AI 治理不能只靠法律：大模型之间需要一套“能互相听懂”的协议
一篇立场文章提出，随着大模型、智能体和自动化系统进入真实业务，AI 治理的重点不能停留在单一地区、单一公司的法律文本上，还需要类似 ISO 的跨系统互操作协议，让身份、风险、权限与审计结果能够被不同系统共同理解。
一篇立场文章提出，随着大模型、智能体和自动化系统进入真实业务，AI 治理的重点不能停留在单一地区、单一公司的法律文本上，还需要类似 ISO 的跨系统互操作协议，让身份、风险、权限与审计结果能够被不同系统共同理解。
这篇文章并没有发布一个新的大模型，也没有给出某家公司的产品排名。它提出的是一个更基础的问题：当多个 AI 系统共同完成任务时，谁能识别谁、谁能授权谁、谁能解释谁的行为？如果这些信息只能依赖各个平台自定义的接口，治理规则就很难跨系统执行。
法律规定边界，协议负责让机器读懂边界。
主要依赖法律、监管文件和企业内部政策。规则往往存在，但不同系统未必使用同一种表达方式。
建立类似 ISO 的通用协议，使不同模型、智能体、工具和审计系统能够交换治理信息。
阅读方式：左侧是治理规则的“制度层”，右侧是让规则进入模型调用链的“工程层”；二者并非替代关系。
对这类治理观点，最重要的不是把它包装成一项已经落地的行业标准，而是区分问题判断与验证结论。现有材料明确呈现了“需要互操作协议”的立场，但没有给出协议文本、测评样本、部署规模或合规效果数据。
注：这是一张“证据边界”清单，不代表相关协议已经形成正式标准或获得行业共识。
这份克制很重要。治理技术最容易陷入的误区，就是把“提出方向”直接写成“完成落地”。
在一个由智能体驱动的任务中，模型可能调用搜索、代码执行、企业数据库和第三方 API。用户看到的是一个结果，系统内部却发生了多轮授权、数据传输和工具调用。互操作协议的价值，在于给这些环节建立一套共同语法。
注：四层从“识别对象”逐步走向“事后追踪”，越靠下越接近企业真正需要落地的控制点。
法律擅长定义责任、禁止事项和监管边界，但很少规定每一个模型接口应如何传递权限、每一条调用链应如何记录。另一方面，企业自定义方案虽然能快速上线，却容易形成新的“治理孤岛”：系统内部看得见，跨平台就失效。
注：这条链路展示的是分工关系，不意味着所有治理问题都能被接口标准解决。
类似 ISO 的思路，重点在于形成跨组织可采用的共同规范：企业可以保留自己的产品和模型，但在身份、权限、日志和风险描述上使用相互理解的格式。
但协议也有它的边界。
如果模型本身不可靠、数据来源不可追溯，或者企业没有意愿开放必要的审计信息，再漂亮的标准也可能只剩一份合规文档。互操作性降低的是沟通成本，不是自动消除风险。
未来再看到类似“AI 治理标准”的提法，可以优先追问四件事：是否有机器可读的字段，是否覆盖跨平台调用，是否能留下可验证日志，是否规定了失败和争议处理方式。
注：四项同时成立，才更接近“可执行的治理协议”，而不是新增一套宣传口径。
AI 治理的下一场竞争，不只是“谁的法律更严格”，而是谁能把身份、权限和责任做成跨平台都执行得了的基础协议。
原始材料未提供产品体验入口或标准实现地址。读者可按本文标题中的英文关键词检索公开学术预印本，重点查看其协议字段、实施案例与验证方法。
建议检索词：AI governance · ISO-like interoperability protocols