全球AI安全联盟（ASA）成立与五级风险分级标准研究报告

全球AI安全联盟（ASA）成立与五级风险分级标准研究报告

作者：淞基科技（上海）有限公司、淞基信息通信研究院、淞基未来信息网研究部
日期：2026 年 6 月
摘要：2026 年 5 月，全球科技巨头联合发起成立AI 安全联盟（ASA），汇聚美、欧、中 20 余家顶级 AI 企业，首次推出统一的AI 安全五级分级框架，覆盖大模型、智能体、具身 AI 等核心形态，明确强制安全评估要求。本报告从联盟成立背景、核心架构、分级标准细则、全球治理影响、产业挑战与机遇、中国参与路径六大维度，系统剖析 ASA 的诞生逻辑与战略价值，揭示全球 AI 治理从 “口头呼吁” 转向标准化、强制性、跨国协作新阶段的深层意义，为企业合规、政策制定及行业发展提供参考。

关键词：AI 安全联盟（ASA）；AI 风险分级；五级框架；全球 AI 治理；大模型安全；跨国协作

一、报告引言

1.1 研究背景

人工智能技术正以前所未有的速度迭代演进，大模型能力突破、智能体自主化升级、具身 AI 场景落地，推动生产力变革的同时，也催生系统性安全风险。从模型 “幻觉” 导致的决策失误、深度伪造引发的信任危机，到算法偏见加剧的社会分化、AI 失控带来的生存性威胁，传统单一国家、零散企业的治理模式已难以应对跨境、跨领域、复合型的 AI 安全挑战。

全球 AI 治理长期处于 “碎片化” 困境：联合国、OECD 等国际组织以伦理倡议、原则宣言为主，缺乏强制约束力；欧盟《人工智能法案》构建区域化强制监管体系，侧重法律约束；美国依托 NIST 框架推行自愿性标准，强调行业自治；中国出台 AI 治理倡议与分级指引，聚焦本土风险防控。各国标准不统一、评估体系互不认、合规成本高企，跨国 AI 企业面临 “多套标准、重复测评” 的压力，也制约全球 AI 技术协同创新与安全共治。

在此背景下，2026 年 5 月，OpenAI、谷歌、微软、Anthropic、华为、阿里、腾讯等20 余家全球顶级 AI 企业联合宣布成立AI 安全联盟（AI Security Alliance，简称 ASA），总部设于中立机构，同步发布《全球 AI 安全五级分级框架》及强制评估规范，首次实现美、欧、中三大 AI 核心区域的安全标准统一，标志着全球 AI 治理迈入标准化、强制性、跨国协作的全新阶段。

1.2 研究意义

1.2.1 理论意义

ASA 的成立填补了全球 AI 统一风险分级标准的空白，构建 “技术分级 — 风险匹配 — 管控落地” 的闭环治理逻辑，丰富人工智能全球治理理论体系。五级分级框架融合欧盟风险监管、美国技术自治、中国安全可控的核心理念，形成兼具包容性与实操性的治理范式，为后续国际 AI 安全公约制定、全球治理机制完善提供理论参考。

1.2.2 实践意义

对企业而言，统一分级标准可降低跨国合规成本，避免多重评估负担，明确不同等级 AI 产品的安全投入边界，助力企业平衡创新与安全；对国家而言，ASA 搭建跨国安全协作平台，推动美、欧、中在 AI 安全领域的共识凝聚，减少技术壁垒与规则冲突，为全球 AI 产业健康发展奠定基础；对社会而言，强制安全评估可从源头防范 AI 失控、数据泄露、算法歧视等风险，保障公众权益与社会稳定，增强人类对 AI 系统的最终控制权。

1.3 研究范围与方法

1.3.1 研究范围

本报告聚焦 ASA 核心内容，包括联盟成员构成、组织架构、运作机制；AI 安全五级分级框架的分级逻辑、等级定义、适用场景、管控要求；强制安全评估的流程、指标、认证机制；ASA 对全球 AI 治理格局、产业发展、技术创新的影响；当前面临的挑战及中国企业、政策层面的应对路径。

1.3.2 研究方法

• 文献研究法：梳理联合国、OECD、欧盟、美国、中国等发布的 AI 治理政策、标准、报告，对比分析全球现有 AI 风险分级体系与管控模式。

• 案例分析法：选取联盟核心成员（OpenAI、华为、谷歌等）的 AI 产品安全实践案例，验证五级分级框架的适用性与实操性。

• 对比分析法：对比 ASA 五级框架与欧盟 AI 法案风险分级、美国 NIST 框架、中国 AI 安全指引的差异与共性，凸显 ASA 的创新价值。

• 专家访谈法：结合行业专家观点，研判 ASA 落地难点、产业影响及未来演进趋势。

1.4 数据来源与免责声明

1.4.1 数据来源

1. AI 安全联盟（ASA）官方发布文件（2026 年 5 月）：《AI 安全联盟章程》《全球 AI 安全五级分级框架》《强制安全评估管理规范》；

2. 联合国、OECD、欧盟委员会、美国 NIST、中国网信办等机构发布的 AI 治理政策、标准、报告（2024—2026 年）；

3. 联盟成员企业公开披露的 AI 产品安全报告、技术白皮书（2025—2026 年）；

4. 云安全联盟（CSA）、中国信通院、中科院科技战略咨询研究院等机构发布的 AI 安全研究报告；

5. 行业权威媒体（新华网、法治日报、新浪新闻等）关于 ASA 成立及全球 AI 治理的报道（2026 年 5—6 月）。

1.4.2 免责声明

1. 本报告基于公开可查数据与信息编制，淞基科技（上海）有限公司、淞基信息通信研究院、淞基未来信息网研究部不对数据的绝对准确性、完整性承担法律责任；

2. 本报告仅为行业研究参考，不构成任何投资建议、商业决策依据或法律意见，任何主体依据本报告内容作出的决策及产生的后果，由该主体自行承担；

3. 本报告版权归属于发布单位，未经书面授权，任何机构或个人不得转载、摘抄、篡改或用于商业用途；

4. 本报告观点仅代表研究团队专业判断，不代表联盟成员及相关机构立场。

二、AI 安全联盟（ASA）成立背景与核心概况

2.1 成立背景：全球 AI 安全治理的三重困境

2.1.1 风险失控：AI 能力跃升与安全防护失衡

AI 技术呈现 “能力指数级增长、安全防护线性跟进” 的失衡态势。大模型参数规模突破万亿级，推理能力、自主生成能力接近通用人工智能（AGI）初级阶段；智能体具备自主感知、决策、执行能力，可脱离人类实时干预完成复杂任务；具身 AI（机器人、自动驾驶系统）深度融入物理世界，直接关联人身安全与公共安全。

与此同时，AI 安全漏洞频发：模型对抗攻击、prompt 注入、数据污染、隐私泄露、算法偏见、深度伪造、自主决策失控等风险持续暴露。2025—2026 年，全球已发生多起 AI 安全事件：自动驾驶系统误判引发交通事故、大模型生成虚假信息导致金融市场波动、智能体自主修改指令造成工业生产故障，凸显现有安全防护体系难以匹配 AI 能力升级速度，亟需全球统一的风险管控标准。

2.1.2 治理碎片化：区域规则冲突与跨国协作缺失

全球 AI 治理呈现 “三足鼎立、各自为政” 的碎片化格局，核心区域规则差异显著：

• 欧盟：2024 年《人工智能法案》生效，构建 “不可接受风险 — 高风险 — 中风险 — 低风险” 四级分级体系，对高风险 AI 系统实施强制合规、CE 认证、高额处罚（最高全球营业额 6%），侧重法律强制约束；

• 美国：依托 NIST AI 风险管理框架，推行自愿性风险评估标准，强调行业自治与技术创新平衡，无统一强制分级要求，各州规则分散（如科罗拉多州针对高风险系统制定绑定规则）；

• 中国：发布《人工智能安全治理框架 2.0》《人工智能应用安全指引总则》，提出五级风险分级（低、一般、较大、重大、特别重大），侧重安全可控与全生命周期防护，强制要求高风险系统安全评估。

区域规则差异导致三大问题：一是合规成本高企，跨国 AI 企业需同时适配多套标准，重复测评、多重合规，成本增加 200% 以上；二是标准互不认，不同区域评估结果无法互通，阻碍 AI 产品跨境流通；三是协作机制缺失，各国在 AI 安全监测、漏洞共享、应急响应等领域缺乏协同，难以应对跨境 AI 安全风险。

2.1.3 产业诉求：平衡创新与安全，构建稳定发展环境

全球 AI 产业规模持续扩张，2025 年全球 AI 市场规模突破 1.8 万亿美元，中国、美国、欧盟为核心增长极。AI 企业普遍面临 “创新与安全” 的两难选择：过度强调安全会抑制技术迭代，降低产业竞争力；过度追求创新则易引发安全风险，损害企业声誉与用户权益。

产业界迫切需要全球统一、兼顾安全与创新、具备实操性的 AI 安全标准，明确不同类型 AI 产品的安全底线与管控要求，减少规则不确定性，降低合规成本，为全球 AI 产业构建稳定、公平、可预期的发展环境。ASA 正是在这一产业诉求下，由全球顶级 AI 企业联合发起，旨在打破区域壁垒，统一安全标准，推动 AI 产业安全、有序、协同发展。

2.2 ASA 核心概况

2.2.1 成员构成：美欧中主导，20 + 顶级 AI 企业参与

ASA 成员覆盖全球 AI 产业链核心环节，包括大模型研发、智能体开发、具身 AI 制造、AI 基础设施建设等领域的龙头企业，总计 20 余家，核心成员如下：

• 美国企业：OpenAI、谷歌（Google DeepMind）、微软、Anthropic、Meta、xAI、Mistral AI；

• 欧洲企业：SAP、西门子、达索系统、Cohere；

• 中国企业：华为、阿里、腾讯、百度、字节跳动、智谱 AI、商汤科技；

• 其他地区企业：三星（韩国）、G42（阿联酋）、Naver（韩国）。

成员企业具备三大特征：一是技术领先性，均为全球 AI 技术研发第一梯队，主导大模型、智能体、具身 AI 等核心领域技术方向；二是产业代表性，覆盖 AI 全产业链，涵盖基础层、技术层、应用层，代表全球 AI 产业核心利益；三是区域平衡性，美、欧、中成员数量均衡，兼顾三大核心区域的治理诉求，确保标准的包容性与公信力。

2.2.2 组织架构：中立治理，多方参与

ASA 采用理事会 + 技术委员会 + 秘书处的三层组织架构，确保决策高效、技术专业、运作中立：

• 理事会：最高决策机构，由每家成员企业委派 1 名高管组成，实行 “一票否决制”，负责联盟章程修订、分级标准审批、重大决策制定、成员准入与退出等核心事务；

• 技术委员会：核心执行机构，由成员企业技术专家、行业权威学者、中立机构代表（联合国 AI 治理小组、OECD 专家）组成，负责分级框架制定、评估标准细化、技术规范更新、安全认证审核等技术工作；

• 秘书处：日常运营机构，设于中立国际机构（瑞士日内瓦），负责联盟日常事务管理、会议组织、成员沟通、标准推广、国际协作对接等工作，保障联盟高效运转。

2.2.3 核心目标与运作机制

[2.2.3.1](2.2.3.1) 核心目标

1. 制定并推广全球统一的 AI 安全五级分级框架，明确大模型、智能体、具身 AI 的风险分级标准与管控要求；

2. 建立强制安全评估与认证机制，推动成员企业 AI 产品全面适配分级标准，非成员企业自愿参与认证；

3. 搭建全球 AI 安全协作平台，实现安全漏洞共享、风险监测联动、应急响应协同，防范跨境 AI 安全风险；

4. 推动分级标准与各国监管规则兼容互认，减少跨国合规壁垒，促进 AI 技术与产品全球流通；

5. 引领全球 AI 治理方向，平衡技术创新与安全管控，保障 AI 技术造福人类，防范 AI 失控风险。

[2.2.3.2](2.2.3.2) 运作机制

• 标准制定机制：技术委员会牵头，结合欧盟、美国、中国现有标准，经成员企业多轮磋商、行业专家论证，形成分级框架草案，提交理事会审批通过后正式发布，每年根据技术发展与风险变化更新一次；

• 强制合规机制：成员企业需在标准发布后 6 个月内，完成旗下所有 AI 产品的风险分级与安全整改，12 个月内通过 ASA 认证；未达标产品不得上市销售或提供服务，违规成员将被暂停联盟资格，直至整改合格；

• 认证互认机制：ASA 认证结果与欧盟 CE 认证、美国 NIST 认证、中国 AI 安全评估结果兼容互认，减少企业重复测评成本；

• 风险协作机制：建立全球 AI 安全风险监测平台，成员企业实时上报安全漏洞与风险事件，共享威胁情报；针对重大跨境风险，启动联合应急响应机制，协同处置风险。

三、ASA 核心成果：AI 安全五级分级框架与强制评估标准

3.1 分级逻辑：风险导向，全维度覆盖

ASA 五级分级框架以风险等级为核心导向，综合考量 AI 系统的技术能力、应用场景、危害程度、可控性四大核心维度，覆盖大模型、智能体、具身 AI 三大主流形态，实现 “风险越高、管控越严、评估越强制” 的差异化治理。

3.1.1 四大分级维度

• 技术能力：模型参数规模、推理能力、自主决策能力、自我进化能力、对抗攻击抵御能力；

• 应用场景：公共安全、国家安全、金融、医疗、教育、交通、工业、民生服务、娱乐等；

• 危害程度：人身伤害、财产损失、社会秩序混乱、公共安全危机、国家安全威胁、生存性风险；

• 可控性：人类干预难度、决策透明度、可解释性、故障可追溯性、紧急关停可行性。

3.1.2 分级范围

框架覆盖全类型 AI 系统，重点聚焦三大核心形态：

• 大模型：语言模型、多模态模型、代码模型、科学计算模型等；

• 智能体：通用智能体、行业专用智能体、多智能体系统等；

• 具身 AI：自动驾驶系统、工业机器人、服务机器人、无人机、智能家居控制中枢等。

3.2 五级分级标准细则

ASA 将 AI 系统安全风险从低到高划分为 \\L1（基础安全级）、L2（常规安全级）、L3（高级安全级）、L4（核心安全级）、L5（特级安全级）\\ 五个等级，每个等级明确适用范围、核心风险、安全要求、管控强度、评估频率。

3.2.1 L1（基础安全级）：低风险，自主合规

• 适用范围：技术能力较弱、应用场景简单、危害程度极低、可控性强的 AI 系统；如小型对话机器人、基础内容推荐算法、简单数据统计工具、娱乐类 AI 应用（AI 绘画、短视频特效）等；

• 核心风险：轻微内容错误、轻度算法偏见、用户体验不佳，无实质性安全危害；

• 安全要求：具备基础数据安全防护（数据加密、权限管控）、基础内容审核机制、简单故障反馈渠道；无需复杂安全测试，企业自主合规；

• 管控强度：宽松，企业自我声明合规，ASA 备案即可；

• 评估频率：无需强制评估，每年自主自查 1 次。

3.2.2 L2（常规安全级）：一般风险，定期自查

• 适用范围：技术能力中等、应用场景广泛、危害程度一般、可控性较强的 AI 系统；如中型客服机器人、电商推荐系统、办公自动化工具、普通医疗辅助咨询 AI、非关键领域数据处理模型等；

• 核心风险：少量虚假信息、轻度数据泄露、一般算法偏见、局部服务故障，危害范围有限、后果轻微；

• 安全要求：完善数据安全防护（数据脱敏、访问日志审计）、常规内容审核、算法透明度说明、基础故障应急方案；定期开展安全漏洞扫描；

• 管控强度：中等，企业自主合规 + ASA 定期抽查；

• 评估频率：每 12 个月强制自查 1 次，提交自查报告至 ASA 备案。

3.2.3 L3（高级安全级）：较大风险，强制测评

• 适用范围：技术能力较强、应用场景关键、危害程度较大、可控性中等的 AI 系统；如大型客服智能体、金融理财推荐 AI、普通医疗诊断辅助模型、工业非核心环节机器人、城市民生服务 AI（交通路况提示、公共预约系统）等；

• 核心风险：中度虚假信息传播、局部数据泄露、明显算法偏见、关键服务中断、轻度人身 / 财产损失，危害范围较广、后果较严重；

• 安全要求：全生命周期数据安全防护、严格内容审核、算法可解释性报告、完善故障应急方案、定期红队攻防测试、第三方安全审计；

• 管控强度：严格，强制通过 ASA 认证，认证有效期 2 年；

• 评估频率：每 24 个月强制第三方测评 1 次，每年开展 1 次专项风险评估。

3.2.4 L4（核心安全级）：重大风险，重点监管

• 适用范围：技术能力强、应用场景核心、危害程度重大、可控性较弱的 AI 系统；如金融风控核心模型、医疗临床诊断 AI、交通枢纽调度系统、工业核心环节机器人、能源基础设施管控 AI、教育核心领域决策系统等；

• 核心风险：重大虚假信息引发社会恐慌、大规模数据泄露、严重算法偏见导致社会不公、关键基础设施故障、重大人身 / 财产损失、局部公共安全危机；

• 安全要求：最高等级数据安全防护（军用级加密、数据跨境禁止、全流程追溯）、全内容人工审核、算法完全可解释、实时风险监测、快速应急关停机制、国家级红队测试、双认证（ASA + 所在国监管机构）；

• 管控强度：极严格，强制双认证，认证有效期 1 年，实时动态监管；

• 评估频率：每 12 个月强制双认证测评 1 次，每季度开展 1 次动态风险监测。

3.2.5 L5（特级安全级）：特别重大风险，最高管控

• 适用范围：技术能力极强、应用场景涉及国家安全 / 人类生存、危害程度极端、可控性极弱的 AI 系统；如国防安全辅助模型、国家级关键信息基础设施运维 AI、通用人工智能（AGI）原型系统、具备自我进化能力的超级大模型、自主决策武器系统、跨境公共安全核心调度 AI 等；

• 核心风险：国家安全威胁、大规模战争风险、全球公共安全危机、AI 失控引发人类生存性风险、系统性社会崩溃；

• 安全要求：自主可控核心技术、最高等级纵深防御体系、全流程人工闭环管控、零容忍安全漏洞、实时全球风险监测、紧急远程关停机制、多国联合安全审查、伦理委员会全程监督；

• 管控强度：最高级，多国联合监管，全球实时监控，禁止独立部署；

• 评估频率：每 6 个月强制多国联合测评 1 次，实时动态风险预警，重大调整需全联盟审批。

3.3 强制安全评估标准

3.3.1 评估对象

• 成员企业：旗下所有 AI 系统（大模型、智能体、具身 AI）必须纳入评估范围，全覆盖、无遗漏；

• 非成员企业：自愿参与评估，认证通过后可获得 ASA 合规标识，享受认证互认权益。

3.3.2 评估流程

1. 分级申报：企业提交 AI 系统技术参数、应用场景、风险分析报告，ASA 技术委员会进行初步分级；

2. 自查整改：企业依据对应等级安全要求，开展全面自查，整改安全漏洞，提交自查报告；

3. 第三方测评：ASA 指定全球权威第三方机构（欧盟 ENISA、美国 NIST 认可机构、中国信通院）开展现场测评、漏洞扫描、攻防测试、算法审计；

4. 认证审批：技术委员会审核测评报告，合格后颁发 ASA 安全认证证书，公示认证结果；不合格企业限期整改，逾期未达标取消申报资格；

5. 动态监管：认证有效期内，企业需定期提交风险报告，ASA 随机抽查；发生重大安全事件，立即撤销认证，启动联合应急响应。

3.3.3 核心评估指标

评估指标覆盖技术安全、数据安全、内容安全、算法安全、应急安全、伦理安全六大维度，不同等级指标权重与合格标准差异化：

• 技术安全：模型鲁棒性、抗攻击能力、稳定性、可靠性、自主可控率；

• 数据安全：数据采集合规性、数据加密等级、数据脱敏效果、访问管控、防泄露能力、跨境传输合规性；

• 内容安全：有害信息过滤准确率、虚假信息识别能力、偏见抑制效果、内容可追溯性；

• 算法安全：透明度、可解释性、公平性、无歧视性、决策可追溯性；

• 应急安全：故障响应速度、应急关停能力、灾难恢复效果、风险处置能力；

• 伦理安全：伦理审查合规性、人权保障、社会公共利益保护、无伤害原则。

四、ASA 成立对全球 AI 治理与产业发展的深远影响

4.1 全球 AI 治理：从碎片化到标准化，从口头呼吁到强制落地

4.1.1 终结碎片化，构建全球统一治理框架

ASA 五级分级框架首次实现美、欧、中三大核心区域 AI 安全标准的统一，终结全球 AI 治理碎片化格局，构建 “一个全球框架、五级风险标准、一套评估体系” 的统一治理模式。

此前，欧盟、美国、中国各自为政，规则差异导致全球 AI 治理 “一盘散沙”；ASA 融合三方核心诉求，形成兼具法律强制性、技术实操性、伦理包容性的标准体系，成为全球 AI 治理的 “通用语言”，为后续联合国 AI 安全公约制定、全球治理机制整合奠定基础。

4.1.2 治理模式升级：从软法倡议到硬法强制

全球 AI 治理长期以伦理倡议、原则宣言、自愿准则等 “软法” 为主，缺乏强制约束力，治理效果有限。ASA 的成立标志着全球 AI 治理从 “软法主导” 转向 “软法 + 硬法” 协同，核心突破在于强制安全评估与认证机制：成员企业必须严格遵守分级标准，未达标产品禁止上市，违规成员面临资格处罚，具备明确的强制约束力。

这种 “行业自治 + 强制约束 + 跨国协作” 的治理模式，既避免政府过度干预抑制创新，又杜绝企业无底线冒险忽视安全，平衡创新与安全，为全球 AI 治理提供全新范式。

4.1.3 治理主体多元化：企业主导，多方协同

传统全球治理以政府、国际组织为核心主体，企业参与度低、话语权弱。ASA 开创企业主导、多方协同的治理新模式：全球顶级 AI 企业牵头制定标准、推动落地，联合国、OECD、各国监管机构以观察员身份参与，提供政策指导与监督保障。

这种模式充分发挥企业技术优势、产业优势、实操优势，确保标准贴合产业实际、具备实操性；同时吸纳政府与国际组织参与，保障标准的合规性、包容性与公信力，形成 “企业技术自治、政府监管兜底、国际组织协调” 的多元共治格局。

4.2 全球 AI 产业：合规成本降低，创新方向明确，格局重塑

4.2.1 降低跨国合规成本，促进 AI 产品全球流通

ASA 认证与欧盟 CE、美国 NIST、中国 AI 安全评估兼容互认，彻底解决企业 “多套标准、重复测评、多重合规” 的痛点。

此前，跨国 AI 企业需分别适配欧盟、美国、中国标准，合规成本高昂（平均增加 200% 以上），且评估结果互不认可，阻碍产品跨境流通；ASA 统一标准后，企业一次测评、全球认可，合规成本大幅降低（预计降低 60%—80%），AI 产品跨境流通壁垒显著减少，加速全球 AI 产业一体化发展。

4.2.2 明确创新边界，平衡安全与创新

五级分级框架为 AI 企业明确创新边界与安全底线：L1—L2 级低风险领域，鼓励自由创新、快速迭代；L3—L4 级中高风险领域，在严格安全管控下开展创新；L5 级特级风险领域，限制商业化应用，聚焦安全可控技术研发。

这种差异化管控模式，避免企业盲目追求高风险技术创新，引导资源向安全可控、价值明确的领域倾斜；同时为低风险创新保留充足空间，平衡安全与创新，推动 AI 产业高质量、可持续发展。

4.2.3 重塑全球 AI 产业格局，中国企业话语权提升

ASA 成员构成兼顾美、欧、中平衡，中国企业（华为、阿里、腾讯、百度等）作为核心创始成员，深度参与标准制定，拥有与美国、欧洲企业平等的话语权。

此前，全球 AI 标准主导权长期被美国、欧洲垄断，中国企业处于被动跟随地位；ASA 成立后，中国企业凭借技术实力与产业规模，深度参与全球 AI 治理规则制定，推动中国 AI 安全理念（安全可控、全生命周期防护）融入全球标准，提升中国在全球 AI 产业的话语权与影响力，加速全球 AI 产业格局从 “美欧主导” 向 “美欧中三足鼎立” 转变。

4.3 技术创新：安全技术需求爆发，AI 安全产业迎来黄金期

4.3.1 安全技术成为核心竞争力，倒逼技术升级

强制安全评估标准实施后，AI 安全能力成为企业核心竞争力：L3 级以上 AI 系统必须通过严格安全测评，安全漏洞、算法偏见、数据泄露等问题将直接导致产品无法上市。

这将倒逼企业加大安全技术研发投入，重点突破模型鲁棒性、对抗攻击防御、算法可解释性、数据隐私保护、深度伪造识别、自主可控技术等核心安全技术，推动 AI 技术从 “重能力、轻安全” 向 “能力与安全并重” 转型。

4.3.2 AI 安全产业爆发，新赛道崛起

五级分级框架覆盖全类型 AI 系统，不同等级对应差异化安全需求，催生千亿级 AI 安全新赛道：

• 安全测评认证：第三方测评机构需求爆发，涵盖漏洞扫描、攻防测试、算法审计、合规认证等服务；

• 安全技术产品：模型安全防护工具、数据加密脱敏产品、算法偏见检测系统、深度伪造识别平台、风险监测预警系统等；

• 安全咨询服务：企业分级申报、自查整改、合规体系搭建、风险评估等咨询服务。

AI 安全产业将迎来高速增长期，成为全球 AI 产业新的增长引擎，同时带动网络安全、数据安全、密码技术等相关产业协同发展。

4.4 社会影响：防范 AI 安全风险，保障公众权益与社会稳定

4.4.1 从源头防范 AI 失控风险，筑牢安全防线

ASA 五级分级框架聚焦高风险 AI 系统（L4—L5 级），实施最严格管控，从源头防范 AI 失控、数据泄露、算法偏见、深度伪造等重大安全风险。

通过强制安全评估、全生命周期管控、实时风险监测、紧急应急关停等措施，确保 AI 系统始终处于人类控制之下，杜绝 AI 自主决策危害人类利益，防范生存性风险，筑牢全球 AI 安全防线。

4.4.2 保障公众权益，增强社会信任

统一安全标准与强制评估机制，确保 AI 产品安全、公平、透明、可靠：数据安全保护用户隐私，内容安全过滤有害信息，算法公平消除歧视，决策透明保障知情权。

这将有效解决公众对 AI 技术的安全焦虑，增强社会对 AI 产品的信任度，为 AI 技术广泛应用营造良好社会环境，推动 AI 技术更好服务民生、造福社会。

五、ASA 落地面临的核心挑战与风险

5.1 标准落地挑战：技术差异、利益分歧、执行不均

5.1.1 技术差异：不同企业技术水平参差不齐

成员企业技术实力差异显著：美国企业（OpenAI、谷歌）在大模型能力、自主决策技术上领先；中国企业（华为、阿里）在应用落地、数据安全、自主可控技术上优势明显；欧洲企业侧重合规与伦理。

技术差异导致安全标准适配难度大：部分企业难以达到 L4—L5 级严格安全要求，整改成本高、周期长；不同技术路线企业对安全技术优先级认知不同，标准落地易引发争议。

5.1.2 利益分歧：美欧中核心诉求差异，博弈激烈

美、欧、中三方核心利益与诉求存在差异，标准落地过程中博弈激烈：

• 美国：强调技术创新自由，反对过度监管，希望标准宽松，维护技术领先优势；

• 欧洲：侧重人权保护、伦理合规、高额处罚，希望标准严格，强化监管话语权；

• 中国：聚焦安全可控、自主创新、数据主权，希望标准兼顾安全与发展，保障产业利益。

利益分歧可能导致标准执行打折扣，部分企业选择性遵守标准，甚至退出联盟，影响标准权威性与落地效果。

5.1.3 执行不均：发达国家与发展中国家差距显著

ASA 成员以发达国家顶级企业为主，发展中国家企业参与度低、话语权弱。

发展中国家 AI 产业起步晚、技术水平低、安全能力薄弱，难以承担高标准合规成本，可能被排除在全球 AI 市场之外，加剧全球数字鸿沟；同时，发达国家企业可能利用标准优势，形成技术壁垒与市场垄断，阻碍发展中国家 AI 产业发展。

5.2 治理风险：监管重叠、标准冲突、安全漏洞

5.2.1 监管重叠：联盟标准与各国监管规则协调难度大

ASA 标准为行业自律标准，各国政府监管规则为法律强制标准，二者存在监管重叠与潜在冲突。

部分国家（如欧盟）坚持本国法律优先，要求 AI 产品同时遵守 ASA 标准与本国法案，导致企业合规压力未减；若联盟标准与本国规则冲突，企业面临 “合规两难”，可能引发法律纠纷。

5.2.2 标准僵化：技术快速迭代，标准更新滞后

AI 技术迭代速度极快（大模型能力每 6—12 个月翻倍），新场景、新应用、新风险持续涌现。

ASA 标准每年更新一次，更新周期相对滞后，可能出现 “标准跟不上技术” 的情况：新技术、新应用无对应标准可依，导致监管空白；旧标准无法覆盖新风险，安全防护失效。

5.2.3 安全漏洞：标准本身存在缺陷，引发新风险

五级分级框架基于当前技术认知制定，难以预判未来未知风险：

• 分级维度可能遗漏关键风险因素（如 AI 与生物技术融合风险、量子计算对 AI 安全的冲击）；

• 等级划分阈值可能不合理，导致高风险系统被低估、低风险系统被高估；

• 安全要求存在漏洞，无法抵御新型攻击手段（如量子攻击、跨模型攻击）。

标准缺陷可能导致安全防护失效，引发系统性安全风险，甚至被恶意利用，造成严重危害。

5.3 产业风险：合规成本上升、中小企业出局、创新抑制

5.3.1 合规成本上升，中小企业生存压力加大

虽然 ASA 统一标准降低跨国合规成本，但L3 级以上 AI 系统安全投入显著增加：安全测评、技术整改、人员培训、系统运维等成本大幅上升。

大型企业资金雄厚、技术先进，可承担高额合规成本；中小企业资金有限、技术薄弱，难以承担 L3 级以上合规投入，可能被迫放弃高风险领域业务，甚至退出 AI 产业，导致市场集中度提升，垄断风险加剧。

5.3.2 创新抑制：严格管控限制高风险前沿探索

L5 级特级安全级标准管控极严，禁止独立部署、限制商业化应用、要求多国联合审批。

通用人工智能（AGI）、超级大模型、自我进化 AI 等前沿技术，均属于 L5 级范畴，严格管控可能抑制高风险前沿技术探索，延缓 AGI 研发进程，影响人类科技进步。

六、中国参与 ASA 的优势、挑战与应对路径

6.1 中国参与 ASA 的核心优势

6.1.1 产业优势：AI 应用规模全球第一，场景丰富

中国 AI 产业应用规模全球第一，覆盖金融、医疗、交通、工业、民生服务等全场景，积累海量应用数据与实践经验。

丰富的应用场景为 ASA 分级标准提供真实风险样本，助力标准贴合实际应用需求；中国企业在应用落地、数据安全、算法优化等领域的实践经验，可贡献全球标准制定，提升标准实操性。

6.1.2 技术优势：自主可控技术领先，安全理念契合

中国高度重视 AI 安全可控，华为、阿里、腾讯等企业在自主可控技术、数据安全防护、全生命周期安全管理等领域技术领先。

中国 AI 安全理念（安全可控、风险分级、全生命周期防护）与 ASA 五级框架高度契合，中国企业深度参与标准制定，可推动自身安全理念融入全球标准，提升标准的包容性与合理性。

6.1.3 政策优势：治理体系完善，支持国际协作

中国已建立完善的 AI 治理体系，发布《全球人工智能治理倡议》《人工智能安全治理框架 2.0》等政策文件，倡导多边主义、包容性治理，支持全球 AI 安全协作。

政府积极支持中国企业参与全球 AI 标准制定，为企业参与 ASA 提供政策保障与资源支持，助力中国企业在全球 AI 治理中发挥更大作用。

6.2 中国面临的挑战

6.2.1 话语权博弈：美欧主导，中国需争取平等地位

ASA 核心成员中美、欧企业数量占优，标准制定过程中美欧话语权较强，可能优先维护自身利益，忽视中国诉求。

中国企业需在标准制定、分级阈值设定、安全要求细化等关键环节，积极争取平等话语权，推动中国理念与诉求落地，避免标准偏向美欧、损害中国产业利益。

6.2.2 合规压力：标准严格，整改投入大

ASA 五级分级框架安全要求严格，尤其 L4—L5 级标准远超中国现有部分行业规范。

中国企业需在短时间内完成技术整改、安全升级、认证测评，资金投入、技术难度、时间压力较大；部分企业可能难以达标，面临产品无法上市、联盟资格取消的风险。

6.2.3 人才短板：高端安全人才稀缺

AI 安全涉及模型技术、密码学、算法审计、风险评估、伦理研究等多领域，高端复合型人才稀缺。

中国 AI 安全人才培养起步较晚，高端人才数量不足，难以满足标准落地后大规模安全测评、技术整改、风险监测的人才需求，制约标准落地效果。

6.3 中国应对路径：企业、产业、政策三维发力

6.3.1 企业层面：积极参与标准制定，加速安全能力升级

1. 深度参与标准制定：华为、阿里、腾讯等核心企业，充分利用联盟成员身份，积极参与技术委员会工作，在分级标准、评估指标、安全要求等关键环节，主动发声、争取话语权，推动中国安全理念与实践经验融入全球标准。

2. 全面对标标准整改：企业成立专项工作组，对照五级分级框架，全面梳理旗下 AI 系统，精准分级、限期整改；加大安全技术研发投入，重点突破模型安全、数据安全、算法可解释性等核心技术，快速提升安全能力，确保按时通过 ASA 认证。

3. 加强国际合作交流：与联盟内美欧企业开展技术合作、经验交流，学习先进安全技术与治理经验；联合国内企业组建 “中国 AI 安全联盟”，抱团发展、协同整改，提升整体竞争力。

6.3.2 产业层面：完善安全生态，培育专业服务机构

1. 培育 AI 安全产业：加大对 AI 安全技术研发的扶持力度，培育一批专业安全测评机构、技术服务商、咨询服务商，构建 “技术研发 — 测评认证 — 咨询服务” 完整安全生态，为企业合规提供支撑。

2. 加强人才培养：高校、科研机构开设 AI 安全相关专业与课程，培养复合型安全人才；企业与高校联合开展人才培养计划，定向输送专业人才；引进海外高端安全人才，缓解人才短板。

3. 推动产业协同：发挥龙头企业引领作用，带动中小企业协同发展；搭建 AI 安全技术共享平台，促进技术、经验、资源共享，降低中小企业合规成本，避免市场垄断。

6.3.3 政策层面：优化治理体系，强化支持保障

1. 完善国内治理体系：对接 ASA 五级分级框架，修订完善国内 AI 安全标准与监管规则，实现国内标准与全球标准兼容；建立分级分类监管机制，差异化管控不同风险等级 AI 系统，平衡安全与创新。

2. 加大政策支持力度：设立专项扶持资金，支持企业安全技术研发、整改升级、认证测评；对参与 ASA 标准制定、通过认证的企业给予税收优惠、补贴奖励；简化安全测评、审批流程，提高合规效率。

3. 强化国际协作话语权：政府层面积极参与联合国、OECD 等国际组织 AI 治理工作，与欧盟、美国开展双边治理对话，推动构建多边、包容、公平的全球 AI 治理体系；支持中国企业参与全球标准制定，维护中国产业利益。

七、结论与展望

7.1 结论

2026 年 5 月成立的AI 安全联盟（ASA），是全球 AI 治理史上的里程碑事件。联盟汇聚美、欧、中 20 余家顶级 AI 企业，首次推出全球统一的 AI 安全五级分级框架，明确强制安全评估要求，标志着全球 AI 治理从 “碎片化、软法化、口头呼吁” 阶段，正式迈入 “标准化、强制化、跨国协作” 新阶段。

ASA 五级分级框架以风险为导向，覆盖大模型、智能体、具身 AI 全形态，构建差异化管控体系，既兼顾安全底线，又为创新预留空间；强制评估与认证互认机制，大幅降低跨国合规成本，促进 AI 产品全球流通；企业主导、多方协同的治理模式，平衡技术创新与安全管控，重塑全球 AI 产业格局。

中国凭借产业规模、技术积累、政策支持三大优势，成为 ASA 核心参与者，在全球 AI 治理中话语权显著提升；同时也面临话语权博弈、合规压力、人才短板等挑战，需从企业、产业、政策三维发力，积极应对、主动作为。

7.2 展望

7.2.1 短期（1—2 年）：标准落地磨合，合规整改攻坚

短期内，ASA 将进入标准落地磨合阶段：成员企业集中开展合规整改、认证测评，美欧中三方持续博弈，标准可能小幅优化调整；全球 AI 安全产业快速崛起，安全测评、技术防护、咨询服务等领域迎来爆发式增长；中国企业加速对标整改，龙头企业率先通过认证，中小企业面临洗牌。

7.2.2 中期（3—5 年）：标准成熟普及，治理格局稳定

中期来看，ASA 五级分级框架将全面成熟、全球普及，成为全球 AI 安全 “通用标准”；认证互认机制全面落地，AI 产品全球流通壁垒基本消除，全球 AI 产业一体化格局形成；美欧中三方博弈趋于平衡，全球 AI 治理 “三足鼎立” 格局稳定；中国企业深度融入全球治理，技术创新与安全能力同步提升，产业竞争力显著增强。

7.2.3 长期（5 年以上）：标准迭代升级，迈向 AGI 安全共治

长期而言，随着 AI 技术向 AGI 演进，ASA 分级框架将持续迭代升级，覆盖 AGI、量子 AI、生物融合 AI 等前沿领域；全球 AI 治理机制进一步完善，形成 “ASA 行业自治 + 联合国统筹协调 + 各国政府监管兜底” 的多元共治格局；人类将建立完善的 AGI 安全管控体系，防范生存性风险，确保 AI 技术始终造福人类，推动人类文明迈向新高度。

淞基科技（上海）有限公司
淞基信息通信研究院
淞基未来信息网研究部
2026 年 6 月