李力：AI时代，标准为何可能成为产业创新的关键路径
2026-10-23
编者按：本文依据华为首席标准科学家李力在第二届CEIC创新·标准化交流会上的演讲整理。
当人工智能（Artificial Intelligence，AI）不断压缩产品研发周期，并进入制造、采购与交易环节，标准和合格评定能否跟上这种变化？
标准数字化不只是标准化工作方式的改进，更关系到AI时代新商业模式能否有效运行。如果产品已经完成研发，客户也有采购需求，但相应标准与合格评定尚未准备就绪，技术创新就可能停在商业化的门口。
从标准制定和合格评定出发，沿着研发、制造、市场交易三个环节，理解标准数字化为什么会从专业领域的工具，转变为产业运行的重要支撑。
01 从“把文件搬到线上”到让机器理解和使用标准
理解标准数字化，首先需要区分文件载体的变化与标准能力的变化。把纸质标准转成电子文件，并不等于标准已经能够直接进入自动化业务流程。需要关注更进一步的变化：标准内容能否被机器读取、理解，并用于系统之间的交互。
从国际进展看，国际标准化组织（International Organization for Standardization，ISO）与国际电工委员会（International Electrotechnical Commission，IEC）推进SMART标准和在线标准开发；中国推进数字化国家标准及智能研制系统；欧洲将标准数字化与产品全生命周期信息管理相结合；美国相关工作则更多体现为市场和行业驱动下的分散探索。
其中，几个关键概念需要先作区分：
- SMART标准：SMART来自“Standards Machine Applicable, Readable and Transferable”，强调标准可被机器应用、读取和传递。这里的“智能”不是简单地给标准增加AI功能，而是使标准内容能够进入数字系统并被处理和使用。
- OSD：Online Standards Development，在线标准开发。这里指ISO与IEC共同推进的在线协作平台，支持专家编写标准、提出意见并协同处理修改。它主要解决标准“如何共同制定”的问题。
- SIDS：国家标准智能研制系统，本文沿用演讲材料中的系统简称。它服务于我国国家标准研制工作；英文全称尚未从已核对资料中确认，因此不作推定展开。
- DPP：Digital Product Passport，产品数字护照。可以理解为与实体产品关联的数字信息记录，用于承载和提供产品在生命周期中的相关信息，并不是“数字产品的护照”。
SMART侧重标准内容具备什么能力，OSD与SIDS侧重标准研制工具和过程，DPP则属于产品信息与标准应用的相关场景，四者并非同一层级的概念。
不同路径背后，标准数字化涉及三个相互关联的层面。
首先是内容数字化。标准不再只是供人阅读的文本，而要形成可被机器处理的数据和规则，为自动比对、工具调用和业务系统应用创造条件。
其次是过程数字化。标准从提案、编辑、修订到表决、评审与发布，需要借助在线协作提升流程效率和透明度。
最后是应用数字化。数字化标准不能停留在编制系统中，还需要进入检测认证、产品研发、生产制造、采购和市场交易，成为业务系统能够实际使用的依据。
产品数字护照是一个例子。它的出发点与循环经济有关，包括材料回收、重复使用及环境影响管理；随着应用扩展，产品安全、碳排放等信息也可以纳入产品全生命周期的信息管理。标准数字化由此不再只影响标准文件本身，而开始与产品数据如何流转、合规信息如何使用发生联系。
02 标准可以加速，但协商一致不能被技术替代
数字化既然能够提高效率，是否意味着标准也可以像生成文本一样迅速完成？需要明确的是，标准制定中，有些时间可以压缩，有些时间不能简单省略。
一项标准需要经历是否立项、技术内容如何确定、文本如何编辑修订，以及表决、阶段性评审和发布等多个环节。数字化对文本处理和流程活动的作用较为直接，却很难替代利益相关方围绕标准内容达成共识的过程。
原因在于，标准的价值不只是提供一份技术上正确的文本，更在于形成产业公信力。客户、供应商及其他相关方需要充分表达意见，对技术方案、适用要求及利益安排进行讨论。写出条文与获得共同认可，是两件不同的事情。
协商一致是构建标准公信力的核心机制。因此，标准数字化的着力点不是跳过协商，而是减少编辑、版本处理和流程衔接中的低效活动，提高透明度，在保留必要讨论的前提下缩短端到端周期。
这一边界对于AI辅助标准研制尤其重要。工具可以帮助编辑、组织材料和推进流程，但不能因为文本生成更快，就认为标准已经获得产业认可。数字化要解决的是如何更有效地形成共识，而不是如何绕过共识。
03 合格评定数字化：从一份报告走向完整证据链
如果说标准提供共同遵循的要求，那么检测与认证的作用，就是证明产品、过程或服务是否满足这些要求。合格评定的核心价值，在于传递信任。
传统检测过程包含大量人工环节：设置测试方法和参数、按标准开展试验、录入实测数据、比对要求并形成报告。其中，参数设置、条文理解及结果比对，都可能引入误操作或理解差异。
机器可读、可交互的标准，为改变这些环节提供了条件。例如，测试方法和参数可以从数字化标准中导入，实测结果可以与有效标准自动比对，检测报告也可以与原始数据、测试条件和相关记录关联。
这样一来，交付对象不再只是一份结论文件，而是报告与数字证据共同构成的记录体系。使用者不仅能够看到结论，也有条件追溯结论依据、核查测试过程及其完整性。
认证环节同样如此。审核不必完全依赖现场翻阅材料，而可以结合系统取数、远程核验和现场抽查；持续监督也有机会从间隔一段时间重新检查，转向在数字档案支持下持续采信相关数据。
由此可以看到两项转变：检测机构从“管理报告”向“管理数据”转变，认证机构从“周期性审核”向“持续数据采信”转变。
但这不是取消专业人员。试验活动、认证结论和证书发布等环节仍需人工主导，结构化数据则用于支持专业工作。数字化的目标，是降低误操作、误判和理解差异，提高证据的可信度与可追溯性，而不是把所有判断责任交给系统。
04 当研发越来越快，标准可能成为商业化的新瓶颈
标准制定周期为什么在AI时代变得更加重要？需要把问题放到产品研发与市场采购的时间关系中理解。
理想情况下，产品完成开发时，相关标准与合格评定也已准备就绪。客户可以依据共同认可的要求比较产品、组织采购，供应商也能据此证明产品能力和符合性。
如果产品已经上市，标准却尚未形成，市场往往面临两种选择：等待标准发布后再启动采购，或者在缺乏共同标准支撑的情况下开展交易。
前一种选择可能错失商业机会；后一种选择则增加比较、验证和谈判成本。客户难以客观判断不同供应商的方案，供需双方也可能形成不利于市场开放的锁定关系。共同认可的标准，有助于减少这种不确定性。
AI正在进一步拉大产品开发速度与标准准备速度之间的张力。以AI编码等工具进入研发流程为背景，可以设想一种情景：产品研发周期可能从一年缩短至三个月。这里的“一年到三个月”是用于说明问题的趋势情景，而不是对所有行业的实测结论。
其经济含义却很清楚：研发周期缩短，不仅可能降低成本，也缩短了企业判断未来市场需求的时间跨度。对于投入较大的研发型企业，更快验证产品意味着降低押错技术和市场方向的风险。
但如果研发周期显著缩短，标准制定仍维持原有节奏，产品就可能“做得出来，却不能顺畅交易”。此时，决定产业推进速度的关键路径，可能从产品开发转移到标准与合格评定准备。
进一步看，标准公信力需要三方面的认可：客户认可并愿意依据标准采购，供应商认可并愿意依据标准开发产品，监管机构认可其合规性并借助标准落实相关要求。这种认可不能速成，也不能由研发效率的提高自动替代。
因此，标准数字化的重要性在于：尽可能减少非必要等待，让标准研制与产品研发更好协同，而不是等产品准备上市时才补做规则与验证工作。
05 AI进入工厂与供应链，标准也必须进入数据流
在制造环节，需要关注的不是某一个孤立的AI应用，而是生产与采购逐步走向数据驱动的整体趋势。
AI可以参与排产、工艺调整、设备维护与质量控制，也可能进入可编程逻辑控制器（Programmable Logic Controller，PLC，一种用于控制工业设备运行的控制器）代码生成、控制系统和机器人等环节。采购与供应链则可能围绕智能体协作形成自动执行、实时预警和闭环决策。
这些能力能否有效运行，取决于业务所需的信息是否能够进入系统。产品要满足什么要求，设备按什么规则运行，采购的零部件是否符合条件，检测和认证结果能否核验，都不能只依赖人去阅读文件、再手工转录。
将标准制定、产品研发、合格评定、生产制造、采购供应链和市场交易连接起来，可以看到几类关键数据关系：
- 标准制定向合格评定、制造和采购提供机器可读、可交互的标准内容。
- 产品研发与标准数字化同步推进，输出能够进入后续业务环节的产品设计数据和模型。
- 零部件及产品的合格评定结果，与证书、结构化数据和完整数字档案共同流转。
- 市场需求反馈生产数量与组织方式，产品数字护照等机制支持相关产品信息的衔接。
这意味着，数字证书的价值不只在于“有一张证书”，还在于其信息能否被业务系统读取，并与产品、部件及相应证据关联。标准与合格评定如果停留在孤立的文本和结论层面，就难以充分支撑自动化的采购与制造。
标准数字化因此是AI制造获得有效数据的重要起点之一。它要使标准要求、设计信息、测试结果与业务决策之间形成能够衔接的链路。
06 智能体参与交易，对标准提出更高要求
再看市场交易。在人类授权下，智能体可能承担越来越多的经济活动，而这种变化将进一步强化对数字化标准与合格评定的需求。
相关技术趋势可以从四个方向理解。
一是联网化。A2A（Agent2Agent，智能体间通信协议）与ANP（Agent Network Protocol，智能体网络协议）等技术探索智能体之间的交互与协作。简单说，它们关注的是不同智能体如何彼此发现、沟通和配合，使能力不再局限于单个系统，而能够通过连接专业智能体形成组合。
二是行动化。MCP（Model Context Protocol，模型上下文协议）为AI应用连接外部工具和数据提供统一接口，使智能体能够从回答问题走向执行任务。与主要关注智能体之间协作的A2A不同，MCP主要解决智能体如何使用工具与资源的问题。
三是去中心化的身份与凭证机制。DID（Decentralized Identifier，去中心化标识符）用于标识主体，并支持其通过密码学方式证明对标识符的控制；VC（Verifiable Credential，可验证凭证）则以可验证的数字形式表达某个主体的属性或资质等声明。可以简单理解为，前者帮助识别“是哪一个主体”，后者帮助核验“关于这个主体的某项声明是否有可信依据”。二者为智能体安全交互提供了技术路径，但并非必须绑定使用，也不自动等于交易对象已获得全面信用担保。
四是使用成本下降带来的普及。随着模型部署和使用成本降低，智能体服务可能被更多企业和个人采用，而不再只属于少数大型机构。
这些趋势并不意味着智能体已经可以无条件接管交易。它们指向的是一个问题：当机器开始参与产品比较、资质核验和交易执行，交易依据也需要适合机器处理。
如果产品标准仍是一篇自然语言文本，证书只是一个难以结构化读取的文件，系统就需要先解释其含义，再判断适用条件，过程中可能出现歧义。结构化标准及合格评定数据能够减少这种转换的不确定性，但并不意味着系统从此不会出错。
智能体交易的价值不仅是速度更快，还包括合规、可追溯和可归责。标准说明产品与服务应满足什么要求，合格评定提供其符合要求的证据；两者共同数字化，才能为机器参与经济活动提供更明确的判断依据。
07 结语：标准数字化不是标准化部门的孤立工程
标准数字化的影响从标准制定出发，却不止于标准制定：研发加速要求规则与验证同步准备，制造与采购自动化要求标准进入数据流，智能体交易则要求产品要求及符合性证据能够被机器理解和使用。
这三种变化最终汇聚到同一个方向：标准、合格评定与产业业务需要形成更紧密的数字化协同。
面向联盟和团体标准工作的数字化协作工具，如本次交流会上发布的AllianceHub平台，也是这一进程中的实践。过程协作是其中一环，但标准数字化的最终价值仍要通过研发、制造与交易中的实际应用体现。
标准数字化不仅仅是标准化本身的变革，更是AI时代新商业模式变革的重要助力。
当产品创新越来越快，标准数字化要回答的已不只是“标准如何编得更高效”，还包括“创新如何更快获得信任，并进入可以规模化运行的市场”。
08 术语缩写速查
缩写英文名称中文名称及本文含义AIArtificial Intelligence人工智能ISOInternational Organization for Standardization国际标准化组织；ISO是该组织的统一简称，不按英文名称首字母逐一对应IECInternational Electrotechnical Commission国际电工委员会SMARTStandards Machine Applicable, Readable and Transferable强调标准可被机器应用、读取和传递；不等同于通常目标管理中的SMART原则OSDOnline Standards Development在线标准开发；本文指ISO/IEC在线协作开发标准的平台SIDS英文全称待确认，不据字母推定国家标准智能研制系统，简称沿用演讲材料DPPDigital Product Passport产品数字护照，关联实体产品及其生命周期信息PLCProgrammable Logic Controller可编程逻辑控制器，工业设备控制中使用的控制器A2AAgent2Agent智能体间通信协议，主要关注智能体之间的协作ANPAgent Network Protocol智能体网络协议，关注智能体发现、通信与组网MCPModel Context Protocol模型上下文协议，连接AI应用与外部工具、数据和资源DIDDecentralized Identifier去中心化标识符；复数形式为Decentralized Identifiers（DIDs）VCVerifiable Credential可验证凭证；复数形式为Verifiable Credentials（VCs）
