2022年7月29日，在由开放原子开源基金会主办的“2022开放原子全球开源峰会”上，中国电子技术标准化研究院工程师鲍薇带来了《人工智能标准化引领产业发展》演讲。
形势与挑战
不管是人工智能技术、产业还是标准本身，都是全球科技的战略高地。各个国家都在布局人工智能战略规划。美国前两年出台了《确保美国在国际标准上的领导地位法案》，欧洲也会定期更新标准化战略。能够看出来，各个国家对标准方面都很重视。我国从前几年发布的《新一代人工智能发展规划》，到这两年五部门联合印发的《国家新一代人工智能标准体系建设指南》以及中共中央、国务院印发的《国家标准化发展纲要》，都显示国家对标准化工作十分重视。
- 从标准角度方面，现在有一些新的趋势，为标准化工作带来了新的形式。比如在建高质量的算力中心的同时，需要一个合适高效的算力评测体系。各个企业在建的大规模模型，需要梳理统一的评测方法。计算机视觉也是目前AI领域落地比较好的方向。
- 从落地角度方面，要优先考虑计算机视觉的技术、产品、服务集聚的行业，建立一些重点标准进行应用示范。
- 从伦理角度方面，今年3月份，中共中央办公厅、国务院办公厅印发的《关于加强科技伦理治理的意见》对于如何引导科技向善十分重视。这方面我们也在考虑从基础原则入手开展人工智能的产品伦理评价标准化研究。
在人工智能标准化概念本身的定义上，需要先明确概念内涵，但在概念方面各国的争议很大。对于技术来说，在应用的过程中，会有一些风险点。需要通过标准工作保护用户的安全。用户的安全得到了保障，产品质量也会得到相应的提升。最后通过标准营造开放的生态。
国际标准化工作概览
国际标准化机构分为四部分。
- ISO/IEC JTC 1主要在SC 42（人工智能分委会）开展人工智能标准化工作。
- ISO下设组织积极探索人工智能特定应用领域的标准化工作，如ISO/TMB SMCC（智能制造协调委员会）、ISO/TC 199（机械安全技术委员会）、ISO/IC 204（智能运输系统技术委员会）。
- IEC在智能制造、智能设备、智能家居等重要垂直领城均已开展了相关人工智能技术标准化工作，如IEC/MSB（市场战略局）。
- ITU高度重视人工智能在提高电信自动化、性能和服务质量方面的重要性。
国外标准化机构分为三部分。
- IEEE成立人工智能标准委员会（C/AISC），归口可信人工智能、大模型、AI服务器系统性能测试等标准。
- NIST在人工智能数据采集分析工具、 未来专家系统、基于人工智能的集体生产质量控制、高通量材料发现和优化应用的机器学习方面有一定的研究基础。
- ETSI（欧洲电信标准化协会）在人工智能标准化方面重点关注认知技术，并将人工智能纳入ETSI技术路线图。
下表展示了目前国际、国外和企业联盟标准分类。企业侧重的是oneAPI、ONNX、CUDA、NNEF等实施标准。
可信赖领域也是当前国际关注的热点。欧美特别关注可信赖标准方面，做了很多工作。企业方面都会用国际标准和开源事实标准联动，自然形成一套约束的体系，成为应用型的约束标准以及事实标准。即便没有制定成纸质标准的内容，但已经在产业界形成了一个标准。
目前SC42标准化项目，一共有5个工作组：
- WG1主要是基础工作组；
- WG2是数据工作组；
- WG3是可信工作组，相关的可信、伦理、风险管理方面的国际标准大部分还是在研状态，目前已经发布3个；
- WG4是用例和应用工作组；
- WG5是人工智能计算方法与系统特征工作组。目前已经发布了国际标准，中国主导占大部分。此外，还有一些联合工作组。
总结来说，SC42目前的重点是关注一些基础的、共性的和关键的通用技术，比如可信赖方面工作。
国内标准化稳步推进
全国信标委人工智能分委会，具体负责国家标准、行业标准的制定工作，2020年3月份批复成立。目前分委会下面总共设立8个组，前5个是一开始就成立的，后3个是在后续过程中陆续成立的。
分委会里的工作，分为有效算力和标准研究。在2021年发布的标准主要是对人工智能服务器系统的性能规范要求。在这个基础之上，今年也同步开了会议，发布了《计算中心有效算力评测体系白皮书》，对有效算力提出了评测体系。
在计算机视觉方面，做了很多标准的工作，同时也系统梳理了整个计算机视觉标准化工作。7月初发布的白皮书里包含整个产业结构图。在《可信赖人工智能标准化白皮书》中，我们从标准角度梳理了目前国内外可信赖的AI方面的政策法规、标准现状，并且提出了包括通用要求域、核心概念域、关键技术域三个域，列出来了通用要求与核心概念的可信赖技术框架。
《自动驾驶场景描述语言白皮书》中，左边是标准体系指南，右边是目前国家标准情况。标红的是目前已经报批的国家标准，后面是目前正在研制和立项的国家标准。
下图是目前发布的团标情况。我们会在团标发布的基础上，形成周期的研制，逐渐推进至国家标准、国际标准上。
目前在研的重点标准分为五大方面。
- 第一方面是人工智能基础硬件资源适配标准研究。包括加速器统一接口、计算设备调度与协同虚拟化规范、计算设备调度与协同分布式计算规范、人工智能服务器规范。这些都是从底层的基础硬件方面开展适配相关工作的研究。
- 第二方面是机器学习框架与算法模型适配标准研究。包括深度学习框架多硬件平台适配、深度学习框架、深度学习推理引擎应用编程接口、神经网络表示与模型压缩。这里面有团标和国标的内容。
- 第三方面是AI服务器系统性能测试规范。这个标准规定了单机的服务器、集群的性能测试方法等。
- 第四方面是隐私计算机器学习系统技术要求。保护用户隐私已成为以数据驱动为核心的机器学习进一步发展的一项重要因素。
- 第五方面是大模型预训练模型系列标准。业界对于大规模深度学习模型的分布式训练和推理仍无法形成一个统一高效的框架，该标准将为大规模深度学习模型开发部署提供高效合理的解决方案。
未来规划
下一步加快研制的重点标准包括硬件平台的适配、框架和算法模型适配的标准、服务器评测规范、风险评估模型。在标准基础之上，打造人工智能标准化服务能力。建一个包含很多在研的关键标准，基于关键标准形成相应的评测能力平台。
我们会在风险评估方面，启动标准的试点验证。服务器系统性测试以及行业方面的工业视觉、安防视觉、医疗视觉也会开展相关的评测工作。后期会开展国际标准的认证工作，发布配套测试工具。在这些重点标准基础之上，会开展计算设备、深度学习、软件框架等一系列的可信赖测试。
