在讨论AI分级之前，我们以汽车自动驾驶这一使用场景为例，来思考分级的意义。

一、自动驾驶的分级

在自动驾驶领域，目前行业已经普遍达成了共识，将“汽车驾驶自动化”进行了较为明确的分级定义，同时颁布了推荐性国家标准。

该分级是对“动态驾驶任务执行能力”的分级，从低到高依次是应急辅助（L0，如车道偏离预警，自动紧急制动等）、部分驾驶辅助（L1，车道居中，自适应巡航等）、组合驾驶辅助（L2，自动变道，领航辅助等）、有条件自动驾驶（L3）、高度自动驾驶（L4）和完全自动驾驶（L5）。

当前，具备L1、L2功能的车辆已经在售，具备L3能力的新车辆目前也在加紧研发和测试中，相关法律法规也在持续补充和完善。

我们无法预言L4、L5级别的车辆何时出现。

可以确定的是，未来L4、L5级别车辆能否走进社会，除了需要技术本身的迭代和进步，与之匹配的使用环境也需要得到适配发展，才能构建出高级别自动驾驶车辆赖以生存的环境。这些环境因素包括但不限于法律法规，社会接纳度，社会舆论，普通人认知，公路基础设施，能源网络，通信设施等等。

由于自动驾驶与生命安全直接相关，且汽车产业发展迅速，因此相关分级标准、法律法规配套速度相对较快。

二、AI分级的迫切性

目前涉及民用的AI普遍存在与开发、设计、生产环节中，在消费和使用环节尚未产生颠覆性、安全性等重大影响，因此AI分级还未有现成的行业标准，仍处在共识的形成过程中。

人们能够有直观感知的不是区分AI能力的大小，而是新闻、广告的曝光率。

在2026年2月的马年春节期间，多个科技巨头刚刚结束了一场春节营销大战：字节跳动豪掷十亿冠名春晚，让豆包传遍千家万户；阿里巴巴结合自家千问和淘宝生态，拿出30亿请客点奶茶；腾讯则为了推广元宝的祝福语、图像生成功能，准备了10亿元现金以微信红包的形式进行推广。

与对汽车的态度不同，人们似乎对AI抱以类似互联网般的态度，接受程度更高，接受速度更快。实际上，AI应用所产生的风险和自动驾驶所产生的风险虽然不尽相同，但都影响深远。而且，AI应用的场景更复杂、更多样，涉及面更广，以至于达成相对统一的分级角度、方法、可操作性等方面的难度也更大。

分级的初衷是便于人们实现对AI的风险管控和差异化治理。

现阶段AI应用所导致的问题已经层出不穷，比如AI造假、恶意代码攻击、生成谣言并传播、生成不良内容并传播等。

此外，在一些特殊应用场景，如医疗，工业生产，交通等，AI一方面可以提高效率，另一方面对AI的容错率要求高，因为一旦出现误判、意外等事件，产生的后果不堪设想。

将AI进行合理化分级，有助于对AI产品进行标准化管理，大大提升各类产品的安全底线，有效降低潜在风险。

三、AI分级的挑战

AI分级在理念上较为容易达成共识，然而落地上困难极大。

AI分级不能停留在定性上，而是要考虑算法可解释性、技术迭代速度、利益博弈、跨国差异、责任和义务等一系列技术和伦理难题。这里仅列举三个典型的挑战。

（1）技术迭代太快：分级标准可能“刚出台就过期”

目前AI能力呈现出阶跃式增长，大模型每6–12个月能力翻番，小模型通过微调、LoRA、插件等方式，也能瞬间获得高风险能力。

今天被定为低风险的聊天AI，明天加个工具调用就能写恶意代码、做诈骗脚本。

业内专家Geoffrey Hinton、Yoshua Bengio均强调过：现有的分级都是 “给某一时刻的 AI打分”，但AI会自我进化、跨模型联动，风险是动态、涌现、不可预测的。

（2）责任主体不容易界定：出了事，到底算谁的？

AI应用的链条极长，包括底层模型基座、平台、开发者、第三方插件、使用者、用户等。同时，AI中的很多算法模块仍是黑盒，其中的推理逻辑无法做到完全解释。

这种情况下，一旦用户在使用中出现问题，产生问题的责任不容易进行追溯。

比如AI换脸诈骗这一案例，责任该如何认定？模型提供方没有做到隐私保护？软件开发没有做到功能限制？视频发布平台没有做到实时监督？使用者动机不纯？

责任主体界定困难是AI分级落地的极大制度障碍。

（3）伦理与价值冲突：不同地区的文化差异

AI跟随互联网的步伐，能够在全球被触达。然而正是因为地域范围广，以至于有些分级不是技术问题，是价值观问题。比如欧盟委员会2025年5月公布的《人工智能法案》，将AI应用分为“不可接受风险”“高风险”“低风险”三类。 其中，实时面部识别、社会信用评分等被列入禁止清单。在我国，面部识别广泛应用于机场，酒店，甚至超市等场所。此外，还有涉及政治、宗教、价值观内容，不同国家和地区的边界完全不同。

无论挑战如何，全球AI治理将必然会走进“分级管理”时代。新的工具产生，必将催化新的社会发展以及新的社会共识形成。

AI是智能化的工具，是能力强大、应用广泛的工具，因此分级不仅是技术问题，更是人类如何平衡创新与责任的文明考验。