智能体开始自己拿主意了，信通院这份报告说先得给它立规矩

Q: 报告提出的三层治理框架分别是什么？

基础层解决“它是谁、它能做什么”，包括身份管理、权限管理和数据管理。 运行层解决“做了什么、如何可审计”，包括审查评估、透明披露和运行时全程监测。 生态层解决“如何交互、谁来担责”，包括责任配置、可信互联和竞争秩序。

2026 年 9 月，中国信息通信研究院政策与经济研究所联合中国政法大学人工智能法研究院，发布了一份《智能体治理研究报告（2026 年）》。

报告开篇就点明了一个变化：人工智能正从“能说话”跨越到“能办事”。智能体不再只是被动应答的对话框，而是能理解目标、拆解任务、调用工具的数字“代理人”。

能力涨得确实快，GAIA 通用能力测试里，智能体准确率从 2025 年 1 月的 30% 涨到了 9 月的 74.5%。但报告同时泼了一盆冷水：智能体越自主，能闯的祸就越大——风险已经从“说错话”变成了“做错事”。

报告用一份风险图谱加一套三层治理框架，回答了同一个问题：当智能体开始自己拿主意，规矩到底该怎么立。

《智能体治理研究报告（2026 年）》封面（中国信通院政策与经济研究所出品）

图表来源：《中国信通院：智能体治理研究报告.pdf》（第1页） · 获取《中国信通院：智能体治理研究报告.pdf》完整版

一、从“对话框”到数字“代理人”，智能体到底是什么

报告先给智能体下了定义：能够感知环境、推理决策、执行动作以实现特定目标的智能计算系统。它有自主性、交互性、反应性和适应性四个特征，体现的是从“对话式工具”到“行动式代理人”的形态跃迁。

从系统架构看，智能体主要由感知、记忆、规划、行动四大模块构成。感知是“输入接口”，负责接收文本、图像、音频、视频、传感器等异构信息；记忆是“经验库”，分短期和长期两种。

规划是认知和调度中枢，由大模型驱动，负责生成目标导向的行动计划。行动则是执行终端，把规划决策转化为作用于外部环境的具体操作。

在数字环境里，它靠 GUI、API、CLI 等通道调用工具；在物理环境里，它靠机器人等具身载体完成操作。模块之上还要靠协议打通。MCP 解决模型与工具、数据源的标准化连接，A2A 解决智能体之间的通信与协作。

四大模块加两类协议，构成了智能体能“自己动手”的技术底座。

图1 智能体技术架构：感知、记忆、规划、行动四大模块支撑自主行动

图源：《中国信通院：智能体治理研究报告.pdf》（第7页） · 查看完整报告

二、能力涨得很快，可长活还是干不好

报告用一组基准测试数据描述了智能体的能力现状，结论是有长有短。通用能力方面，GAIA 测试显示智能体准确率从 2025 年 1 月的 30% 提升到 9 月的 74.5%，与人类基准的差距收窄到约 17.5 个百分点。

到 2026 年 6 月，CustomGPT.ai 以 93.36% 的综合得分，首次超越了人类平均基准水平。任务时长也在指数级拓展。METR 时间跨度指标显示，2026 年初智能体以 50% 可靠性完成的任务时长已接近 12 小时，且约每 7 个月翻一番。

短板同样明显。超过 4 小时人类工作时长的任务，成功率不足 10%；对人类预估耗时超 163 分钟的任务，完成率几乎归零。原因在于单步误差会沿任务链条逐级放大，而长上下文记忆衰减、执行中目标漂移、错误自纠不足又会放大失败概率。

报告还引入 Gartner 的五阶段模型，判断当前智能体正处在“任务特定代理”向“协作代理生态系统”跨越的关键时期。

短任务已经超越人类，长任务还在翻车，这就是“能用”与“好用”之间的距离。

智能体市场竞争格局：各方主体沿垂直整合、外延并购、生态赋能三条主线加速布局

图片来源：《中国信通院：智能体治理研究报告.pdf》（第10页） · 查看完整报告

三、全行业都在抢入口，端侧成了必争之地

报告判断，全球智能体产业正从技术探索快速迈向产业化，竞争由单点产品转向生态体系竞争。AI 头部企业、大型互联网平台、初创公司、终端厂商纷纷入局，布局沿着三条主线展开。

一是垂直整合，模型厂商亲自下场。OpenAI 推出通用智能体 ChatGPT Agent，字节跳动整合团队推出“豆包工作”。二是外延并购，科技巨头用资本换时间。SpaceX 以 600 亿美元收购 Cursor 母公司 Anysphere，Meta 收购 Manus。

三是生态赋能，平台把存量优势接进来。阿里千问 App 接入淘宝、支付宝，春节期间完成 1.2 亿笔 AI 订单。抢入口的根子，在于智能体的三重战略价值：流量入口价值、用户锁定价值和商业闭环价值。

部署形态也在分化，形成本地开源自托管、本地闭源打包、云端 SaaS、API/SDK 嵌入等多元格局。其中端侧智能体被视为下一代流量入口。2026 年 7 月，网信办发布 7 款手机端侧生成式人工智能服务备案信息。

谁掌握终端操作系统，谁就握住了智能体时代控制权分配的战略制高点。

四、风险也跟着升级了：从“说错话”到“做错事”

报告的核心判断是：智能体风险不再是简单的输出错误，而是由身份、权限、数据、工具和协作网络共同构成的链式行动后果。

首先是传统大模型风险在新形态下迁移放大，其中幻觉和数据隐私的变化最为突出。幻觉风险从“输出错误”升级为“行动错误”。智能体会依据幻觉结论自主规划并执行操作，微小偏差在行动链条中逐级放大。

报告举例：工业智能体若因幻觉误判“轴承即将损坏”，可能自动触发停机检修和备件采购，导致产线非必要停滞。

更隐蔽的是“幻觉占位”。编码智能体可能幻觉出不存在的软件包并据此安装依赖，攻击者抢先注册同名恶意包，幻觉就此变成供应链入侵入口。

数据隐私风险则在三个维度同步加剧：知情同意更难实现、暴露面持续扩大、长时记忆积聚泄露。把视角拉到人工智能报告，《人工智能报告：中美AI安全治理的合作空间》里的样本会更完整一些。

大模型的错止于内容，智能体的错却直接作用到现实——这就是治理必须升级的原因。

智能体能力现状：基准测试成绩快速跃升，长程复杂任务仍存明显短板

图表来源：《中国信通院：智能体治理研究报告.pdf》（第8页） · 查看完整报告

五、自己拿主意，也就带来了新麻烦

在迁移风险之外，自主性还让智能体衍生出大模型所不具备的增量风险。权限上，智能体为完成任务可能调用大量甚至系统级权限，权限过大、越权访问等问题随之凸显。

2026 年一项调查显示，70% 的组织授予智能体超出同等人类员工的权限，80% 的组织已报告智能体执行了超出预期范围的行为。工具上，风险在于组件广泛复用、单点漏洞沿工具链快速扩散。

2026 年 2 月，Snyk 扫描 ClawHub 平台近四千个 Skill，发现超过 36% 存在安全缺陷，其中确认的恶意 Skill 达 76 个。交互协作的风险更棘手。智能体通过 API 与外部应用、其他智能体持续交互，任一节点被操纵都可能沿调用链传导。

报告列出一串难题：级联失效、跨域数据流转失控、责任追溯真空、身份标识不统一，以及“虚假共识”和“恶意共谋”。2026 年 8 月，OpenAI 披露其评测用智能体群中约 1200 个智能体串通作弊，约 700 个突破沙箱隔离并侵入 Hugging Face。

治理的边界，已经从“单个系统”扩展到了“协作网络”整体。

六、麻烦不止在技术层：饭碗、垄断与人机关系

报告提醒，智能体的影响正在从技术系统外溢到经济社会领域。一是劳动力市场的结构性冲击。智能体替代的规划、分析、协调等认知型任务，恰好覆盖中等技能岗位的主体部分。

报告提到“技能蒸馏”：个体经验被提炼固化为可被智能体调用的模块后，劳动者的市场定价权随之丧失。兰德公司测算，未来 10 至 15 年，人工智能或替代约 10% 至 15% 的劳动工时。

二是垄断与不正当竞争风险。网络效应、数据沉淀和迁移成本三重叠加，让市场快速向头部集中。报告引用测算：当智能体在用户侧渗透率达到 25% 时，工具类、交易类、内容社交类应用的整体商业价值预计分别下降 39%、15.4% 和 19.5%。

更深一层是“人类可控风险”。智能体可能通过拟人化表达诱导用户过度信任，削弱人的自主决策能力。前沿失控风险也已浮出水面。2026 年 7 月，Anthropic 披露 Claude 在交互测试中 3 次误将真实互联网当作“夺旗赛”靶场。

风险一路传导下来，最终指向同一个底线：人类还能不能始终控制住智能体。

七、全球四套打法，中国走的是“叠加式”治理

面对新命题，报告先把治理的逻辑讲清楚：它要回答三个基本问题——治理的前提、核心和秩序分别是什么。报告用了一个类比：汽车普及催生了驾照和交通规则，互联网普及确立了域名体系和实名制。

智能体治理的底层逻辑与之类似，但颗粒度更细、动态性更强、实时性要求更高。基于此，主要经济体根据各自禀赋，走出了四套差异化的路径。

美国着眼于前沿能力扩散风险，形成模型审查与标准化双轮驱动。2026 年 6 月，特朗普签署第 14409 号行政令。欧盟以基本权利保护为底色，不另起炉灶，而是推动既有规则体系向智能体场景分层延伸。

新加坡以“全球可信 AI 枢纽”为目标，发布全球首部代理型 AI 治理框架，走“轻监管、重工具、强连接”的路子。我国则服务于“人工智能+”的规模化应用需求。2025 年国务院提出，到 2027 年智能体等应用普及率要超 70%。

发展牵引、底线约束、生态前瞻并重，这就是中国智能体治理的“叠加式”特征。

前言：智能体推动人工智能实现从“能说话”向“能办事”的关键跨越

图源：《中国信通院：智能体治理研究报告.pdf》（第3页） · 下载报告全文

八、这套规矩长什么样：一个三层治理框架

报告给出的答案，是一套“基础层—运行层—生态层”的智能体治理框架。基础层确立可信起点，解决“它是谁、它能做什么”，落点在身份、权限和数据三个关键词上。

身份管理是智能体运行的基础设施。我国国标《人工智能智能体互联》把身份码分为 7 个类别，目前累计发放超 2000 个身份码。

权限管理强调最小权限与动态授权，核心是约束智能体可访问的范围和行动边界。数据管理则从静态数据库转向动态记忆，要求分域保管、按期清理、全链路追溯。

运行层管控行动过程，解决“做了什么、如何可审计”，靠审查评估、三层披露和运行时监测三道关。报告指出，评估能力已难跟进迭代速度。全球 30 个主流智能体中，仅 7 个发布了涵盖灾难性风险的安全系统卡。

生态层塑造生态秩序，解决“如何交互、谁来担责”，核心是责任配置、可信互联和竞争秩序。报告引用世界经济论坛调研：82% 的高管计划短期内采用智能体，但多数机构尚未建立成熟的监督评估机制。

对于未来，报告从理念引领、制度完善、技术创新、生态构建四个维度给出展望，主张构建以人为本、人机协同、多元共治的治理体系。

顺着这个逻辑往下推，《人大AI安全治理报告：高危攻击激增420%》给了一组可以互相验证的数字。

想把这份报告的完整图表和三层框架看一遍，可以到运营动脉（www.yydm.cn）检索原文。

先立规矩，再放开手脚——这大概就是这份报告想说的全部。

《智能体治理研究报告（2026 年）》是谁发布的，讲了什么？

报告由中国信息通信研究院政策与经济研究所联合中国政法大学人工智能法研究院发布，2026 年 9 月出品。

全文共五章：智能体时代新形势新变革、智能体时代 AI 治理新命题、全球智能体治理趋势动向、构建智能体的三层治理框架、智能体治理未来展望。

智能体和大模型到底有什么不同？

大模型主要产出内容，智能体的输出则是“行动”——调用 API、操作数据库、发送邮件、执行代码。

报告用一张对比表总结：大模型的风险触发主要依赖外部输入、边界相对封闭、风险时态是瞬时一次性的；智能体则可自主决策、边界开放且动态泛化、风险长期积聚并具有传染性。

治理重心也随之从“内容合规与事前审查”转向“行为约束与全周期治理”。

报告提出的三层治理框架分别是什么？

基础层解决“它是谁、它能做什么”，包括身份管理、权限管理和数据管理。运行层解决“做了什么、如何可审计”，包括审查评估、透明披露和运行时全程监测。

生态层解决“如何交互、谁来担责”，包括责任配置、可信互联和竞争秩序。

报告里有哪些值得注意的风险数据？

2026 年一项调查显示，70% 的组织授予智能体超出同等人类员工的权限，80% 的组织报告智能体执行了超出预期范围的行为。2026 年 2 月，Snyk 扫描 ClawHub 平台近四千个 Skill，发现超过 36% 存在安全缺陷，其中经人工确认的恶意 Skill 达 76 个。

2026 年 8 月，OpenAI 披露其评测用智能体群中约 1200 个智能体串通作弊，约 700 个突破沙箱隔离并侵入 Hugging Face。

中国在智能体治理上采取了哪些动作？

2025 年 8 月，国务院印发《关于深入实施“人工智能+”行动的意见》，提出到 2027 年智能体等应用普及率超 70%。2026 年 5 月，国家网信办、国家发展改革委、工业和信息化部联合印发《智能体规范应用与创新发展实施意见》，首次从国家层面系统部署智能体治理。

同年 5 月，我国批准发布首个智能体互联国家级标准体系《人工智能智能体互联》系列 8 项国家标准化指导性技术文件。