作者分别介绍了欧盟和中国不同偏向的治理方法，并指出其中的利弊。作者指出，欧盟倾向于采用横向监管方法，侧重于制定涵盖人工智能治理的多方面的全面性法规。目前，欧盟对人工智能治理的方法集中在正在推进的《人工智能法案（AI Act）》上。该法案将人工智能应用分为“不可接受的风险”、“高风险”、“有限风险”和“最小风险”四个风险类别，并由一套预先定义的监管工具来具体管理不同风险类别。为了实现在广泛领域上的可操作性，该法案一方面使用单一横向立法来确定人工智能应用的广泛范围，模糊地定义了每个风险等级的基本要求和对每个类别的不同限制；另一方面也允许具体领域和相关背景的机构（如法院、标准组织、开发人员等）来确定确切的参数和合规策略，欧盟还将《人工智能法案》中的要求与监管沙盒、应对人工智能挑战的最新政策以及其关于数据、市场结构和在线平台的相关立法等监管战略相匹配。作者认为，欧盟《人工智能法案》在”保证可预测性“和”紧随人工智能发展“这两个必要条件之间取得了平衡。其基于划分风险类别的方法可以使监管机构随着人工智能用途的发展，及时将新的应用领域纳入现有的风险类别，进行灵活监管。同时，该法案相对灵活的基本要求的定义也减轻了纯粹的横向框架所带来的关键精度挑战，允许合规策略在不同部门和技术发展中灵活运用。作者同时也指出，欧盟广泛采用横向的方式也面临着以下几种风险：首先，负责执行要求的各个监管机构可能在其解释或监管能力方面存在差异，这会破坏横向方法的关键能力和协调的优势；其次，拟设置的中央和横向的欧盟人工智能办公室是否能有效地补充国家和部门监管机构的能力，还尚未可知；最后，标准制定过程历来是由工业界推动的，如何确保政府和公众在这一议程中的发言权也是一个挑战。
「卡内基和平基金会：学习欧盟和中国治理人工智能的经验对计划制定人工智能监管法规的国家至关重要」
2023年2月14日，卡内基国际和平基金会（Carnegie Endowment for International Peace）发布其访问学者Matt O’Shaughnessy和其研究员马特·希恩(Matt Sheehan)共同撰写的文章《来自世界上两例人工智能治理试验的经验（Lessons From the World’s Two Experiments in AI Governance）》。文章指出，人工智能无处不在、难以定义的特点使其变得难以监管，对于即将开始制定自己的人工智能治理倡议和监督法案的国家来说，他们面临的第一个基本问题是采取“横向”还是“纵向”的方法。目前，欧盟和中国已经各自在进行人工智能治理的政策设计试验，但两者都没有采取纯粹横向或纵向的人工智能治理方法。作者认为，对于其他国家来说，从欧盟和中国治理人工智能的初步努力中学习成功和失败的经验将至关重要。此外，有效的人工智能治理模式应同时包含横向和纵向的元素，并根据自身特点进行有偏重性的选择。
作者就中国的治理方法指出，中国更倾向于纵向治理，侧重于针对不同的人工智能类型或应用来制定不同的法规。在过去的一年里，中国已经推出了世界范围内首批针对算法和人工智能的具有国家约束力的法规。最先出台的是针对推荐算法（《互联网信息服务算法推荐管理规定》）和深度合成技术（《互联网信息服务深度合成管理规定》）的法规。推荐算法的规定侧重于其在传播信息、设定价格和调度工人方面的应用，如要求算法供应商避免价格歧视，或对送货司机的工作负荷要求过高等；第二项法规针对的是使用训练数据生成新内容的深度合成算法，如深度伪造，并关注“有害