作者：翟杉（北京联合大学）

　　我国新能源汽车产业凭借电动化“换道超车”战略已确立全球领先地位，正处在智能化升级的关键阶段。一定程度上说，电动汽车竞争核心已从规模与性能，深刻转向以算法、数据、安全为核心的体系之争。电动化终点是智能化，而智能化根基则是可信AI。在这场决定全球汽车产业格局的竞赛中，“可信AI”不再是单纯的技术安全选项，而是支撑智能化的战略支点。

　　可信AI：从技术安全到国家战略的价值跃升

　　过去十年，我国新能源汽车产业实现了从追赶到引领的历史性跨越，为智能化转型奠定了雄厚的规模与场景基础。然而，当电动化技术红利趋于收窄，新能源汽车的全球竞争重心正由“拼性能”转向“拼体系”“拼标准”，算法、数据治理与系统安全成为衡量产业竞争力的决定性因素，可信AI（Trustworthy AI）的重要性被提升到前所未有的战略高度。

　　所谓可信AI，是指在技术可控、过程可审、结果可证前提下运行的人工智能体系，它要求算法稳定可解释、数据真实可追溯、决策透明可核查。其深远意义不仅在于风险管控，更在于它确立了一种技术与制度的双重契约——让创新在信任的框架中运行，让技术边界始终处于可监管、可问责的轨道。

　　汽车产业的演进趋势表明，当今电动汽车产业的竞争焦点不再是谁“做得更快”，而是谁“更值得信任”，可证安全已从技术选择，升级为市场准入的必备前提。对于我国而言，技术越复杂，越需要制度托底；算法越强大，越要求其可信。如果说电动化的突破依赖能源与制造能力，那么智能化跃升，则取决于能否形成与技术创新同步的可信AI体系。因此，可信AI绝不只是安全屏障，更是战略支点。它以可验证的安全托稳技术底线，以标准化治理对接全球规则，以可审计的透明度提升品牌公信力，形成“安全—标准—品牌”完整闭环，这是我国汽车产业从制造优势迈向体系优势的关键跃升。

　　我国可信AI建设步入体系化转型关键期

　　目前，我国在政策引导、技术研发、产业试点和社会共识等方面取得了阶段性进展，可信AI体系的雏形初步显现。

　　过去几年，国家层面对人工智能治理的政策布局不断深化。自《新一代人工智能发展规划》确立总体框架以来，《生成式人工智能服务管理暂行办法》《车联网网络安全与数据安全管理规定》等文件陆续出台，为可信AI的制度化建设确立了底层逻辑——算法可解释、数据可追溯、决策可问责。这一系列政策在方向上已确定思路：技术创新必须嵌入可信框架，安全与责任是智能化的前提。

　　政策导向的一致性，使企业投入与地方探索有了稳定的制度预期。在技术与产业层面，可信AI的工程化探索正在积累实践基础。依托国家智能网联汽车创新中心、汽车电子与软件创新平台等载体，围绕“感知—决策—控制”的关键链路，国内车企与科技企业在算法验证、模型留痕、数据安全计算、边缘协同防护等环节实现了突破。北京、上海、深圳、武汉等地建设的智能网联示范区，已在“车—路—云—数”一体化治理方面形成可复制经验，算法留痕、数据审计、风险预警等机制被纳入常态化运行流程。可信从企业内部的点状合规，延伸为跨主体、跨设施的协同治理，推动中国智能汽车在从“能跑起来”到“跑得安全、跑得可信”的道路上稳步迈进。

　　智能驾驶的风险事件让社会认识到，“智能”只有在“可控”的边界内才具备可持续性，公众层面的信任机制也在重塑。监管部门的动态抽检、企业的安全公开、媒体的舆论监督，共同构成了AI治理的社会支撑结构。安全性与透明度正成为品牌价值的重要组成部分，市场与社会共同强化了“可信”这一核心约束。

　　政策、技术与社会三方面合力，意味着我国可信AI治理体系的方向已定、抓手已现、基础可循，具备从原则倡导迈向制度化落地的现实条件。然而，与技术迭代速度相比，制度协同、标准整合与法治保障的进度仍显滞后，成为制约可信AI体系建设的突出瓶颈。

　　首先，标准协同不足致使体系碎片化。现有AI治理标准来源多元，涵盖国家标准、行业标准与地方规范，但在算法备案、风险评估、测试验证等关键领域缺乏统一口径。不同部门之间的标准交叉和重复，使企业在执行时面临多重合规压力，资源分散、成本高企。其次，数据治理基础仍不稳固。智能汽车的核心竞争力来自数据，但数据治理的制度供给仍显薄弱，加密计算、可信执行环境、联邦学习等关键技术虽能提升安全性，却未被正式纳入监管评估体系。这种脱节导致“制度有形、约束无力”，使数据安全成为可信AI体系中最脆弱的一环。最后，责任治理机制亟待完善。智能驾驶系统的决策逻辑高度复杂，涉及制造商、算法供应商、云控平台、数据服务商等多方主体。一旦出现事故，传统的产品责任框架难以有效适用。

　　这一系列问题的根本症结在于，我国AI治理仍停留在原则共识阶段，尚未进入标准化、法治化、国际化的深度运行轨道。技术的发展已经跨入“制度竞争”时代，而治理 “碎片化”，缺乏制度协同与责任边界不清晰，致使创新速度越快，风险积累就越深。

　　筑牢可信AI体系治理基石

　　构建可信AI体系的意义早已超过孤立的监管议题，而是横跨技术研发、产业政策、法律制度与社会伦理四个层面的国家智能化治理的基础工程，必须以系统架构思维进行整体设计。

　　以标准体系为牵引，构建统一、互认、可验证的国家级治理框架。可信AI的可操作性，首先取决于标准的统一与验证。鉴于当前阶段国内所存在的标准分散、定义模糊、体系重复等问题。应以“统一性、互认性、验证性”为导向，重构标准体系，将“可信”转化为可度量的治理能力，使技术创新有统一语法、产业治理有公共语言、国际合作有互认机制。建立国家级标准统筹机制，整合人工智能、安全计算、智能网联汽车等领域标准资源，形成“术语—分级—测试—认证—监督”的五级标准体系。通过垂直贯通国标、行标、团标与地标，建立“单一口径、全流程、一致性”的标准族群。推动国际互认与双向对接,在算法可解释性、模型可验证性、数据安全等关键领域提出中国标准方案，推动形成国际互认清单，使“中国标准”从适配者转为塑造者。

　　以数据合规为支撑，构筑跨域可控、分级管理的可信数据体系。要完善分类分级制度，建立以风险等级为导向的数据分级清单，将车载数据划分为运行安全、环境感知、个人信息、地图地理四类，明确采集边界、使用权限与存储周期，实现采集环节“有界、可审、留痕”。建立跨境数据合规与“沙盒机制”，针对远程运维、云端服务、自动驾驶升级等跨境场景，推行“白名单+备案制”，在自贸区和示范区建设数据流通沙盒，试点可信执行环境（TEE）、联邦学习、加密计算等技术，实现“数据不出境、算法出境”的安全协同。构建国家级数据安全监管平台，建立“事前备案、事中监测、事后追溯”的全过程监管链，确保算法调用、访问日志、模型更新均可核查。推动数据安全与市场化并行，制定可信数据交易标准，明确“算法可解释”“隐私可控”作为数据要素市场准入门槛，在交通、保险、能源等垂直领域构建安全的数据流通生态。

　　以责任治理为核心，建立可归责、可审计、可修复的法治体系。智能化系统的风险，不仅来自技术故障，更源于责任不清。责任治理不仅是监管手段，更是制度信任的核心。唯有在可问责的法治框架中，智能汽车产业才能实现从“功能安全”向“制度安全”的跃升。建立算法责任追溯链，在AI模型全生命周期中嵌入数字签名与版本控制，实现算法更新、模型优化的全程留痕。完善多主体责任矩阵,将制造商、算法开发商、云平台、数据处理方与用户纳入统一的责任映射体系，按系统层级和功能边界细化责任分配，形成可举证的闭环。强化AI伦理与社会责任立法，在算法偏见、透明度、用户知情权等领域建立法定约束，要求企业设立AI伦理审查机制，对高风险算法实行备案与定期复核。

　　可信AI体系不仅是技术标准的集成，更是国家治理现代化的实践场，标志着我国智能汽车从“创新驱动”向“制度驱动”的范式转变。未来三至五年是中国智能汽车产业实现“从制造优势到制度优势”转型的关键窗口期，当标准成为语言、数据成为资产、责任成为秩序，中国的可信AI体系将不仅服务于产业升级，更将为全球智能化治理提供具有规范性、互认性与伦理自洽性的中国方案。

　　【本文系国务院发展研究中心市场经济研究所课题“数字经济赋能时尚消费”的阶段性成果。】