《成立世界人工智能合作组织协定》签署后的第二天，一份面向国际合作的行动清单随即公布。

7月16日，29个国家代表在上海签署《成立世界人工智能合作组织协定》，成为该组织创始成员国。协定明确，世界人工智能合作组织是独立的政府间国际组织，将推动人工智能领域的国际合作与全球治理。

7月17日，国家发展改革委发布《人工智能合作发展行动计划》，围绕数据、算力、开源、应用、人才、标准、安全和伦理提出八项行动。

两项安排在同一届大会期间相继落地，分别指向国际协作机制和具体合作议题。中国参与全球人工智能合作的框架由此更加清晰。

过去几年，中国人工智能企业走向海外，主要依靠大模型、云服务、智能终端和行业解决方案。此次行动计划覆盖的范围明显更宽，合作议题从产品和项目延伸至数据、算力、开源生态、人才培养与治理。

这套安排强调共建、共享和本地化创新。海外合作不只涉及现成产品的交付，还要补足当地发展人工智能所需的数据、算力、人才和治理基础。

模型出海，为什么还不够

开源模型降低了人工智能的使用门槛。越来越多国家、机构和开发者能够使用先进模型，尝试训练、微调和部署自己的AI应用。

获得模型，并不等于具备人工智能落地所需的条件。

此前常见的AI出海模式，往往以单个产品或项目为单位。模型企业提供接口，云厂商提供计算资源，终端厂商将AI装进手机、汽车和机器人，行业公司为客户建设客服、翻译、营销或生产管理系统。

这些业务仍会继续增长，但单点交付主要解决局部需求，很难支撑一个国家长期建设和运营人工智能体系。

从八项行动的组合来看，数据、算力和开源构成技术底座，产业应用与人才决定技术能否扎根当地，标准、安全和伦理则处理长期运行中的规则问题。

数据、算力和开源，搭起AI落地底座

行动计划提出，在部分领域建设运营跨境可信数据空间，推动高质量语料库、行业数据集和多语种语料共建共享。

过去，跨境数据更多被放在数字贸易、跨国经营和数据合规框架下讨论。此次被纳入人工智能国际合作，合作范围已经触及模型训练和行业应用所依赖的底层资源。

对不少发展中国家来说，本地语料不足是一个现实难题。通用模型可以理解主流语言，却未必熟悉当地法律、文化、农业知识、医疗表达和公共服务体系。缺少高质量本地数据，人工智能就容易停留在通用问答和简单翻译层面。

多语种语料库和行业数据集共建，可以为本地模型训练和应用开发提供基础。跨境可信数据空间则有望通过身份认证、使用授权、权限控制和安全审计，提高跨境数据使用的可控性、可追溯性和合规管理水平。

国家数据局此前已经提出建设一批跨境可信数据空间，此次行动计划进一步将其纳入人工智能国际合作的数据供给框架。相关安排并未改变现有数据跨境管理要求。

数据之外，算力成本又是一道现实约束。

行动计划提出推动智能算力设施联通，面向发展中国家提供普惠智算服务，并联合建设绿色能源驱动的基础设施。

模型开源没有消除运行成本。训练、推理和持续更新仍然依赖服务器、芯片、电力与网络。对数字基础设施相对薄弱的国家而言，算力价格和能源保障往往比模型本身更难解决。

行动计划提出“普惠智算”，推动算力合作向基础设施化、普惠化供给延伸。未来可能出现跨区域智算平台、联合智算中心，或面向特定国家和行业的算力服务项目，为本地机构提供模型训练、适配和推理资源。

行动计划将绿色能源与智算设施并列部署，也把电力成本和长期运维纳入算力建设考量。人工智能项目只有获得稳定的能源供应和持续运维支持，才能避免基础设施建成后利用不足。

开源生态也被纳入合作范围。行动计划提出共建国际人工智能开源社区，推动通用大模型、基础算法和工具组件共享，并支持各国基于开源模型开展本土化创新。

开源模型降低了技术获取门槛，合作方可以结合本国语言、产业知识和治理要求进行二次开发，不必长期依赖外部平台提供统一服务。

文件同时提出建立开源合规体系与安全准则。模型开放范围扩大后，版本管理、安全评测、应用责任和风险处置的要求也会随之提高。

开源降低了技术获取和使用门槛，数据和算力则决定模型能否在当地持续运行。模型开放只是人工智能普及的起点。

智能体走进产业，合作进入真实业务

模型和算力具备之后，人工智能还要落到具体行业。

行动计划提出深化“人工智能+”合作，建设跨国产业合作平台，推动人工智能在科学、制造、医疗、教育、农业和治理等领域应用。

这些领域大多需要较强的行业知识，也要接入既有业务系统。模型性能只是起点，数据质量、工作流程和专业人员参与会直接影响应用效果。

跨国产业合作平台可以把技术提供方、行业机构、科研组织和当地合作方纳入同一项目，围绕具体问题形成长期协作。相比单纯销售模型接口，这类模式更接近共同建设行业应用和运营体系。

“促进智能体规范应用与创新发展”，是整份行动计划中较为突出的安排。

大模型主要负责理解和生成内容，智能体则进一步调用工具、访问系统、拆解任务并执行操作。当智能体用于制造、医疗、教育和公共治理，人工智能也从提供答案走向参与真实流程。

不同国家的法律制度、行业规范和数据要求存在差异，智能体国际化比通用模型国际化更依赖本地适配。智能体能够访问哪些数据、调用哪些系统，高风险操作是否需要人工确认，发生错误后如何追责，都必须在部署前明确。

此次行动计划将智能体规范应用与创新发展纳入人工智能国际合作。身份、权限、审计、人工接管和责任划分，也会成为跨国项目必须处理的问题。

项目进入长期运营阶段后，本地人才的重要性随之上升。

行动计划提出共建拔尖数智人才联合培养机制，推动高校、科研机构和企业开展国际合作，同时探索职业标准与技能认证，并提升社会公众人工智能素养。

这套安排覆盖研究人员、工程人员和产业从业者。一个项目如果长期依赖境外团队部署和维护，最终留在当地的往往只有软件和设备。本地团队能够完成模型适配、系统运营和风险处置后，人工智能才可能真正扎根当地。

标准、安全和伦理，决定合作能走多远

人工智能与行业业务结合得越深，规则越重要。

聊天工具出错，影响通常集中在回答质量；当AI用于医疗辅助、教育评价、工业控制和公共治理，错误判断就可能影响个人权益、企业生产乃至公共安全。

不同国家的治理要求各不相同。模型、云平台和智能体跨境部署时，都要面对数据保护、算法透明、系统安全和责任划分等规则。

行动计划提出推动人工智能国际标准制修订，建立标准对接协调机制，增强标准体系的包容性和互操作性。

互操作性直接影响人工智能项目的跨境部署效率。国际合作项目往往包含不同国家的云平台、行业系统和数据设施。技术标准无法衔接，模型和应用就难以跨平台运行，企业也要为不同市场重复改造。

推动国际标准共同制修订，有助于提高不同技术体系和治理规则之间的兼容程度，减少企业针对不同市场重复对接、评测、认证和改造的投入。

行动计划还提出加强网络安全威胁信息共享和应急处置合作，防范人工智能技术误用、滥用，并研究提升人工智能的可解释性、透明性和安全性。

智能体能够直接调用工具和业务系统，跨国风险通报与应急协作因而更加迫切。一个能够自主执行任务的系统，一旦受到攻击或错误指令影响，风险就可能从内容生成扩散到业务系统。

长期合作还取决于人工智能能否获得当地社会信任。

行动计划提出保护隐私安全、确保可控可信，消除算法偏见，保障公平性和非歧视性，同时关注弱势群体权益和人工智能对就业的影响。

AI国际合作不能只看项目数量和经济收益。技术能否改善公共服务，能否避免扩大数字鸿沟，能否让不同群体公平受益，同样会影响合作能否持续。

标准决定系统能否连接，安全决定系统能否稳定运行，伦理决定技术能否获得社会信任。

AI出海，项目组织方式正在改变

行动计划重点回应了发展中国家面临的现实缺口。

对成熟市场而言，AI合作更多围绕模型竞争、行业应用和规则适配展开；对许多发展中国家而言，首先要补足本地数据、算力、人才和治理基础。

当合作延伸至基础设施、行业应用和治理，单一厂商很难独立完成全部交付，项目更可能由多类机构共同参与并长期运营。

未来一个大型海外人工智能项目，可能同时涉及智算中心、云平台、跨境数据设施、开源模型、行业智能体、人才培训和安全评测。基础设施企业、模型与云计算企业、行业公司以及数据、安全和标准服务机构，都可能参与其中。

智能体参与真实业务后，相关服务也不再局限于模型本身。开发平台、身份与权限管理、工具调用控制、运行审计和安全评测，都可能成为海外项目的重要组成部分。

合作模式也会从一次性交付转向持续运营。模型落地后，还要不断补充本地语料、保障算力供应、培养工程人才、调整行业应用，并适应当地不断变化的治理要求。能够提供稳定服务并参与长期运营的企业和机构，更有可能在当地形成长期业务。

参数规模和模型性能仍然重要，但它们无法单独决定国际项目的成败。算力是否稳定、语言是否适配、人才是否充足、安全风险是否可控、应用能否创造实际价值，都会直接影响项目能否落地并持续运行。

人工智能全球化的竞争，正在由单项技术比拼转向整体交付和长期运营。

从行动计划到项目落地，还有几道难题

行动计划已经明确合作方向，具体项目仍有一系列现实问题要解决。

首先是建设和投入机制。目前文件没有公布各项行动的具体建设主体、资金来源、服务定价和项目期限。普惠智算如何提供，跨境数据空间由谁运营，产业合作平台如何形成可持续收入，都有待进一步明确。

跨境数据治理同样复杂。多语种语料和行业数据集共建会涉及个人信息、商业秘密、数据权属、使用授权和收益分配。可信数据空间可以提供技术支持，具体项目仍要符合不同国家的法律制度。

开源模型和智能体的责任边界也有待进一步厘清。模型开发者、本地适配方、应用部署方和运营方分别承担什么责任，要通过合同、标准和监管安排进行确认。智能体具备执行权限后，权限控制和人工接管机制会更加重要。

长期运营则是另一项考验。智算中心建成后仍需要持续的电力、资金和技术维护，行业模型也要不断更新数据，本地人才队伍也要实现稳定留存。缺少长期运营模式，再完整的基础设施也可能停留在示范阶段。

未来走向海外的，可能不再只是一个模型接口、一套云服务或者一台智能设备。同一合作框架把数据、算力、行业应用、人才培养和风险治理连接起来。

当人工智能竞争从模型性能走向产业落地，中国AI出海需要回答的问题，也从产品能否进入一个市场，转向一套技术体系和服务机制能否在当地落地并持续运行，最终转化为当地的发展基础。

来源：挖数网