国务院定调“因业分级分类”，北京已动手——AI监管从“别出事”变成了“怎么管”最近刷短视频，AI生成的内容开始被“标”出来了。
2026年5月，中央网信办规范短视频内容标注，要求平台必须提供“含有AI生成内容”等6类必选标签。到了10月，北京市网信部门已经全面落实了AI生成合成内容“显性”与“隐性”双标识要求。
更早之前，2025年9月1日，《人工智能生成合成内容标识办法》正式施行。
这些动作看起来很技术、很细碎。但它们指向的是同一件事：AI监管正在从“原则框架”进入“实操层面”。
10月16日，国务院常务会议把这个变化推到了最高决策层级。
国务院定了一个调：“因业分级分类”10月16日，国务院总理李强主持召开国务院常务会议，听取“人工智能+”行动进展情况汇报。
会议在部署发展路径的同时，用一句话划定了安全治理的基调：“要统筹发展和安全，因业分级分类施策，加强风险研判评估，守牢人工智能安全底线。”
这句话里最值得琢磨的四个字，是“因业”，而不是“因险”。
欧盟AI法案走的是“风险分级”路线。按照AI应用可能造成的危害程度，划分为不可接受风险、高风险、有限风险和极小风险。这条路线的逻辑起点是“这个AI有多危险”。
中国选择的“因业分级分类”，逻辑起点是“这个AI用在哪个行业”。
工业检测、气象预测、金融量化、医疗辅助、内容生成。不同行业的数据敏感度、错误代价、责任链条完全不同。一个用于电力预测的AI和一个用于短视频生成的AI，不应该套用同一套监管模板。
“因业”的实质，是把监管的颗粒度从“技术本身”下沉到“技术被使用的场景”。这比单纯按风险分级更复杂，因为需要监管者理解每一个行业的业务逻辑。但也更务实。
北京已经动手：智能体被单独“分级”国务院定调的同时，地方层面的实操已经跑在了前面。
2026年7月，北京市发改委等四部门联合印发《北京市关于加快智能体引领发展的若干措施》。文件明确提出：“探索建立智能体分级分类监管机制”。
智能体被单独拎出来做分级分类，这个信号很关键。
智能体和普通大模型有一个本质区别。大模型是“回答问题”，智能体是“替你干活”。一个能自主调用工具、执行任务、甚至发起交易的AI Agent，它的风险维度不是“说了什么”，而是“做了什么”。
北京把智能体作为独立的监管对象，意味着监管框架已经意识到：AI的安全边界正在从“内容安全”扩展到“行为安全”。
北京手上还有一组硬数据。截至2026年7月，北京已累计完成大模型备案259款、人工智能产品登记195款，头部模型注册用户超过20亿，日均调用量超过14亿次。
在如此巨大的调用基数下，监管不可能靠“事后处罚”来兜底。
北京市发改委副主任林剑华的表述很直接：北京将“加快智能体安全基础设施建设，支持开发安全大模型，通过搭建靶场等方式开放安全检测、攻防对抗等共性服务，真正实现‘以模治模’”。
“以模治模”这个词值得注意。它承认了一个现实：当AI的行为复杂到人类审核员无法逐条判断时，监管本身也需要用AI来执行。
分级分类是给“管什么”定规则，“以模治模”是给“谁来管”提供工具。
标识制度：普通人能摸到的那一层如果“因业分级分类”对普通人来说还太抽象，那AI生成内容的标识制度是每个人都能直接感知的监管落地。
2026年6月起，强制标识管理进入全面强制执行阶段。新规要求AI内容必须在视频开头3秒内醒目标注“AI生成”标识，且标识尺寸不小于画面宽度的5%。
北京市网信办的数据显示，在“清朗·整治AI应用乱象”专项行动中，北京共处置下架违规运营账号2337个、应用程序57个，清理违规信息9.28万条。
标识制度的逻辑和“因业分级”是一脉相承的。它不判断AI内容“好不好”，它只解决“用户知不知道”的问题。
你刷到一条视频，3秒内看到“AI生成”的标签，接下来的判断交给你自己。监管的角色不是替你做价值判断，而是保障你做出判断所需的信息条件。
但这套制度也有它尚未解决的问题。标识解决的是“来源透明”，它不解决“内容质量”。当一条AI生成的短视频被标注之后，用户的选择是“看”还是“划走”，这取决于平台的分发逻辑，而不是标识本身。
标识是监管的终点，却是用户判断的起点。
和欧盟比，差在“实操速度”把中国的“因业分级”和欧盟的“风险分级”放在一起看，差异不在“谁更严格”，而在“谁更快落地”。
欧盟AI法案的合规义务是硬性的，但落地速度受限于成员国之间的协调成本和技术标准的制定周期。一个高风险AI系统要在欧盟合规上市，需要经过合格评定、技术文档、风险管理体系等一系列流程。对中小企业来说，合规成本相当可观。
中国的“因业分级分类”选择了一条先试点、再推广，先备案、再细化的路径。北京先建“大模型生态服务站”，提供备案辅导、安全测评、监管治理的一站式服务，把合规门槛降下来，让企业先进入监管视野，再逐步细化分级标准。
这种做法在“安全”和“发展”之间的平衡点更靠前，代价是分级标准的精细度需要靠实践来逐步校准。
两条路径没有绝对的优劣。欧盟的模式更“法条化”，中国的模式更“工程化”。法条化的优势是确定性高，工程化的优势是迭代速度快。
在AI技术以月为单位迭代的节奏下，迭代速度本身就是治理能力的一部分。
跟普通人有什么关系如果你是一个普通用户，分级分类监管的直接影响是间接的，但可感知。
你手机里的AI助手、你刷到的AI内容、你使用的AI服务，未来可能被按照“它能替你做什么”被划入不同的监管等级。一个只能回答问题的AI和一个能替你付款下单的AI，面对的合规要求会不同。
分级分类的本质，是把“AI能做什么”和“AI被允许做什么”之间的边界画得更清楚。
如果你是一个AI创业者或产品人，北京“探索建立智能体分级分类监管机制”的信号需要认真对待。智能体被单独拎出来做分级，意味着这个品类正在从“大模型应用”中独立出来，成为独立的监管对象。
尽早理解分级逻辑、主动参与备案和测评，会比等到标准完全固化之后再被动合规的成本低得多。
如果你关注的是AI治理的长期走向，国务院常务会议把“因业分级分类”写入最高层级的政策语言，标志着一个阶段的结束和另一个阶段的开始。
框架讨论的阶段结束了，实操落地的阶段开始了。
接下来值得关注的不是“会不会管”，而是“每个行业的分级标准怎么定”“智能体的行为边界划在哪里”“以模治模的工具本身由谁来监管”。
最后说一句“因业分级分类”这六个字，容易让人以为监管要“收紧”了。
但更准确的理解是：监管正在从“一个标准管所有”走向“每个行业有自己的尺度”。
国务院的定调给了方向，北京的政策给了样本，AI标识制度给了普通人一个可见的落点。这三件事同时发生，说明AI监管的重心已经从“要不要管”转向了“怎么管才不扼杀应用、又不放过风险”。
框架已经搭好了。接下来真正决定成败的，是每一个行业里那条“分级线”画在哪里。
你觉得“因业分级”和“按风险分级”，哪种方式更能让你对AI放心？评论区聊聊。
#AI监管# #因业分级# #智能体# #北京# #AI标识# #AI安全#