标准为何总是迟到：智能体是一种「没法用旧方法测试」的新东西
NIST 下属的 CAISI 在 2026 年 2 月 17 日启动了 AI 智能体标准倡议，要为能自主行动的下一代 AI 建立可信、可互操作、安全的标准框架。八个多月过去，业界普遍抱怨：原则很多，可执行的认证框架还没落地。常见解释是官僚效率低。但从认知角度看，迟到的原因更根本——智能体是一类「用传统测试方法测不了」的系统，旧的标准范式本身需要被重新发明。 传统标准为什么套不住智能体？ 传统产品标准的逻辑是：定义一组确定性测试用例，产品跑一遍，过了就发证。灯泡亮不亮、电池安不安全、软件有没有已知漏洞，都能这么测。这套方法成立的前提是：被测对象的行为是可枚举、可复现的。 智能体恰恰破坏了这个前提。它面对开放环境、自主选择工具、多步行动、还会被别的智能体或用户诱导。你写下一千个测试用例，它在第一千零一种真实情境里的行为，标准文档根本没覆盖。NIST NCCoE 的概念文件列了身份认证、零信任授权、不可否认、提示注入防护、治理五个重点——全是在承认：我们不知道怎么「测」它，只能先把安全身份的架子搭起来。 智能体为什么「测不了」？ 这不是工程细节，而是认知特性。一个系统的行为若高度依赖它在每一步的自由判断，你就无法用有限的测试用例穷举它。就像你不能用一套笔试题证明一个人「永远不会做出不道德的事」——因为道德判断发生在开放情境里。 标准制定者面对的两难是：标准要可执行就得具体化，可一具体化就漏掉开放世界；要不漏就得写原则，可原则又落不了地。这种两难，本质上是把用于确定性机器的认证逻辑，硬套在一个有自主性的认知体上。 破局点到底在哪？ 破局点可能在于：不再试图测智能体本身的行为，转而测产生这个智能体的治理过程——它有没有身份登记、有没有行为留痕、有没有可回滚的刹车、蔓延指数是否受控。arXiv 2604.16338 显示治理成熟度每提升一级，智能体蔓延就能降一个数量级。标准从「认证结果」转向「认证过程」，这是智能体时代监管范式的真正前沿转变。 NIST 的迟到，与其说是失败，不如说是整个世界在学着为一种测不了的东西立法。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：标准为何迟到