大模型几个月能力翻番，标准更新却按年算！业界：AI迭代太快，治理没跟上

本文来源：时代周报 作者：朱成呈 郭儒逸

过去几年，全球人工智能竞争的焦点始终围绕大模型、算力和应用展开。但随着技术进入产业化深水区，一个新的竞争维度正在快速浮出水面——谁来制定标准，谁来定义规则。

2026年世界人工智能大会（WAIC），在各种前沿科技产品展示的同时，人工智能标准与规则的构建也引发热议。从最底层技术到细分应用场景，从产业到全球范围之间的协作竞争，标准与规则已成为人工智能持续迭代的关键角色。

图源：时代周报记者摄

然而，行业各类现实矛盾正持续凸显。例如，不同厂商的大模型、智能体接口协议互不兼容，大量产品形成信息孤岛，跨平台协同运行难度很高；模型缺少统一的测评标尺，算力规格、安全门槛、伦理边界没有通用准则，劣质产品无序投放市场，算法偏见、隐私泄露等乱象较为普遍。

“AI的发展超过了我们测量和治理的能力，当前模型的快速评估体系没有完全跟上。”上海人工智能研究院院长宋海涛在WAIC期间表示。当人工智能从技术突破走向规模化应用，数据隐私、算法公平、服务互联互通、责任界定缺乏统一规范，尽快形成共识就成为产业刚需。

此外，全球AI治理格局也在发生深刻变化，围绕标准制定的话语权竞争逐渐升温。

宋海涛认为，过去十年，全球治理正在从原则的倡议加速迈向制度化实施，并总体呈现多层机制并行、多级化与多主体协同的特点。“中国、美国、英国等主要国家都在加快建设本国的人工智能治理框架，根据本国的技术与产业结构不同，提出了不同的范式。”

中国电子技术标准化研究院党委书记、副院长刘贤刚表示，早在2020年工信部牵头制定了国家人工智能的标准体系，之后结合技术的发展，增加了算力、大模型、具身智能和智能体等新内涵，特别是围绕赋能新型工业化、赋能行业发展，补充了大量标准内容。

当AI逐渐成为数字时代的基础设施，标准已经不只是技术规范，更成为产业生态、国际竞合的角逐场。

标准滞后于技术发展

“标准化非常重要。”在WAIC期间，复旦大学教授、OpenMOSS项目负责人、模思智能首席科学家邱锡鹏向时代周报记者表示。他认为，有了统一标准才能高效协作，无论是模型交流还是行业沟通，都需要建立在同一套体系下。

但在人工智能从实验室走向产业化的早期阶段，许多基础技术路线、工程规范和产业标准仍在形成过程中。

以智能体为例，当前智能体正在从技术探索走向产业真实交易、真实应用场景，但互联互通尚无统一规范、企业智能化转型也无清晰评判标尺。因此，在智能体商业化、场景化快速演进的过程中，构建产业交易规则、界定伦理边界、配套完善治理体系，是摆在业界面前的新挑战。

“对于企业方来说，我们不知道如何把通用，尤其原则性标准真正转化落地。从产品研发测试到运维部署，如何在整个链条中落地工程规范（仍不清楚）。”深信服（300454.SZ）副总裁、人工智能事业部总经理姜正文表示，虽然标准一直在迭代，但是治理标准和能力落后于整个技术的发展。尤其到智能体阶段之后，复杂度越来越高，行为和风险边界都变得更加模糊，如何评估是非常有挑战的事情。

具身智能赛道同样面临类似问题。WAIC论坛期间，中科院院士、江苏省电子学会理事长施毅指出，以前机器人主要运行在规范化环境中，很多动作都可以提前通过程序设定，再结合视觉进行判断完成操作。但未来进入更加自由、开放的应用场景后，机器人如何完成规划、如何进行判断，尤其是在执行任务“最后一个毫米”时如何作出决策，将成为关键问题。

也正因为行业仍处于早期阶段，谁能够率先形成大规模产业实践，谁就更有机会将工程经验沉淀为行业标准。

施毅进一步指出，在具身智能时代，物理AI的接口技术必须完成闭环。他以传感技术为例称，目前传感器系统涉及的标准变得复杂，面临很多新的需求。从实验室Demo到开放世界触觉系统，在可制造、可校准以及不同平台信息的交互层面，都需要标准的统一。

就底层逻辑而言，人工智能本质是对海量现实数据进行压缩、抽象提取得出的统计建模与概率预测的系统。这个系统非常依赖输入数据的质量，也就是学习数据的质量。

但在某些应用场景中，高质量数据仍然是稀缺品，直接制约人工智能产业的落地进展。

“医学方面训练人工智能，需要用到高质量的数据，但真实世界的医疗数据还存在一些问题。”国家卫健委统计信息中心主任赵韡在WAIC期间表示，有些数据记录本身可能存在各种各样的缺陷，如记录的准确性、时效性、真实性等，需要在训练之前进行处理。同时后期测评、准入等也离不开高质量数据，出台相应标准十分必要。

瓶颈何解？

解决技术迭代太快而标准制定跟不上的矛盾，是业界当务之急。

中国电子技术标准化研究院信息技术研究中心副主任张士宗认为，目前人工智能大模型每三到六个月能力翻番，具身智能大模型甚至加快到每48小时发布的节奏。相比之下，标准研制周期仍以月或者年计算，两者完全不匹配。敏捷化、模块化标准研制方式，成为可行途径之一。

“模块化的研制思路，是在总体架构或者参考框架之下，加上几个具体模块化技术或者产品类要求，通过这种方式可以灵活扩展标准的范围，也能更好地加快标准的应用。”张士宗解释称。

不过，标准验证所涉及的技术能力和成本问题无法忽视。张士宗建议，可以将标准和开源结合在一起，在做标准时同步开源部分代码。例如做智能体互联系列标准，可通过在GitHub等开源以验证相应技术指标，再反过来形成新的标准文本。

时代周报记者现场采访了解到，模块化或者形成可复制化标准的思路，在业界受到普遍重视。

阿里云全球数据中心总经理王朝阳表示，在算电协同领域，数据中心经过若干年发展，从原先企业数据中心到互联网数据中心，再到云计算数据中心、AI数据中心，每一代数据中心均形成新的范式。“AI数据中心一定是一个OEM时代，即充分模块化、充分标准化的时代，能够根据算力业务的需求灵活用模块去匹配。”

而具体到应用场景，标准能否做到可复制同样迫切。在曹操出行RoboX事业部CTO赵宸辉看来，物理AI的容错性非常有限，Robotaxi驾驶车辆和机器人搬运货物或者控制设备，每一次判断都会转变为一个现实世界里动作。如果有一次错误，影响不单单是一次体验，还会危及财产或者生命安全。

“AI在物理世界开始出现载体时候，智能已经只是一个起点。智驾系统能不能开车只是一部分，更重要的是这套体系标准能否被验证，当发生故障时候能不能做到自发降级和长期稳定运营。”赵宸辉认为，这种信任关系不能靠单一企业自己声明，而是需要一套可验证、可量化以及可追溯的标准体系，最终从单一企业跨到其他企业、其他行业。

姜正文也表示，需要把人工智能治理能力内生于整个产品研发过程中，但如何将其变成可复用的标准模块，并且形成可动态持续评估的能力，挑战仍然比较大。

标准代表产业话语权

如果站在更高的竞争维度，随着人工智能在全球的迅速发展，围绕行业规则与标准已形成新的博弈。

在WAIC期间，北京大学人工智能研究院AI安全与治理中心主任张平表示，人工智能标准制定权、治理话语权、测试能力在不同国家间分布并不均衡。对广大新兴经济体而言，这方面人才短缺、基础设施不足以及国际参与度有限。如何让国际标准成为赋能发展阶梯，而非制造壁垒的高墙，是必须面对的问题。

过去十余年，在通信、芯片等产业，中国企业更多是在既有国际标准框架下参与竞争。而在人工智能时代，行业人士普遍认为，全球标准体系尚未定型，中国第一次拥有了与全球同行站在同一起跑线、参与甚至主导规则制定的机会。

“标准的本质是一场技术赛道的竞争，未来更代表着产业的话语权。”灵境智源创始人、CEO孙博向时代周报记者表示，中国拥有全球最完整的产业链、最丰富的应用场景和最完善的供应链生态，目前中国在相关产业的出货量占全球90%以上，这为标准制定提供了坚实基础。与此同时，中国已经率先提出覆盖全行业的具身智能、人形机器人产业标准体系，这意味着整个行业正在逐步形成产业共识。

更值得一提的是，AI技术更新节奏远快于传统规则制定速度，而规则存在极强的路径依赖。如果节奏滞后，后续再推动统一框架阻力或将显著增加。

博弈的另一面仍离不开共治。由于各国法规、文化和监管目标不同，对人工智能相关的定义也并不相同。因此，要形成全球互认的技术标准有难度，或需要保留其中的差异性。

“标准化建设的紧迫性不止来源于技术自身的发展逻辑，更来源于全球产业界对确定性发展环境的共同期待，当越来越多的企业把人工智能作为核心生产工具投入使用时，稳定、可预期的标准体系就是降低创新成本、减少试错风险的核心基础。”有分析人士向时代周报记者称。

从本届WAIC释放出的信号看，打通国际规则互认通道，有效破除地域与行业壁垒，降低跨境合作合规成本，推动全球AI产业从分散发展转向协同共治，将折射国际间这一领域竞合关系的现实面貌。