新华财经北京7月28日电 2025世界人工智能大会于7月26日至28日在上海举办。本次大会以“智能时代同球共济”为主题，举办了人工智能全球治理高级别会议、人工智能标准化国际合作论坛等系列活动，发布了人工智能赋能行业应用治理实践指南，邀请国际标准化组织、国际电信联盟等机构，分享全球人工智能标准化实践，展望国际标准化合作愿景。

　　在数字经济蓬勃发展的浪潮中，新型工业化对人工智能的需求日益迫切，但潜在风险不容忽视，技术适用性、安全风险、标准体系以及法律法规等问题越来越受到社会各界的广泛关注。如何在以提升制造效率、降低成本、提高质量为根本目标的同时，实现负责任的创新，更好地促进人工智能与新型工业化的融合发展？对此，国家人工智能标准化总体组副组长、机械工业仪器仪表综合技术经济研究所所长欧阳劲松作出详细解读。

　　国际人工智能标准体系与治理机制

　　1.当前国际上有哪些标准与法规体系对工业场景下的人工智能应用提出了要求？

　　随着人工智能（AI）与工业的深度融合，国际社会正加快构建“技术—标准—法规”一体化的治理体系。2025年7月8日至11日，联合国“AI for Good”全球峰会在日内瓦召开，AI治理、标准与法规体系成为全球关注的焦点。峰会期间，国际标准化组织（ISO）、国际电工委员会（IEC）、国际电信联盟（ITU）三大国际标准组织响应联合国《全球数字契约》中“通过国际标准加强AI治理”的行动呼吁，联合举办AI国际标准专题研讨，探讨国际标准在实现负责任的创新与促进全球合作中的关键作用。三大国际标准组织还将于2025年12月共同举办全球首届“国际人工智能标准峰会”，携手推动跨行业标准制定，致力破解标准碎片化难题，促进AI协同发展。

　　目前，在ISO/IEC JTC 1信息技术联合技术委员会框架下，SC 42人工智能分委会已制定发布多项基础性标准，包括ISO/IEC 22989《AI概念和术语》、ISO/IEC 42001《AI管理体系》、ISO/IEC 23894《风险管理指南》、ISO/IEC TR 24028《AI可信性》、ISO/IEC TR 24030《信息技术 AI 用例》等。

　　IEC重点推动AI在工业自动化及智能制造领域应用的标准化工作，典型标准包括：IEC TR 63283-4《工业过程测量、控制和自动化智能制造第4部分：新技术的使用建议》、ISO/IEC TS 25223《信息技术 AI系统中不确定性量化的指南和要求》、ISO/IEC TS 22440《人工智能功能安全和AI》系列标准、IEC 63270《工业自动化设备和系统的预测性维护》系列标准等。

　　ITU通过“AI for Good”等倡议，旨在推进AI伦理、安全和发展目标之间的协同，同时推动未来网络、物联网与智慧城市、自动驾驶、医疗等多个领域的AI技术标准制定。

　　在区域或国家标准与法规体系建设中，欧美国家正加快构建适用于工业场景的AI治理机制。其中，欧盟《人工智能法案》提出首个“基于风险”的AI监管体系，将AI系统划分为“不可接受风险”“高风险”“有限风险”等不同等级。针对工业自动化、关键基础设施安全等高风险场景，该法案明确设定了强制性合规要求，覆盖风险评估、技术文档管理、第三方审查等具体措施。

　　德国标准化协会（DIN）和德国电工电子与信息技术标准化委员会（DKE）联合300余名专家发布《AI标准化蓝图》，明确将工业制造列为AI应用的优先标准化方向。法国国家标准化机构（AFNOR）深度参与欧盟AI法案的标准构建工作，重点推动适用于制造业的AI测试基准和验证框架构建。英国标准协会（BSI）积极对接国际标准，发布AI治理与工业应用指南。

　　美国国家标准与技术研究院（NIST）2023年发布《AI风险管理框架》，以“可信AI”为核心，提出可解释性、鲁棒性、公平性等评价指标，获多个工业部门积极响应。2025年7月，美国政府发布《美国AI行动计划》，提出将加速AI创新、建设AI基础设施、引领全球AI外交和安全策略等。

　　2.这些标准与法规在核心要求上有何异同？对工业领域意味着什么？

　　尽管关注点和具体策略有所差异，全球主要标准与法规体系在几个关键维度上具有基本共识。第一，坚持风险导向原则。特别在工业领域部署AI系统时，必须首先开展系统性风险评估，并依据系统用途和风险等级，实施差异化的治理措施。第二，强调AI系统全生命周期管理。各类标准与法规普遍覆盖从设计、开发、部署、使用、维护直至报废的全生命周期流程。第三，强调数据和算法治理。核心要求包括数据质量保障、模型训练机制的透明性以及系统运行的可追溯性等，这些都是保障AI系统可信性与可解释性的基础。此外，重视人机协同的实践要求。特别是在工业现场，要求明确界定人机边界，清晰设定操作员权限，确保在关键时刻实现人员有效接管。

　　但同时，各国主导的标准与法规体系在技术路径选择与治理机制设计上也存在明显差异。美国通用AI全球领先，主要采取以企业为主导的自愿性、灵活化治理模式，更多依靠企业自评和行业最佳实践来管理风险。欧洲侧重于垂直行业的合规落地，通过立法建立AI分级监管体系，并对高风险应用场景设定严格的准入门槛及合规要求。ISO、IEC和ITU致力于制定和完善全球通用的技术标准，如AI管理体系和可行性要求等，强调技术通用性与互操作性，为不同区域、国家和行业提供一致的治理框架和标准解决方案。

　　发达国家工业领域AI应用现状及未来趋势

　　3.欧美国家在工业领域应用AI技术有哪些成功经验或典型案例？

　　德国将AI与工业4.0战略深度融合，以加速数字化转型升级。工业4.0强调构建高度互联、自主协作的智能生产系统，AI成为实现该愿景的关键支撑技术之一。例如，博世（Bosch）已在近一半工厂的生产调度、监测和控制等制造环节应用AI技术。希尔德斯海姆工厂基于AI数据分析，将新生产线产能爬坡期间的周期时间缩短了15%。斯图加特-费尔巴哈工厂通过AI算法，将组件测试过程缩短到三分钟。土耳其布尔萨工厂借助AI技术提高制造质量，不仅减少了30%的用水量、6%的能源消耗和9%的废料，同时将工厂效率提高了近10%。西门子（Siemens）设立全球工业AI实验室，致力于将AI用于复杂工业系统的优化，覆盖预测性维护、工艺控制、智能机器人路径规划等领域；开发工易魔方、Xcelerator（开放式商业数字平台）及Industrial Copilot（生成式人工智能辅助工具）等工具和平台，推动AI增强型数字孪生，将AI模型与工业数据深度融合，强调将AI嵌入核心业务流程，打造适应工业场景的“实用型AI”。

　　美国高度重视制造业的AI赋能，围绕汽车、工业自动化等关键领域持续推动AI项目实施。通用电气（GE）利用AI技术优化喷气发动机制造过程，通过机器学习预测材料疲劳和结构缺陷，提升产品可靠性与制造效率。

　　4.欧美国家在推动工业领域和AI融合方面呈现出哪些发展趋势？

　　面向未来，欧美制造业正在加快推动AI与工业互联网、5G通信、数字孪生、边缘计算、可持续制造等的深度融合。利用生成式AI进行产品设计与工艺优化，通过边缘计算AI实现对生产现场的实时监控与响应，借助AI增强供应链弹性与协同能力、提升供应链效率。总体而言，AI正逐步从实验室走向实际生产环境，通过融合多学科技术体系，构建更加智能、高效和可持续的工业生态系统。

　　从标准与法规维度看，欧盟《人工智能法案》在高风险场景监管中明确提出以标准互认为核心手段，推动技术合规与法规执行的协同统一。该法案生效后，若高风险AI系统符合《官方公报》发布的“协调标准（Harmonised Standards）”，则被视为满足法规要求，可以获得合规资格。因此，标准化在AI治理中将发挥更加关键的作用，成为供应商证明其产品符合法规要求的重要方式。欧盟委员会还将要求欧洲标准化委员会／欧洲电工标准化委员会／欧洲电信标准学会（CEN/CENELEC/ETSI）等标准组织不断完善技术标准体系，为法规必要条件的落地提供支撑。

　　工业赋能人工智能

　　5.何谓“工业赋能人工智能”？

　　人工智能等新技术在工业中的融合发展，应突出应用导向，要脚踏实地，不能为融合而融合、为数字化而数字化。融合的过程是相互赋能的过程，应首先推动“工业赋能人工智能”，再实现“人工智能赋能工业”。也就是说，发展初期应更加聚焦以工业需求倒逼AI技术创新与迭代，而非盲目追逐前沿技术本身。通过工业场景促进AI技术的迭代发展、成熟与适配，有助于避免不可接受的风险，提升可靠性与实用价值，为后续大规模部署打下基础。

　　在新型工业化发展过程中，AI应被视为赋能工具，而非目标本身。AI实现真正赋能，就必须首先与制造工艺、流程、装备等实现深度融合。这要求我们对AI技术的适用性进行充分评估，聚焦其是否真正有助于提升生产效益、降低运营成本、提高产品质量。例如，有些在实验室条件下效果良好的AI算法，在复杂多变的工业环境中可能面临性能失真甚至带来新风险。我们要以实际场景为落脚点，通过持续的风险管理与技术迭代，培育训练出“胜任”工业场景要求的AI能力。

　　6.能否从标准化视角，举例解释“工业赋能人工智能”？

　　值得借鉴的“工业赋能新技术发展”案例有很多，其中最经典的是工业以太网的发展。本世纪初，以太网技术迅猛发展，以其低廉、丰富的硬软件资源持续向工业领域渗透，国际标准提案层出不穷。但在当时的时代背景下，工业用户普遍对以太网在工业环境中的安全性、实时性与可用性表示质疑，对其技术成熟度也存在较大担忧，工业以太网的应用宽度和深度并没有如预期得到充分释放。在这一背景下，IEC充分发挥工业用户需求的牵引作用，在IEC 61158《工业通信网络现场总线规范》、IEC 61784《工业网络行规》、IEC 62439《工业通信网络高可用性自动化网络》等国际标准的研制过程中不断完善工业以太网的性能规范，明确实时性、确定性、抗干扰能力、信息安全、互操作性、高可用性等十余项关键技术指标；同时引入第三方检测与认证机制，确保技术方案具备一致性与可落地性。这一系列标准化工作配合工业需求牵引，加速了以太网技术在工业场景中的应用进程，反过来也为工业迈入网络化时代提供了坚实的技术标准支撑。

　　进入人工智能时代，工业的新技术应用仍须将需求牵引放在重要位置。由中国专家在IEC/TC 65牵头研制的IEC TR 63283-4《工业过程测量控制和自动化智能制造第4部分：新技术应用建议》国际标准，旨在系统分析工业场景对AI、工业互联网、边缘计算等新技术的核心需求及典型应用案例，以工业需求驱动AI等新技术创新，并通过国际标准加以规范和指导。标准包含了基于机器学习的制造系统运行优化的典型用例，并通过采集专家经验数据（包括设备参数调整记录、异常处理方案等），构建机器学习模型，进而生成决策建议，有效降低制造环节对人工经验判断的依赖（如排产调整、故障预判），缓解因人员更替带来的知识断层风险。这一典型场景展现了AI如何根据工业现场需求，形成从数据采集、模型训练到反馈优化的闭环机制，不仅为AI算法提供了实际验证场景，也极大促进了其在工业环境中的迭代优化和适应性提升。与此同时，标准化搭建了工业AI从“实验室原型”迈向“车间生产力”的桥梁，将AI模型从“黑箱”转化为工业界可验证、可解释的“工具箱”。

　　我国发展策略与路径建议

　　7.面对全球人工智能技术的飞速发展及标准法规体系的加快完善，我国应探索怎样的治理路径、制定怎样的发展策略？

　　当前，全球人工智能发展进入深水区，欧美国家正在加速构建“技术—标准—法规”生态体系，全方位推动AI与新型工业化融合发展。需要强调的是，以信息技术为基础的人工智能的发展无法脱离国际环境而孤立前行，尤其在当前国际治理体系高度碎片化、不同国家治理理念差异显著、协调难度不断上升的背景下，如何为我国人工智能发展探索出一条契合自身国情、具有全球适应力的发展路径，成为亟待解决的重要问题。

　　应该认识到，人工智能治理（AI Governance）是一个多维度、多工具、多主体参与的动态系统性过程。其目的不仅在于防范潜在风险，更在于研判伦理和塑造人工智能的发展方向与应用边界，使技术的进步与社会价值相协调。2025年7月26日，2025世界人工智能大会暨人工智能全球治理高级别会议发表《人工智能全球治理行动计划》，呼吁各方在遵循向善为民、尊重主权、发展导向、安全可控、公平普惠、开放合作的目标和原则基础上，切实采取有效行动，协力推进全球人工智能发展与治理。

　　2025年4月25日，中共中央政治局就加强人工智能发展和监管进行第二十次集体学习，强调面对新一代人工智能技术快速演进的新形势，要充分发挥新型举国体制优势，坚持自立自强，突出应用导向，推动我国人工智能朝着有益、安全、公平方向健康有序发展。

　　这为我们开展人工智能治理和制定发展策略指明了方向、提供了根本遵循。具体在工业领域，AI赋能的本质是提质增效。这意味着发展路径应更加务实，注重实际成效，以工业转型升级为目标，推动AI技术与制造场景深度融合。具体建议从以下几个方面考虑：

　　第一，坚持“脚踏实地”的数字化发展观。应将解决制造业现实痛点作为AI技术突破的切入点。要甄别技术成熟度，做好新技术“适用性”分析。在质量检测、能源管理、预测性维护等关键环节，优先部署成熟可用的AI技术，鼓励推动企业“以能用为先”论证成果，防止“概念先行”或“为技术而技术”的倾向。

　　第二，借助产业优势持续推进产业场景创新与示范。发挥我国产业体系完备和应用场景丰富的独特优势，打造一批高质量工业AI示范项目。例如，以数字孪生、工业大模型、智能产线等为抓手，推动从“单点突破”向“系统集成”转变，带动创新成果在典型场景中快速落地。

　　第三，加快完善我国“技术—标准—法规”治理体系。建立符合国情、适应产业需求的AI技术标准体系和法规体系。借鉴欧盟《人工智能法案》的风险分级理念，明确高风险工业AI系统的认证机制和监管要求，提升法规与技术标准协同治理能力。

　　第四，加强国际协作，积极参与全球治理。持续深化与国际标准组织、行业组织的合作，在全球AI治理格局中积极发声、主动参与。推动发展战略、技术标准与治理规则的协调对接，争取在全球范围内形成互认机制与治理共识，防范因制度差异形成技术壁垒和市场碎片化。

　　综合来看，我国AI发展路径应是强化自主创新与深化国际协作并重。立足自身优势和产业基础，在开放合作中寻找最大公约数。在保障产业安全的前提下，对标国际规则和先进经验，开展技术攻关和示范应用，用工业场景验证AI能力，稳步提升制造业质量和效率，力争在全球AI工业化浪潮中牢牢掌握发展主动权。