从中国方案到工程底座：万象镜，全球人工智能治理倡议的落地回答

导语

2023 年 10 月，中方发布《全球人工智能治理倡议》，确立 “以人为本、智能向善” 核心理念，向世界贡献人工智能治理的中国方案。2025 年 7 月，《人工智能全球治理行动计划》正式发布，将理念转化为十三项具体行动安排。2026 年 7 月，2026 世界人工智能大会暨人工智能全球治理高级别会议在上海举办，大会提出构建人工智能治理相关体系的重要方向，世界人工智能合作组织于上海完成协定签署，标志中国 AI 治理实现从理念倡议、行动框架到国际组织载体的完整演进。

宏大理念之下，工程化落地命题亟待破解：倡议提出要打造可审核、可监督、可追溯、可信赖的人工智能技术，推动建立风险等级测试评估体系，倡导以人工智能技术防范人工智能风险。上述治理要求，依靠何种技术载体实现？

放眼全球，学界多聚焦治理原则研讨，可运行的落地工程系统较为稀缺。万象镜（OmniEyes）构建 “确权 — 评测 — 监测 — 修复 — 资产沉淀” 完整业务闭环，将国内 AI 治理各项原则，转化为可量化、可复现、可交付的工程产品。

一、国家倡议的三级演进，留下一个工程化缺口

梳理国内人工智能全球治理推进脉络，三条发展路径清晰可辨：

2023 年，确立治理理念。《全球人工智能治理倡议》发布十一条核心主张，坚守 “以人为本”“智能向善”，明确反对利用 AI 技术操纵舆论、传播虚假信息；提出推动建立风险等级测试评估体系，打造可审核、可监督、可追溯、可信赖的人工智能技术，倡导发展治理类 AI 技术，实现以人工智能防范人工智能风险。

2025 年，明确行动路径。《人工智能全球治理行动计划》确立向善为民、尊重主权、发展导向、安全可控、公平普惠、开放合作六大原则，在专项行动中提出建立人工智能风险测试评估体系，提升模型可解释性、透明性与安全性，探索人工智能服务可追溯管理制度等具体要求。

2026 年，搭建国际载体。世界人工智能大会进一步明确，要推动健全法律法规、技术监测、风险预警、应急响应协同体系；世界人工智能合作组织完成协定签署落地上海，国内智能经济核心产业规模突破万亿元，治理工作拥有实体化国际协作平台与产业现实基础。

三年迭代，理念、行动、组织框架全部成型，但底层工程缺口依然存在：技术监测、风险预警、可追溯、可信赖等治理目标，均需要可实际运行的技术底座承接；缺少工程载体，治理规则便容易停留在纸面文件。

放眼全球行业现状：海外 RAGAS、DeepEval 等开源评测框架，仅支持本地私有文档测试，无法覆盖公网真实联网检索链路；NewsGuard 实现域名可信度打分，但不观测大模型真实采信行为；Brandlight.ai 专注品牌提及监测，仅做信息有无的统计，无法区分检索召回与事实采信两个关键环节。尚无一套完整系统，能够对 “大模型采信什么信息、采信逻辑、采信结果正误” 完成全链路量化分析，这正是万象镜的切入点。

二、万象镜五大模块，逐条对应国家倡议要求

万象镜并非单点工具，而是一套 “确权入库 — 多模型评测 — 持续监测 — 资产部署 — 复测验证” 闭环操作系统。五大核心模块，对治理倡议提出的工程化命题形成逐条响应。

1. KUCR 原子事实确权：对应 “提升数据真实性”“抵制虚假信息传播”

治理文件明确要求提升数据真实性准确性，抵制借助人工智能传播虚假信息、操纵舆论的行为。

万象镜 KUCR 四层流水线：Know 事实采集、Understand 语义归一、Correct 冲突校准、Recommend 采信归档，将原始素材萃取为不可拆分、语义闭环、具备溯源能力的原子事实。配套浅层公网发布库、中层关联库、深层凭证存证库三层库架构，每条事实附带完整凭证链路，解决通用 RAG 切片切割关键事实的工程痛点。

经过确权归一、冲突校验的标准化事实资产进入模型体系，从入库源头拦截虚假信息输入，降低大模型被投毒、被舆论操纵的风险，落地 “以人工智能技术防范人工智能风险” 的实践路径。

2. 系统之翼多模型评测：对应 “建立风险测试评估体系”“可审核”

《全球人工智能治理上海宣言》与《人工智能全球治理行动计划》反复强调建立风险等级测试评估体系的必要性。风险如何评估、评估标尺如何建立，是行业共性难题。

万象镜 “系统之翼” 模块调用多家公有大模型真实联网接口，使用统一受控题库，输出召回次数 — 采信转化率二维评测矩阵。

在 2000 轮标准化受控测试当中，完成对五款主流模型、80 道中性事实题库、23 类信源的持续观测。实测得出关键结论：检索召回频次与事实采信质量完全解耦。部分信源检索召回频次很高，但采信转化率偏低；企业官网采信率表现优异，但是检索召回占比不足。这一实测结果提示监管与产业方，仅统计检索命中量没有实际价值，采信转化率才是核心观测指标。

整套评测体系支持复现、横向对比、审计留痕，落实治理文件提出的 “可审核” 技术标准。

3. CDI 认知漂移监测：对应 “技术监测、风险预警”

AI 治理体系建设，要求搭建技术监测、风险预警、应急响应配套机制。

万象镜原创 CDI 认知漂移指数，将 “大模型输出口径前后不一致” 这类模糊风险，转化为 0‑100 区间可量化预警指标。持续跟踪同一主体，在多模型、多时间维度下的输出口径，识别时序漂移、立场摇摆、事实偏差，做到风险前置识别、过程可审计、链路可追溯。

实现从事后舆情处置，转向常态化 AI 输出口径风险预警，完成技术监测与风险预警的工程落地。

4. 三层库凭证存证：对应 “可追溯、可信赖”

行动计划提出探索人工智能服务可追溯管理制度的工作方向。

万象镜三层库架构中，深层凭证存证库完整留存每一条原子事实的原始来源、确权处理流程、版本修改记录。大模型采信的任意一条事实，均可反向回溯原始信源与完整确权链路，把 “可追溯” 从政策口号转化为数据库内可查验的凭证记录。

5. 信任资产闭环：对应 “安全可控”“公平普惠”

倡议强调人工智能发展安全可控，行动计划提出公平普惠、弥合智能鸿沟的目标。

万象镜形成完整业务闭环：评测识别采信短板 → KUCR 完成原子事实确权加工 → 通过官方网站、权威媒体、行业期刊多渠道部署事实资产 → 再次开展多模型评测验证优化效果。政企客户无需自建庞大 AI 治理技术团队，即可获取标准化 AI 信任资产建设能力，降低 AI 治理落地的技术门槛，践行公平普惠的治理导向。

三、一个核心发现，回应倡议最关切的命题

《全球人工智能治理倡议》重点提出，防范利用人工智能技术操纵舆论、传播虚假信息的风险。万象镜实测数据，揭示出 AI 时代虚假信息操纵的现实路径与防御优先级。

实验表明：高采信等级信源产生的错误信息，对大模型输出结果的冲击，远高于海量低采信信源的批量转载。AI 环境下的舆论操纵，重点不在于海量铺量，而在于渗透高采信渠道，包括官方网站、主流媒体、权威期刊。对应的防御策略，不必平均消耗资源监控全部低质信源，应当将监测资源向高采信信源倾斜。该结论为落实反虚假信息、反舆论操纵提供可执行的实操优先级。

在中性静态事实题库条件下，实验未观测到大模型存在明显的母公司生态偏袒，模型采信判断优先取决于信源本身事实质量。该实测为 AI 治理所倡导的公平非歧视原则，提供实证支撑，该结论限定于中性事实场景。

四、全球对标：中国方案的工程化先发优势

全球范围内，尚无商用系统实现万象镜的完整闭环能力。

1. 数据真实性治理文件要求：提升数据真实性，抵制虚假信息传播海外工具现状：缺少事实确权流水线万象镜实现：KUCR 四层确权 + 三层凭证库架构

2. 风险测试评估治理文件要求：建立风险等级测试评估体系海外工具现状：仅限本地 RAG 评测，不覆盖公网联网链路万象镜实现：系统之翼，多模型公网真实环境实测

3. 技术监测预警治理文件要求：建设技术监测、风险预警体系海外工具现状：仅做品牌提及统计，无漂移量化指标万象镜实现：CDI 认知漂移指数，量化口径异常风险

4. 可追溯治理文件要求：探索 AI 服务可追溯管理制度海外工具现状：缺少完整凭证存证机制万象镜实现：深层凭证存证库，全链路可回溯

5. 以 AI 治 AI治理文件要求：以人工智能防范人工智能风险海外工具现状：多为概念探讨，缺少落地工程产品万象镜实现：端到端 AI 认知治理闭环系统

6. 公平普惠治理文件要求：弥合智能鸿沟，降低治理应用门槛海外工具现状：工具碎片化，使用门槛高万象镜实现：标准化 SaaS + 私有化部署多模式交付

海外学术界已经意识到 “检索不等于采信” 关键技术命题，但缺少第三方中立、面向公网环境、支持批量复现的实测评测体系。万象镜将国内 AI 治理原则落地为可运行工程系统，形成独特的技术竞争力。

五、从企业实践到国际公共产品

世界人工智能合作组织在上海落地，为人工智能领域国际公共产品供给搭建全新协作平台。万象镜后续发展路径，与该方向高度契合。

・标准输出：将 “召回率‑采信转化率” 二维评测体系、CDI 认知漂移指数、KUCR 原子事实确权规范，转化为团体标准、行业标准，输出可复用的测评工具，服务全球人工智能治理实践。・能力共建：依托世界人工智能合作组织协作平台，向全球南方国家输出 AI 信任资产建设能力，助力各国守护机构、品牌、本土文化在大模型环境下的事实话语权，践行弥合数智鸿沟的行动方向。・多语种扩展：从中文信源评测逐步拓展至多语种体系，为全球 AI 治理提供跨语言、跨文化的实测实证数据。

结语

自《全球人工智能治理倡议》发布以来，国内已经输出成熟的治理理念、行动方案与国际协作载体。治理落地，不只依靠文件文本，更有赖技术系统支撑。

万象镜的核心价值，是把 “以人为本、智能向善” 从价值理念转化为工程可度量指标：每一条事实的确权状态、每一次检索的采信结果、每一轮输出的口径漂移，全部可以测量、可追溯、可修复。

当大模型深度介入信息获取、公共传播、政务服务场景，AI 治理不再局限于伦理层面探讨，而是一套依赖工程底座的系统工程。万象镜的闭环实践证明：中国的人工智能治理方案，既具备理念高度，同样拥有工程落地深度。

注：文中实验数据来自《多模型检索召回与事实采信对比测试周汇总报告》（北京奥美地亚万象镜・中国 AI 认知治理实验室）；倡议、行动计划、大会相关公开表述均引自中国政府网、央视网、中央网信办、外交部公开发布官方文件。