大模型幾個月能力翻番，標準更新卻按年算！業界：AI迭代太快，治理沒跟上

本文來源：時代周報 作者：朱成呈 郭儒逸

過去幾年，全球人工智能競爭的焦點始終圍繞大模型、算力和應用展開。但隨著技術進入產業化深水區，一個新的競爭維度正在快速浮出水面——誰來制定標準，誰來定義規則。

2026年世界人工智能大會（WAIC），在各種前沿科技產品展示的同時，人工智能標準與規則的構建也引發熱議。從最底層技術到細分應用場景，從產業到全球范圍之間的協作競爭，標準與規則已成為人工智能持續迭代的關鍵角色。

圖源：時代周報記者攝

然而，行業各類現實矛盾正持續凸顯。例如，不同廠商的大模型、智能體接口協議互不兼容，大量產品形成信息孤島，跨平臺協同運行難度很高；模型缺少統一的測評標尺，算力規格、安全門檻、倫理邊界沒有通用準則，劣質產品無序投放市場，算法偏見、隱私泄露等亂象較為普遍。

“AI的發展超過了我們測量和治理的能力，當前模型的快速評估體系沒有完全跟上。”上海人工智能研究院院長宋海濤在WAIC期間表示。當人工智能從技術突破走向規模化應用，數據隱私、算法公平、服務互聯互通、責任界定缺乏統一規范，盡快形成共識就成為產業剛需。

此外，全球AI治理格局也在發生深刻變化，圍繞標準制定的話語權競爭逐漸升溫。

宋海濤認為，過去十年，全球治理正在從原則的倡議加速邁向制度化實施，并總體呈現多層機制并行、多級化與多主體協同的特點。“中國、美國、英國等主要國家都在加快建設本國的人工智能治理框架，根據本國的技術與產業結構不同，提出了不同的范式。”

中國電子技術標準化研究院黨委書記、副院長劉賢剛表示，早在2020年工信部牽頭制定了國家人工智能的標準體系，之后結合技術的發展，增加了算力、大模型、具身智能和智能體等新內涵，特別是圍繞賦能新型工業化、賦能行業發展，補充了大量標準內容。

當AI逐漸成為數字時代的基礎設施，標準已經不只是技術規范，更成為產業生態、國際競合的角逐場。

標準滯后于技術發展

“標準化非常重要。”在WAIC期間，復旦大學教授、OpenMOSS項目負責人、模思智能首席科學家邱錫鵬向時代周報記者表示。他認為，有了統一標準才能高效協作，無論是模型交流還是行業溝通，都需要建立在同一套體系下。

但在人工智能從實驗室走向產業化的早期階段，許多基礎技術路線、工程規范和產業標準仍在形成過程中。

以智能體為例，當前智能體正在從技術探索走向產業真實交易、真實應用場景，但互聯互通尚無統一規范、企業智能化轉型也無清晰評判標尺。因此，在智能體商業化、場景化快速演進的過程中，構建產業交易規則、界定倫理邊界、配套完善治理體系，是擺在業界面前的新挑戰。

“對于企業方來說，我們不知道如何把通用，尤其原則性標準真正轉化落地。從產品研發測試到運維部署，如何在整個鏈條中落地工程規范（仍不清楚）。”深信服（300454.SZ）副總裁、人工智能事業部總經理姜正文表示，雖然標準一直在迭代，但是治理標準和能力落后于整個技術的發展。尤其到智能體階段之后，復雜度越來越高，行為和風險邊界都變得更加模糊，如何評估是非常有挑戰的事情。

具身智能賽道同樣面臨類似問題。WAIC論壇期間，中科院院士、江蘇省電子學會理事長施毅指出，以前機器人主要運行在規范化環境中，很多動作都可以提前通過程序設定，再結合視覺進行判斷完成操作。但未來進入更加自由、開放的應用場景后，機器人如何完成規劃、如何進行判斷，尤其是在執行任務“最后一個毫米”時如何作出決策，將成為關鍵問題。

也正因為行業仍處于早期階段，誰能夠率先形成大規模產業實踐，誰就更有機會將工程經驗沉淀為行業標準。

施毅進一步指出，在具身智能時代，物理AI的接口技術必須完成閉環。他以傳感技術為例稱，目前傳感器系統涉及的標準變得復雜，面臨很多新的需求。從實驗室Demo到開放世界觸覺系統，在可制造、可校準以及不同平臺信息的交互層面，都需要標準的統一。

就底層邏輯而言，人工智能本質是對海量現實數據進行壓縮、抽象提取得出的統計建模與概率預測的系統。這個系統非常依賴輸入數據的質量，也就是學習數據的質量。

但在某些應用場景中，高質量數據仍然是稀缺品，直接制約人工智能產業的落地進展。

“醫學方面訓練人工智能，需要用到高質量的數據，但真實世界的醫療數據還存在一些問題。”國家衛健委統計信息中心主任趙韡在WAIC期間表示，有些數據記錄本身可能存在各種各樣的缺陷，如記錄的準確性、時效性、真實性等，需要在訓練之前進行處理。同時后期測評、準入等也離不開高質量數據，出臺相應標準十分必要。

瓶頸何解？

解決技術迭代太快而標準制定跟不上的矛盾，是業界當務之急。

中國電子技術標準化研究院信息技術研究中心副主任張士宗認為，目前人工智能大模型每三到六個月能力翻番，具身智能大模型甚至加快到每48小時發布的節奏。相比之下，標準研制周期仍以月或者年計算，兩者完全不匹配。敏捷化、模塊化標準研制方式，成為可行途徑之一。

“模塊化的研制思路，是在總體架構或者參考框架之下，加上幾個具體模塊化技術或者產品類要求，通過這種方式可以靈活擴展標準的范圍，也能更好地加快標準的應用。”張士宗解釋稱。

不過，標準驗證所涉及的技術能力和成本問題無法忽視。張士宗建議，可以將標準和開源結合在一起，在做標準時同步開源部分代碼。例如做智能體互聯系列標準，可通過在GitHub等開源以驗證相應技術指標，再反過來形成新的標準文本。

時代周報記者現場采訪了解到，模塊化或者形成可復制化標準的思路，在業界受到普遍重視。

阿里云全球數據中心總經理王朝陽表示，在算電協同領域，數據中心經過若干年發展，從原先企業數據中心到互聯網數據中心，再到云計算數據中心、AI數據中心，每一代數據中心均形成新的范式。“AI數據中心一定是一個OEM時代，即充分模塊化、充分標準化的時代，能夠根據算力業務的需求靈活用模塊去匹配。”

而具體到應用場景，標準能否做到可復制同樣迫切。在曹操出行RoboX事業部CTO趙宸輝看來，物理AI的容錯性非常有限，Robotaxi駕駛車輛和機器人搬運貨物或者控制設備，每一次判斷都會轉變為一個現實世界里動作。如果有一次錯誤，影響不單單是一次體驗，還會危及財產或者生命安全。

“AI在物理世界開始出現載體時候，智能已經只是一個起點。智駕系統能不能開車只是一部分，更重要的是這套體系標準能否被驗證，當發生故障時候能不能做到自發降級和長期穩定運營。”趙宸輝認為，這種信任關系不能靠單一企業自己聲明，而是需要一套可驗證、可量化以及可追溯的標準體系，最終從單一企業跨到其他企業、其他行業。

姜正文也表示，需要把人工智能治理能力內生于整個產品研發過程中，但如何將其變成可復用的標準模塊，并且形成可動態持續評估的能力，挑戰仍然比較大。

標準代表產業話語權

如果站在更高的競爭維度，隨著人工智能在全球的迅速發展，圍繞行業規則與標準已形成新的博弈。

在WAIC期間，北京大學人工智能研究院AI安全與治理中心主任張平表示，人工智能標準制定權、治理話語權、測試能力在不同國家間分布并不均衡。對廣大新興經濟體而言，這方面人才短缺、基礎設施不足以及國際參與度有限。如何讓國際標準成為賦能發展階梯，而非制造壁壘的高墻，是必須面對的問題。

過去十余年，在通信、芯片等產業，中國企業更多是在既有國際標準框架下參與競爭。而在人工智能時代，行業人士普遍認為，全球標準體系尚未定型，中國第一次擁有了與全球同行站在同一起跑線、參與甚至主導規則制定的機會。

“標準的本質是一場技術賽道的競爭，未來更代表著產業的話語權。”靈境智源創始人、CEO孫博向時代周報記者表示，中國擁有全球最完整的產業鏈、最豐富的應用場景和最完善的供應鏈生態，目前中國在相關產業的出貨量占全球90%以上，這為標準制定提供了堅實基礎。與此同時，中國已經率先提出覆蓋全行業的具身智能、人形機器人產業標準體系，這意味著整個行業正在逐步形成產業共識。

更值得一提的是，AI技術更新節奏遠快于傳統規則制定速度，而規則存在極強的路徑依賴。如果節奏滯后，后續再推動統一框架阻力或將顯著增加。

博弈的另一面仍離不開共治。由于各國法規、文化和監管目標不同，對人工智能相關的定義也并不相同。因此，要形成全球互認的技術標準有難度，或需要保留其中的差異性。

“標準化建設的緊迫性不止來源于技術自身的發展邏輯，更來源于全球產業界對確定性發展環境的共同期待，當越來越多的企業把人工智能作為核心生產工具投入使用時，穩定、可預期的標準體系就是降低創新成本、減少試錯風險的核心基礎。”有分析人士向時代周報記者稱。

從本屆WAIC釋放出的信號看，打通國際規則互認通道，有效破除地域與行業壁壘，降低跨境合作合規成本，推動全球AI產業從分散發展轉向協同共治，將折射國際間這一領域競合關系的現實面貌。