01

过去几年，全球人工智能治理更多是在讨论“应该管什么”“遵循什么原则”。但进入2026年，一个更现实的问题摆在各方面前：谁的规则能够真正落地？谁的标准能够成为全球通行标准？人工智能治理正在从理念竞争走向执行竞争，欧、美、中三种路径也开始接受现实检验。

欧洲：先制定规则，再补齐能力。《人工智能法案》于2024年8月生效后分阶段推进，通用大模型义务于2025年8月适用，欧盟人工智能办公室的执法权限自2026年8月全面启动。但2026年5月，欧盟立法机构就《数字综合法案》达成政治协议，将其所列独立高风险系统的合规义务推迟至2027年12月，将嵌入机械、医疗器械等受监管产品的高风险系统合规义务推迟至2028年8月。推迟的直接原因，是配套协调标准和合格评定能力迟迟不能齐备——法律文本可以先行，检测认证体系却无法速成。因此，欧盟不得不调整部分高风险人工智能系统实施节奏。这也说明，未来人工智能治理竞争，不只是比谁出台规则更早，更要比谁拥有完整的执行体系。

美国：依靠技术生态输出规则。美国依托自身在芯片、云计算、基础模型和软件生态方面的优势，将技术优势转化为规则影响力。2025年7月发布的《赢得竞赛：美国人工智能行动计划》确立加速创新、建设基础设施、主导国际外交与安全三大支柱；配套行政令建立“美国人工智能出口计划”，将芯片、云服务、基础模型、应用软件与标准打包输出盟友和关键中间地带国家，并动用进出口银行、国际开发金融公司等联邦融资工具予以支持；在国内，联邦政府通过行政令与诉讼手段抑制州级立法的碎片化。与欧洲希望通过规则约束人工智能发展不同，美国试图通过技术生态影响全球规则。

中国：从参与治理走向推动治理。中国选择了制度型开放的路径。对外，世界人工智能合作组织（WAICO）总部落户上海，实现了从规则接受者向议程设置者的角色转变，同期发布的《人工智能合作发展行动计划》从数据、算力、开源、赋能、人才、标准、安全、伦理八个方面提出合作行动；对内，人工智能综合性立法已列入国务院立法工作计划，强制性标准体系从生成式人工智能延伸至智能体，形成“立法、标准、备案评估”层层递进的治理架构。中国路径的特征，是以多边制度供给回应全球南方诉求，以国内治理实践积累规则输出能力，内外两条线相互支撑。

从全球竞争趋势看，人工智能治理的上半场是“提出原则”，下半场将是“建立体系”。未来真正具有影响力的，不一定是最早提出理念的一方，而是能够提供：可执行的规则、可验证的标准、可复制的产业方案。而工业，将成为检验人工智能治理能力的主战场。

02

人工智能治理的真正难点，不在于提出多少原则，而在于能不能进入真实场景、解决真实问题。如果说消费领域的人工智能更多影响信息获取和内容交互，那么工业领域的人工智能则直接连接机器、设备和生产流程。一次算法错误，可能影响产品质量；一次智能决策失误，可能带来生产安全风险。因此，工业成为人工智能治理从“理念”走向“规则”的关键场域。

第一，工业让人工智能风险变得可感知、可验证。在工业场景中，人工智能已经深入生产控制、设备运维、质量检测等关键环节。如，智能系统可以自主调整生产参数、预测设备故障、优化生产流程，但同时也必须回答：出了问题谁负责？系统如何被验证？风险如何提前发现？这意味着，工业人工智能不能只靠原则约束，而必须转化为一套可以测试、可以评估、可以认证的技术标准。

第二，工业让人工智能治理成为全球协同问题。一台智能装备可能集成他国的基础模型、本国的行业模型与第三国的传感部件，一个工业智能体可能同时调度分布在多个法域的工厂产线。一旦发生事故，究竟归因于底层模型缺陷、行业适配漏洞还是部署管控不足，必须在跨法域的多主体之间划分，单一国家立法无法闭环，客观上要求国际规则协调。

第三，工业让标准成为市场竞争的新入口。工业品进入国际市场历来依托符合性评定与认证互认机制（如欧盟CE标志），人工智能嵌入工业品后，这套机制自动成为治理规则的执行通道——谁的标准被纳入认证体系，谁就掌握市场准入的闸门。欧盟《人工智能法案》实施过程中遇到的挑战，也恰恰说明：人工智能治理不能只靠法律文本，更需要背后的标准体系、检测体系和认证体系支撑。

未来，人工智能全球治理的竞争，不只是“谁提出规则”，更是“谁能够让规则运行起来”。而工业，正是检验这一能力的主战场。拥有完善的标准、检测和认证体系，将比单纯拥有一套法律框架更能决定人工智能时代的话语权。

03

人工智能全球治理正在进入深水区。过去，竞争主要围绕模型能力、算力规模展开；未来，真正决定产业格局的，将是三个更底层的问题：谁制定标准？谁掌握数据？谁控制算力？这三大领域，正在成为人工智能时代新的战略制高点。

第一，标准认证之争：谁制定规则，谁掌握产业入口。人工智能进入工业领域后，标准的重要性正在快速提升。一套技术能否进入全球市场，不仅取决于性能，更取决于是否符合国际认可的标准体系。目前，全球围绕人工智能标准的竞争已经展开。国际标准化组织与国际电工委员会第一联合技术委员会人工智能分委会（ISO/IEC JTC1/SC42）已构建起从术语框架到管理体系的完整标准版图。美国凭借国家标准学会承担SC42秘书处，将美国国家标准与技术研究院（NIST）人工智能风险管理框架的核心思想注入国际标准底层逻辑；欧盟通过欧洲标准化委员会与欧洲电工标准化委员会人工智能联合技术委员会（CEN-CENELEC JTC21）承接协调标准制定，并借“维也纳协定”将国际标准转化为《人工智能法案》符合性推定的法律工具，形成“区域立法牵引国际标准”的联动机制。中国已牵头发布7项人工智能国际标准，集中在与工业应用关系最密切的数据与可控性方向；《生成式人工智能服务安全基本要求》已支撑988款服务完成备案；全球首部面向智能体安全的强制性国家标准《智能体应用安全基本要求》于2026年立项，将身份鉴别、权限调用、高风险操作人工介入、异常阻断与紧急关停等要求转化为可检测的技术规范。特别值得关注的是：过去，治理主要关注AI生成了什么内容；未来，随着工业智能体进入生产环节，治理重点将转向：AI如何自主决策、如何安全执行、如何被有效控制。这意味着，谁能够率先形成智能体安全、工业AI评估等标准体系，谁就可能在下一轮产业竞争中占据主动。

第二，工业数据之争：谁掌握数据流动规则，谁掌握智能制造未来。人工智能时代，数据成为新的生产资料。对于工业企业而言，工业数据更是智能化转型的核心资源。但全球围绕工业数据治理正在形成不同路径。中国强调：在安全前提下促进数据流动。中国2024年出台《促进和规范数据跨境流动规定》，明确跨国生产制造等场景中不含重要数据和个人信息的数据可免予出境手续，自贸试验区负面清单进一步覆盖智能装备、汽车等行业，政策取向由“严管”转向“促进与规范并重”。欧盟强调：打破数据垄断，提高用户对工业设备数据的控制权。欧盟《数据法案》自2025年9月适用，强制联网产品制造商向用户开放设备运行数据，重塑了整机厂商对工业数据的控制权。《全面与进步跨太平洋伙伴关系协定》（CPTPP）、《数字经济伙伴关系协定》（DEPA）等经贸协定则确立商业数据自由流动与禁止数据本地化原则。三套规则背后是三种不同的治理哲学：中国以安全为底线做减法，欧盟以打破数据垄断为目标做加法，经贸协定以贸易自由化为导向划底线。规则分散意味着跨国制造企业必须同时满足多套合规体系：同一台出口欧洲的联网设备，其运行数据在中国境内适用出境评估与负面清单规则，进入欧盟市场后又须履行强制共享义务。对深度嵌入全球供应链的中国工业企业而言，“重要数据”的边界界定与工业数据分类分级的国际互认，将是下一阶段博弈的焦点。

第三，算力供应链之争：人工智能竞争延伸至基础设施竞争。人工智能背后，本质是算力竞争。2025年以来，美国对华人工智能芯片管制政策反复调整：H20芯片先禁后放，出口附加15%的收入分成条件；H200转为逐案审查，但实际交付规模有限。政策的反复本身即构成一种风险：企业无法基于稳定预期规划算力投资，中国用户对特供芯片的采购意愿转向国产替代，管制目标与商业结果日益背离。更深远的影响在于，管制推动全球工业人工智能基础设施加速“双轨化”——全球市场沿用既有算力生态，中国市场加速适配国产算力与本土模型体系，跨国制造企业被迫针对不同市场维护两套技术栈，智能质检、预测性维护等工业应用从一种架构迁移至另一种架构，需要重做底层算子优化与模型适配，落地周期与成本显著抬升。据美国相关智库与咨询机构测算，若实现全面半导体脱钩，美国芯片企业首年将损失约770亿美元销售额，研发投入下降约24%。以国内法工具重塑他国产业部署，本质上是一种未经多边授权的单边治理，其成本正由全球工业体系共同承担。

04

人工智能全球治理的竞争，最终不是停留在规则文本中的较量，而是产业能力的较量。谁拥有更多应用场景，谁积累更多实践经验，谁就更有可能影响未来规则。对中国而言，关键是把工业尤其是制造业的规模优势转化为人工智能治理优势。

第一，让WAICO成为工业人工智能合作的新平台。八项合作行动中，优质数据供给（建设跨境可信数据空间）、智能算力普惠、规则标准共建等与工业需求直接对应；未来五年面向发展中国家的5000个培训名额，与东盟、非盟、阿盟等共建的区域合作中心，以及帮助约30个国家应用人工智能气象预警系统的先行实践，表明制度共识正在转化为可操作的能力建设行动，也为中国标准与解决方案“随能力建设出海”提供了通道。规则跟着项目走、标准跟着装备走，历来是后发国家争取规则话语权最现实的方式。应推动在WAICO框架下率先形成工业人工智能安全、工业数据分类分级等领域的多边技术共识，使其成长为最具行动力的工业人工智能规则平台。

第二，把“中国制造实践”变成全球人工智能公共产品。中国拥有约占全球45%的“灯塔工厂”和500余家卓越级智能工厂，“人工智能+制造”专项行动明确到2027年推出1000个高水平工业智能体、打造100个工业领域高质量数据集、推广500个典型应用场景。全球最大规模的工业人工智能应用市场，意味着最丰富的故障样本、风险案例与验证数据，而这正是标准公信力的来源——欧美可以在原则设计上领先，却无法凭空获得千行百业真实运行沉淀下来的经验证据。应加快将智能体安全强制性国家标准、工业大模型测评方法等国内成果凝练为国际标准提案，在SC42及国际电工委员会工业自动化相关委员会持续布局，使“在中国验证”成为国际标准的质量背书。

第三，探索工业数据跨境流动“中国方案”。依托自贸试验区负面清单实践，提炼跨国生产制造场景下的数据出境便利化规则，主动在双边经贸安排与WAICO合作中推动互认，既回应外资制造企业的关切，也为中国制造出海减负。

第四，补齐检测认证短板，打造规则落地能力。欧盟的教训表明，缺少检测认证支撑的立法只能一再推迟。应加快建设面向工业人工智能的国家级测评体系，覆盖工业大模型能力评测、智能体安全测试、功能安全符合性评定等环节，培育具有国际公信力的第三方认证机构，并推动测评结果在WAICO成员国及共建“一带一路”国家间互认——标准输出的“最后一公里”，是让别人愿意采信中国机构出具的证书。

治理竞争的上半场在会议桌上展开，下半场将在工厂车间见分晓。最终决定国际话语权的，不是谁提出了更多理念，而是谁能够提供：可执行的标准、可信赖的认证、可复制的产业方案。中国最大的优势，在于全球最完整的工业体系和最丰富的应用场景。把产业优势转化为规则优势，把制造能力转化为治理能力，将成为中国参与人工智能国际竞争的重要路径。