2026年是通用人工智能（AGI）加速演進的跨越性節點。過去幾年，我國在AI應用落地與場景賦能上取得了「從1到100」的顯著成效。但目前，全球的科技競爭日益激烈，向更深層次的底層基礎設施和廣闊的物理實體世界邁進，成為關乎國家未來數字經濟核心命脈與底層生態主導權的關鍵步驟。
針對上述現狀、基於產業調研，全國政協委員、天娛數科董事長賀晗在今年全國兩會期間提出了提升底層原創能力、推動具身智能落地、構建安全的智能體生態、優化算力調度體系等方面的建議。
關於智能體，他建議構建包容審慎的新型監管框架，設立智能體「安全沙盒」與權限審計機制。關於具身智能，他建議建立公共數據底座、統一數據的格式與權屬規則，同時建立國家級「人形機械人上崗場景清單」，優先在結構化、收益可量化的場景形成規模。
智能體：
打破封閉生態、配備人類「一鍵熔斷」功能
目前，人工智能正從「生成式問答」邁向「智能體執行」階段。智能體能夠調用工具、跨系統協同、完成多步驟任務，正在成為各行業智能化升級的新型生產要素組織方式。
賀晗提到，智能體的核心價值在於跨應用、跨系統的工具調用。但他看到，當前國內產業界工具接口與組件生態碎片化，「煙囪式智能體」偏多，面向工具調用的通用機制雖已成熟，但在產業側缺少統一落地標準、規範與認證，導致應用可複製性弱、遷移成本高，拖累產業協同效率。
針對這一不足，他建議推動工具接口與智能體組件標準化，打造可互操作的產業生態。「建議制定統一的智能體接口與互操作標準，明確規定大模型與外部工具、智能體與智能體之間的交互數據格式、權限認證與計費機制，形成跨平台、跨行業軟件的互操作規範。打破大模型廠商之間的封閉生態，推動形成『基座大模型按需調用、終端工具全面開放』的網狀生態架構。同時，推動中國智能體標準向國際標準轉化，提升我國在全球人工智能生態中的標準定義權」。
另一賀晗關注的重點在於智能體的安全性。賀晗提到，有別於傳統大模型，智能體具備自主行動能力，能接管企業系統或個人的終端設備，但智能體自主執行權限引發新型安全風險，治理體系尚存盲區。
賀晗以近期開源項目OpenClaw為例，「OpenClaw雖展現了驚人能力，但因缺乏權限隔離，插件市場迅速淪為惡意軟件溫床。這表明，一旦具備高度執行權限的智能體脫離了安全監管框架，不僅會引發嚴重的數據泄露與隱私侵犯，更將對企業的核心系統乃至國家網絡安全構成威脅。目前，我國針對智能體行為審計、越權熔斷等關鍵環節，缺乏系統的安全標準、監管規則與技術防範工具。」
對此，賀晗建議構建包容審慎的新型監管框架，設立智能體「安全沙盒」與權限審計機制。「建議針對具備系統操作執行權限的高級智能體出台專門的安全監管指南，要求接入生產系統或涉及敏感數據的智能體，必須建立可追溯的決策審計日誌，並配備人類隨時干預的『一鍵熔斷』功能；同時，鼓勵建設行業級『智能體插件與技能安全認證庫』，建立插件准入、評測認證與安全審計機制；鼓勵設立行業級『智能體創新應用安全沙盒』，允許企業在受控、隔離的網絡環境內測試前沿的高權限智能體，在確保安全可控的前提下，給予技術創新最大限度的試錯空間」。賀晗提到。
具身智能：
統一數據與權屬標準，建立國家級場景上崗清單
目前，具身智能正成為繼大模型之後的新一輪產業「主賽道」。國家層面也已明確戰略節奏：工信部《人形機械人創新發展指導意見》提出到2025年實現整機產品批量生產並示範應用、到2027年實現規模化發展並成為重要增長引擎。
2025年以來，我國人形機械人產業熱度高、企業多、產品迭代快，開始從「能動起來、能表演」轉向「能上崗、能幹活」。2026年2月，我國發佈首個覆蓋人形機械人與具身智能全產業鏈、全生命周期的國家標準體系，並明確標準體系由基礎共性、類腦與智算、肢體與部組件、整機與系統、應用、安全與倫理六大板塊構成，為產業從「野蠻生長」邁向「規範發展」奠定製度底座。
儘管行業已經有了較大進展，但賀晗認為，當下具身智能行業還存在諸多不足。一是具身智能行業存在數據碎片化、不可共享、不可復用等特點；二是機械人「大腦」泛化能力不足，能做演示不一定能上崗，能在A工廠跑通不一定能遷移到B工廠。
在場景上賀晗也特別提到，目前機械人場景的牽引性不強，試點多、規模少，「示範應用」難自然長成「持續採購」。「比如製造、物流、商服、養老等領域的真實需求巨大，但落地常見『場景碎片化、驗收口徑不一、預算與迭代機制不足』，導致企業在『項目制交付』與『產品化復用』之間反覆搖擺。即便政府採購與補貼有所增長，整體仍處於導入期，缺少可複製的『規模化上崗模板』。
在此背景下，賀晗建議以「數據—模型—部件—整機—場景—標準」一體化思路，儘快補齊短板，把「熱鬧的展廳」變成「可複製的工位」，把「單點突破」變成「系統勝利」。
他提議，以國家級「具身數據要素工程」破題。具體而言，一是建設若干「國家級具身智能數據採集與預訓練中心」，面向典型任務（搬運/裝配/分揀/巡檢/護理）形成可復用數據集；二是統一動作軌跡、力覺/觸覺、視覺語義、工位工藝參數等數據格式與元數據規範，推動跨企業、跨平台復用；三是明確數據權屬與合規邊界，對涉及個人隱私、工廠商業秘密的數據建立分級脫敏、可信計算與授權機制，形成「可用不可見、可控可計量」的共享模式。
他還提議大力發展具身基礎大模型，支持頭部AI企業與頂尖高校聯合研發多模態具身通用大模型，重點突破端到端控制算法和 Sim-to-Real 遷移技術，提升機械人的常識推理能力和未見環境下的泛化操作能力。
針對場景難題，賀晗還提到應建立國家級「人形機械人上崗清單」，優先選擇收益可量化、環境相對結構化的場景（3C裝配、倉儲搬運、質檢巡檢、危化/電力巡檢等）形成規模；同時推行「首台套/首批次」風險分擔，用保險、性能擔保、分階段驗收與租賃（RaaS）降低企業採購門檻。他還建議用央國企做「錨定客戶」，以「AI+製造」為抓手，形成真實工位數據迴流與持續迭代機制，帶動中小企業進入配套生態。
采寫：南都N視頻記者 林文琪
