够完成。越是向脑机结合、智能代理的发展方向演进，人类劳动被替代的暴露程度就越高，不确定性也越大。
相较之下，农业、小手工业以及大量非正式经济，与AI之间的关系则复杂得多。AI究竟能够在多大程度上赋能这些产业，又会在多大程度上使它们变得更加脆弱，目前都还没有明确答案。
例如，印度已经被认为是AI大国，但当我真正走进印度，看到如此庞大的非正式经济之后，我很难判断AI究竟在多大程度上真正改变了普通劳动者的生产生活。很多人或许根本没有接触到AI产业链。
当然，在非洲也有不少积极的尝试，例如利用AI进行天气监测、远程医疗，为当地农民提供农业服务。这代表着另一种AI发展的可能。
殷之光：也就是说，当AI真正与具体产业结合之后，它的发展路径就变得高度多样化了。
这一点其实非常重要。当你真正走到全球南方之后，就会发现，在发达城市里形成的许多关于AI的“共识”，在那里并不存在。原因就在于，各地赖以生存的物质基础和生产结构本身就是高度多样化的。
其中一个最现实的问题就是粮食。只有真正走到那些非城市地区，我们才会重新意识到，人类生存首先依赖的是第一产业，依赖农业。而在许多全球南方国家，粮食安全、食物多样性至今仍然是十分严峻的问题。
因此，当我们讨论AI带来的新不平等时，就需要进一步追问：AI究竟是在创造一种全新的不平等，还是主要加剧了既有的不平等？它是否进一步扩大了农业国家与工业国家、第一产业与第三产业之间原本就存在的发展差距？
李汉松：我认为，两种情况同时存在。一方面，AI确实创造了新的不平等，尤其是在AI产业链内部。处于产业链底端的国家，承担着大量数据标注、内容审核等基础劳动。这些劳动不仅劳动强度高，而且还伴随着心理上的巨大消耗。长期从事数据标注的人，需要不断处理暴力、色情、虚假信息以及各种具有攻击性的内容。他们实际上是在为整个AI系统“过滤污水”。
殷之光：也就是说，这是一种心理创伤（traumatizing）。
李汉松：没错。最终，其他人得到的是经过清洗之后的“干净数据”，而这些劳动者承担了整个过程中的污染和创伤。他们就像AI时代的过滤器。这种现象不仅发生在肯尼亚，在南亚和非洲许多国家都普遍存在。
这其实与过去全球产业链的逻辑非常相似。过去是孟加拉、越南、中国负责制造衣服，发达国家负责消费，而电子产品报废之后，又被运往加纳等国家处理电子垃圾。今天，在AI产业链中，同样存在着新的“数字废弃物”，而承担这些成本和风险的，依然是全球产业链底端的国家。
另一方面，AI又以极不均衡的方式赋能不同国家、不同地区和不同群体，由此形成新的支配关系。国际层面，不同国家在AI产业链中的位置进一步拉开；国内层面，则形成了新的“火车头”和“火车尾”，甚至还有大量根本没有赶上这趟列车的人。这些被排除在AI发展之外的人，很容易产生一种感受：“AI的发展与我有什么关系？”当知识经济不能成为一种包容性的知识经济时，他们便可能转而反对所谓的技术精英，并通过支持民粹主义政治人物来表达这种不满。
7月18日，参观者在智元机器人展台上观看机器人传统茶艺表演。新华社记者 方喆 摄
殷之光：这其实与特朗普所代表的反全球化思潮形成了某种呼应，这是一体两面的过程，即你描述的这个格局，它既重复了原有的不平等，同时又创造了新的不平等。同时我们也看到，不管是在AI这个产业内，存在着大量的、差异化的格局，同时在AI产业与其他产业的结合层面上，也存在着高度的差异化。
那么问题就来了。现在大家都在讨论AI全球治理，尤其是AI创造出来的这个新空间，到底应该怎么治理？既然我们已经意识到，这个空间内部存在着高度差异化的发展格局，那么，有没有新的思考路径，能够帮助我们理解这种差异，并据此构建新的全球治理框架？
李汉松：这个问题就超出了狭义上的全球AI产业链不平等，涉及到了全球知识不正义的问题。AI这一轮的治理，一定要具有包容性和参与性，而包容性最重要的表现就是数据的包容性，这是第二个层面。
人工智能，尤其是大语言模型，看似建立在海量数据之上，但实际上，用来训练这些模型的数据，只是整个人类经验数据中极其有限的一部分。大量人们在日常生活中不断生成的经验、知识和文化，并没有被采集，更没有进入模型训练的过程。
因此，AI本身并不是一个天然包容的系统。相反，它从数据来源开始，就已经具有一定的排他性。什么样的数据能够进入数据库，什么样的数据会被北美的大型科技公司和工程师认定为是“有效数据”，这本身就是一种选择，也是一种权力。
那么AI治理的重要任务之一，就是尽可能把那些长期没有进入主流数据库的数据纳入进来，让更多国家、更多地区、更多语言和更多社会群体，都能够参与到AI知识体系的建构过程中。
我在非洲就看到一些非常有意思的案例。例如，乌干达出现了不少本土AI创业公司，它们不再依赖欧美已有的数据集，而是利用当地的数据训练模型，使AI能够理解乌干达本土的语言、文化和社会环境。
再比如埃塞俄比亚，全国有八九十种语言。当地AI创业的发展方向，也更多围绕这些本土语言展开，而不是简单复制英语世界已有的大模型。
这些实践说明，AI的发展并不一定只能遵循北美科技公司的路径。不同地区完全可以立足自身的数据资源、语言环境和社会需求，探索更加符合本地实际的发展模式。这种数据来源的多元化，本身也是AI全球治理中不可或缺的包容性体现。
殷之光：也就是说，不仅仅是语言的多样性。
李汉松：没错，更重要的是本土数据和本土知识。不同地区拥有不同的历史经验、社会环境和知识体系，而这些都会影响AI的数据来源。数据不同，算法训练的结果就会不同，最终生成的知识和判断也会有所差异。
因此，这不仅仅是一个技术问题，更是一个知识正义（epistemic justice）的问题。谁的数据能够进入模型？谁的知识能够被AI学习和表达？谁又被排除在知识生产之外？这些都直接关系到AI时代知识生产的公平性。
所以，AI发展本身就存在着一种知识上的不平等和不正义。因为进入模型的数据，往往只是少数国家、少数群体的经验；算法的设计，也主要掌握在少数科技企业和技术精英手中。
因此，AI全球治理首先要解决的，就是包容性的问题。要不断扩大数据来源和知识来源，让更多国家、更多语言、更多文化和更多社会群体都能够参与知识生产。这样，AI最终生成的观点，尤其是涉及价值判断和规范性判断的内容，才能保持真正的多元，而不是演变成少数企业、少数国家的“一言堂”。
第三个层面，则是关于未来的想象（imaginaries）。
今天，无论是人机结合，还是由人类主导、AI辅助赋能，其实都还不是最激进的未来设想。当前硅谷的一些技术精英，已经开始构想更加极端的未来：例如少数人移民火星，留下地球自行衰败；又或者极少数人依靠人工智能、具身机器人等技术，掌握绝大多数资源，从而控制甚至支配其他人类。
这些设想所呈现的，实际上是一种高度技术精英化、等级化的未来图景，也体现出一种带有“黑暗启蒙”（Dark Enlightenment）色彩的未来想象。
《阿特拉斯耸耸肩》的封面
殷之光：某种程度上，这其实就是艾茵·兰德（Ayn Rand）《阿特拉斯耸耸肩》（Atlas Shrugged）所代表的那种自由意志主义（libertarian）的乌托邦想象。它实际上是在讲，这个世界最终只有少数知识精英、技术精英有资格活下来，而其他大多数人，在他们眼中除了阻碍技术和人类文明的进步之外，并没有什么价值。既然如此，他们怎么办？那就只能自己去建构一个乌托邦。
在兰德的《阿特拉斯耸耸肩》里，这个乌托邦是一座与世隔绝的山谷；到了马斯克所代表的技术未来主义那里，这个乌托邦则变成了火星。只有被选中的少数人，才有资格前往火星；至于地球，就仿佛可以被遗弃、任其毁灭。
李汉松：对，所以我觉得，这其实是一种很特殊的科技神学（technological theology）。更值得注意的是，这种科技神学又与某种施密特主义（Schmittian）和施特劳斯主义（Straussian）的政治思想结合在一起，形成了一套关于未来社会的精英主义叙事。我认为，这个问题在美国内部其实一直没有得到很好的回应和解决。而由于当前AI的发展长期以北美为中心，这种对未来的暗黑想象也不断向全球扩散。
正因为如此，中国的出现实际上创造了另一种可能性。当中国不断开辟新的技术空间和发展路径时，这种空间如果能够不断扩大，或许就有助于打破“黑暗启蒙”式“恶托邦”（Dystopia）对未来想象的垄断。
殷之光：这一点我特别感兴趣。你刚才实际上提出了一个非常重要的问题：AI在全球扩散的过程中，它的机制究竟是什么？我们前面谈到，多样性应该被纳入AI治理，这既意味着要发展能够覆盖多种语言的大语言模型，也意味着要开发能够结合不同地区实际情况的本土化AI模型。但这一切都有一个更基础的前提，也就是它的物质基础。
首先，大语言模型本身必须更加可及，算法要足够便宜，也要更加开放；其次，支撑AI发展的能源成本，尤其是电力，也必须足够低。
否则，我们前面讨论的多样性、包容性乃至全球治理，都只是建立在空中的上层建筑。只有在人们能够负担得起AI、拥有稳定而廉价的能源供给，同时大模型本身足够低成本、足够开源的前提下，这些治理目标才真正有实现的可能。而恰恰是在这些基础条件上，中国近年来所做的努力，是非常值得关注的。
李汉松：是的。除了开源之外，更重要的是要让AI真正与社会活动和经济生产结合起来。某种意义上，我们甚至可以适当放缓生成式人工智能（GenAI）、大语言模型在能力上的极限竞争，但一定要更加关注，它究竟为普通人的生活带来了什么，为社会创造了什么价值。这是一个方向。
另一个方向，就是可持续能源。AI的发展高度依赖电力，因此，可再生、可持续能源本身也是AI发展的重要基础。在这一点上，中国一直在持续投入，而美国相对缺乏这样的长期战略。
近年来，国际局势的变化，包括霍尔木兹海峡危机等事件，都进一步凸显了能源安全的重要性。韩国、日本等国家也逐渐意识到，长期依赖能源进口所带来的脆弱性，因此开始加大对可再生能源的投入。而美国在这一领域的政策推进，相对仍然比较有限。
因此，AI的发展不仅要与社会和经济深度结合，也必须建立在更加多元化、可持续的能源体系之上。
除此之外，还有一个更重要的问题，就是社会究竟希望AI走向何方。这实际上就是我们前面讨论的AI治理问题。目前，新加坡正推动东盟探索区域性的AI治理框架，非盟也在讨论相关议题，印尼等国家同样积极参与其中。
相比之下，美国长期以来更倾向于让脱缰野马似的创新领跑，只有在问题已经非常严重的时候，才开始介入监管。
殷之光：某种意义上，这仍然延续了美国新自由主义时期形成的治理路径和制度惯性。他们更强调市场自身的发展，而不是提前通过公共治理去塑造技术发展的方向。从认识论上来看，这其实就像我们常说的“空中楼阁”。
就像有人吃了六碗面，到第七碗才觉得饱，于是便以为真正起作用的只有第七碗；又像《孟子》里的寓言，只想建第二层楼，而忘记了第一层才是整个建筑的基础。很多人仿佛认为，只要掌握了最尖端的技术，其他问题都会迎刃而解。但实际上，发展始终是一个系统工程。
因此，把人的生存重新带回技术发展和全球治理的讨论，把技术真正建立在人类社会发展的基础之上，我认为才是最核心的问题。
李汉松：是的。我们今天看到美国社会出现如此严重的撕裂，但人们却很少从根本上反思：这种撕裂是否正是因为长期建造“空中楼阁”，忽视了底层社会的真实处境。
当越来越多的人被排除在技术进步之外，他们自然会对这种发展模式表达不满。即便今天这些不满已经转化为十分具体的政治后果，美国社会仍然缺乏一种系统性的政治反思。这一点，我认为是令人失望的。
殷之光：那么，反过来看，如果全球南方都意识到了这一点，我们应该怎样推动一种更加具有人类主体性的技术发展和全球治理？
李汉松：关键就在于协同治理（collaborative governance）。过去，资源和话语权长期掌握在少数国家和少数企业手中，因此很多国际规则并没有真正反映广大发展中国家的利益。美国独立战争时期曾提出一句非常著名的话：“没有代表，就不纳税”（no taxation without representation）。但在很长一段时间里，西方国家却在缺乏广泛代表性的情况下，主导着全球规则，并让其他国家承担相应成本。
因此，在AI时代、知识经济时代重新制定国际规则时，一个最基本的原则，就是共同制定、共同治理。只有真正参与规则制定，各国才会认可规则的合法性，也才愿意共同遵守。否则，如果规则不是我参与制定的，我为什么要接受它、遵守它？我认为，这才是未来AI全球治理最根本的原则。
7月18日，参观者在观看智能机器人进行物品分拣演示。新华社记者 方喆 摄
殷之光：这也正好契合正在上海举办的世界人工智能大会。今年大会强调的协同治理、普惠发展等议题，其实都是我们刚才讨论的关键词。
李汉松：是的。关键在于，如何形成一套关于人工智能的共同智慧，并以这种共同智慧逐步凝聚共同共识，最终形成共同遵循的规范。
当然，这套规范不可能一开始就是完美的，它一定会经历不断调整、不断完善的过程。但只要能够持续积累，它终究会逐渐成熟，并形成一种真正具有普遍性的治理机制。
过去，黑格尔式的历史观认为，西方代表着普遍性，而其他文明只是具有地方性、边缘性——它们或许很有趣，但终究只是“有趣”而已。今天，如果全球南方能够真正参与普遍规则的建构，那么它就不仅仅是规则的接受者，也能够成为普遍性的共同塑造者。
殷之光：我同意。不过，我并不认为我们的目标是重复一种新的“黑格尔式普遍性”，不是要用我们的普遍性去取代别人的普遍性，更不是简单地把全球北方“裹挟”进来。我觉得，更值得关注的是，在今天关于全球治理、AI治理的讨论中，我们重新把一种道德哲学的维度带了回来。
公平、正义、向善……这些概念看起来似乎很抽象，但实际上，它们贯穿着整个人类文明的发展。无论身处哪个文明、哪种文化，人们都无法回避对于善、公平与共同生活的追求。
遗憾的是，自19世纪以来，尤其是20世纪以来，以美国为主导的发展理论和全球治理实践越来越强调工具理性，试图把这些看似模糊、却真正体现人类价值追求的道德问题排除在外。
而今天，无论是世界人工智能大会，还是关于AI全球治理的相关倡议和白皮书，都在尝试把公平、正义、自由、民主等价值重新纳入AI治理的讨论之中。
李汉松：正因为如此，道义本身才具有普遍性。人本来就是一种具有道义追求的存在，我们天然关心公平、正义，也关心如何共同生活。所以，刚才我们所说的“裹挟”，并不是一种强制性的裹挟，而是指一种道义上的吸引力。
对于那些最初不愿参与共同治理的国家来说，当世界上出现一种更具包容性、更具有道义正当性的治理方案时，它们就拥有了新的选择。最终，大家会根据不同规范所体现的价值理念，选择自己愿意参与的治理体系。这并不是现实主义意义上的强制，而更接近一种“规范性现实主义”（normative realism）。
殷之光：或者说，不是被迫加入，而是在共同实践中逐渐被吸引、被吸纳，并最终形成新的共识。
李汉松：对，“远人不服，则修文德以来之”。通过不断完善自身的制度和价值，让更多人愿意主动参与。
殷之光：这是一种在实践过程中自然形成的和议，我觉得特别好，也特别适合作为今天讨论的结尾。
李汉松：因为最后还是落在“共同”——共同治理、共同发展、共同生活。
殷之光：而且，它背后还有一个更深层的基础，就是“道义”。
李汉松：其实，西方传统在工具理性兴起之前，本身也是高度道义化的。包括自然法传统，以及现代国际法中关于人权、人道等基本原则，很大程度上都源于自然法思想。归根结底，这些传统都在回答同一个问题：人类怎样才能更好地共同生活。
殷之光：这一点其实很有意思。欧洲有自然法传统，而中国同样有对于普遍道义的追求。中国虽然没有“神法”的观念，但始终强调“天道”“法自然”，同样关心公平、正义、可持续等人类共同价值。这些价值，恰恰构成了不同文明之间最大的公约数。
同时，我们也始终强调，要以辩证的眼光理解自由与统一、冲突与合作之间的关系，在整体联系中理解世界。我觉得，今天这场讨论虽然话题看似很散，但始终围绕着同一个问题展开：在既有的不平等格局之下，我们究竟应该如何思考人类秩序的未来？
李汉松：核心关怀始终没有变，就是以人为本。
殷之光：这也进一步体现了文明互鉴的意义。中国与西方、中国与世界，并不是彼此对立的主体，而是在不断交流、互动和相互塑造中共同发展。当然，这个过程会有冲突，也会有矛盾，但正是在解决矛盾的过程中，人类社会不断向前发展。
非常感谢你今年再次来到复旦大学“共同体治理与全球南方的去依附发展”研究生国际暑期学校，也感谢你带来这样一场关于人工智能与全球治理的精彩讨论。最后，你还有没有什么今天没来得及展开的话题要讲？
李汉松：如果有一天人类真的移民火星了，我们这个暑期学校该怎么办？
殷之光：那时候恐怕就不仅是全球正义，而是“星际正义”（interplanetary justice）的问题了。
李汉松：不过，无论是在地球还是火星，人始终还处于“人的境况”（human condition）。只要还有人，就依然会面对公平、正义、共同生活这些根本问题。无论是改革联合国、建立新的国际机制，还是未来走向星际社会，我们最终要回答的，始终都是同一个问题：如何让不同的人能够共同生活、共同合作、共同发展。
所以，无论移不移民火星，我们真正要解决的问题，其实始终没有改变。
殷之光：这一点我特别赞同。在最近的一些研究和讨论中，我都会强调一个议题：“把人带回来”，包括我们今天所有关于AI、关于治理、关于发展的讨论，最终都应该回到人本身。我们所有工作的最大公约数，就是以人为中心，为人的发展服务。这也是共享发展、共享治理最根本的意义。
永华证券提示：文章来自网络，不代表本站观点。
