安全保障人工智能高质量发展，依据《中华人民共和国网 络安全法》《中华人民共和国数据安全法》《中华人民共 和国个人信息保护法》，以及《生成式人工智能服务管理 暂行办法》《人工智能生成合成内容标识办法》《互联网 信息服务算法推荐管理规定》《互联网信息服务深度合成 管理规定》等政策法规，制定人工智能应用安全指引系列 文件。 人工智能应用安全指引系列文件包含通用文件以及行 业领域文件两类。通用文件提供通用性实践安全指导，适 文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用 于本文件。 GB/T 25069 信息安全技术 术语 GB/T 41867 信息技术 人工智能 术语 GB 45438 网络安全技术 人工智能生成合成内容标识方法 GB/T 45652 网络安全技术 生成式人工智能预训练和优化训练 数据安全规范 GB/T 45654 网络安全技术 生成式人工智能服务安全基本要求 GB/T 45674 网络安全技术 生命周期日志，记录数据、模型、输入及交互，日志应防篡改、 可追溯。 g) 建立人工智能训练数据和输出内容的价值观、歧视内容、商业 违法违规、他人合法权益等评估、监测和预警机制，及时发现 和处置风险。 h) 人工智能生成合成内容应嵌入元数据隐式标识。 8.2 制作播出场景 制作播出场景安全指引如下： a) 建立全过程追溯机制，关键、敏感、自动生成内容应人工复审， 节目成片由相关责任人终审，确保内容安全、责任可溯。

用于本 文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用 于本文件。 GB/T 35273 信息安全技术 个人信息安全规范 GB 45438-2025 网络安全技术 人工智能生成合成内容标识方法 GB/T 45654-2025 网络安全技术 生成式人工智能服务安全基本 要求 3 术语定义 GB/T 35273 界定的术语和定义适用于本文件。 4 概述 人工智能服务有 ,可能会被暂 停服务。 5 b) 不恶意发送大量复杂请求耗尽服务资源（如超长文本、循环 提问等）导致系统瘫痪。 c) 在使用人工智能服务生成合成内容时： 1）关注服务输出内容是否具备生成合成内容标识，不恶意 裁剪、删除标识； 注：生成合成内容标识的样式可参考 GB 45438-2025 第 5 章的要求。 2）如发现生成内容存在准确性、科学性问题，或包含违法 不良信息时，不进行二次传播； 不良信息时，不进行二次传播； 3)不滥用人工智能输出，如发现模型生成违法不良信息，可 通过投诉举报路径反馈至服务提供者； 4)不恶意引导人工智能输出违背伦理道德的内容。 d) 在发布生成合成内容时，主动声明并使用服务提供者提供的 标识功能。

影响展望 : 1: 对具身智能学术研究前沿的影响 : 本文为双臂机器人示教学习提供了 多维度统一的视频扩散数据生成方案 , 验证了 canny 边缘引导在保留动 作结构、 提升合成数据质量上的有效性。 其七大维度的增强管线设计 , 可 为后续具身智能数据生成 相关研究提供可复用的技术框架 , 同时也为仿真 到现实迁移、 跨本体学习等方向提供了新的实证参考。 2: 解决了现有方案增强维度分散、 无法形成完整管线的问题。 2: 设计 canny 边缘结构引导机制 : 以仿真轨迹的边缘轮廓为控制信 号 , 平衡了动作结构保留与视觉多样性生成 , 提升了合成视频的物理合 理性与 时序一致性。 3: 实现零样本跨本体数据生成 : 通过正逆运动学完成轨迹重定向 , 无 需 目标机器人的真实示教数据 , 即可生成适配目标本体的高保真训练数据。 这是一套面向双臂操作示教的可规模化数据生成框架 , 能够合成时序连贯的操作视频 , 同时同步生成对应的动作标签。 通过以仿真轨迹中提取的边缘结构线索为条件引导视频扩散模型 , CRAFT 能够生成符合物理规律的轨迹变体 , 支持一套统一的增强 管线 , 覆盖物体位姿变化、相机视角、光照与背景调整、跨本体 迁移 , 以及多视角合成等全维度能力。我们利用预训练视频扩散模 型 , 将仿

升各行业人工智能应用安全水平，依据《中华人民共和国 网络安全法》《中华人民共和国数据安全法》《中华人民 共和国个人信息保护法》等法律，以及《生成式人工智能 服务管理暂行办法》《人工智能生成合成内容标识办法》 《互联网信息服务算法推荐管理规定》《互联网信息服务 深度合成管理规定》等规定，制定人工智能应用安全指引 系列实践指南。 人工智能应用安全指引系列文件包含通用文件以及行 业领域文件两类。通用文件提供通用性安全指导，适用于 有关要求。 b) 在具备舆论传播属性的服务场景，按有关要求及强制性国家标 准做好生成合成内容标识工作。通过国家标准公共服务平台等 途径验证标识有效性。 注 1：满足《人工智能生成合成内容标识办法》以及 GB 45438-2025《网 络安全技术 人工智能生成合成内容标识方法》的要求。 注 2：参考人工智能生成合成内容标识服务平台 https://www.gcmark.com。 c) 对人工智能产品或服务的输入内容持续监测 信息安全技术 术语 GB/T 41867 信息技术 人工智能 术语 GB/T 42888-2023 信息安全技术 机器学习算法安全评估规范 GB 45438-2025 网络安全技术 人工智能生成合成内容标识方法 GB/T 45652-2025 网络安全技术 生成式人工智能预训练和优化 训练数据安全规范 GB/T 45654-2025 网络安全技术 生成式人工智能服务安全基本 要求 GB/T

低空航空器使用的各种橡胶轮胎、橡胶零 件、合成橡胶等 2652*合成橡胶制造 2911*轮胎制造 2913*橡胶零件制造 0103 低空航空器材 料制造 010301 低空复合材 料制造 指用于低空航空器的复合材料制造，包括 低空用碳化硅纤维及其织物、酚醛树脂基复 合材料、环氧树脂基复合材料、双马来酰亚 胺树脂基复合材料等 2659*其他合成材料制 造 010302 低空玻璃纤 纤维、高性能纤维预制体等 3061*玻璃纤维及制品 制造 3062*玻璃纤维增强塑 料制品制造 010303 其他低空合 成纤维制造 指用于低空航空器的其他合成材料制造， 包括低空用超高分子量聚乙烯纤维等 2829*其他合成纤维制 造 010304 低空石墨及 碳素制品制造 指用于低空航空器的石墨及碳素制品制 造，包括低空用碳纤维织物预制体、碳纤维 预制体、碳/碳复合材料等

。 关键技术类标准紧扣人工智能相关技术发展及应用情况，明确各 项关键技术的安全保障要求，为人工智能技术健康发展保驾护航，包 括生成式人工智能安全、智能体安全、具身智能安全、多模态安全、 生成合成安全、安全对齐、安全围栏等研制方向。 测试评估类标准旨在以测试评估工作帮助提升人工智能安全水 平，包括安全能力测试、模型安全性测试、产品服务安全测试、场景 应用安全测试、安全测试基准等研制方向。 项、推荐性国 家标准 12 项、技术文件 1 项，部分与工业具身智能相关的标准如下： GB 45438-2025《网络安全技术 人工智能生成合成内容标识方 法》强制性标准规定了人工智能生成合成内容显式标识和隐式标识的 种类、要素和格式，给出了人工智能生成合成内容标识方法。 GB/T 41871-2022《信息安全技术 汽车数据处理安全要求》标准 规定了汽车数据处理者对汽车数据进行收集、传输等处理活动的通用 当前，我国正在推动的人工智能安全国家标准主要如下所示。 《网络安全技术 互联网信息服务深度合成安全规范》标准拟从 互联网信息服务生命周期的信息生成、处理、发布、传播、存储、销 毁等环节，以及技术算法生命周期的设计开发、验证测试、部署运行、 维护升级、退役下线等五个阶段，对深度合成服务提供者和技术支持 者提出开展互联网深度合成服务在安全方面的通用要求以及证实评 估方法。 《网络安全技术 人工智能代码生成服务安全要求》标准拟针对

SALT 海产品合法性和可追溯性联盟 SAPO 预警、预测和观测系统 SAR 合成孔径雷达 SBI 智能船舶倡议 SDG 可持续发展目标 SERNAPESCA 智利国家渔业与水产养殖局 SK Saltonstall-Kennedy 索顿斯托尔-肯尼迪 SLAR 合成孔径侧视雷达 SOF 可持续海洋基金 SSF 小规模渔业 TNC 大自然保护协会 移和检测石油泄 漏11。在过去十年里，合成孔径雷达（SAR；SLAR 的一个子集）技术取得了重大进展。 合成孔径雷达发射雷达脉冲，并检测从目标物体（例如，海面）反射回来的信号，以 创建可供分析的二维图像。目前，合成孔径雷达图像的分辨率已经非常高，我们可以 通过分析激光探测尾流产生的微波检测海面或接近洋面的鱼群（Klemas，2013 年）。 合成孔径雷达与可见光摄像机一样不受云层或恶劣天气的影响，因此是全天候渔业监 器和无人机上（Santos，2000 年）。激光雷达是船载声波导航和测距（SoNAR）系统 的一种更具成本效益的替代技术，可用于测绘和监测浅水区珊瑚礁生态系统（Costa 等， 2009 年）。与合成孔径雷达一样，激光雷达在划定合适渔场范围方面具有巨大潜力， 尤其是激光雷达尺寸非常小，可搭载在无人水面艇或自主水下航行器（AUV）等机器 上，因此对于资源开发具有重要意义。 11

（6）数据生成 根据已有的数据特征或分布规律，借助生成模型生成新的数据样 本，用于模拟真实场景或扩充训练数据集。例如根据病理报告生成病 灶的可视化图像，根据住院期间的病程记录生成出院小结，或是采用 合成数据来代替真实的隐私数据。常见的数据生成模型有生成对抗网 络（GAN）、扩散模型、大语言模型等。 2.4.2. 数据智能分析的流程 数据智能分析的核心流程涵盖模型选择、模型训练、模型评估和 模型优化四个关键阶段。 生物 标志物发现和精准治疗靶点筛选提供了新的策略。再如，利用机器学习 算法分析肿瘤微环境中的免疫细胞浸润模式和信号通路，识别出可能的 免疫抑制靶点。此外，AI 算法被广泛用于识别特定癌症类型的合成致死 基因对，其中一种基因发生突变，使第二种基因成为药物靶点，当抑制 该靶点时，可选择性杀死肿瘤细胞，而不损伤正常细胞。已有研究机构 利用 AI 深度学习算法，深入解析控制细胞命运的基因网络，成功识别出 心理助手能够陪伴患者聊天，用科学方法疏导情绪， 如使用“5 秒深呼吸法”平复紧张情绪；患者可通过定制化练习库，从克服失眠的睡前冥想，到应对社交恐惧的模拟训练，像闯关游戏一样边学边练。所有数据会整合成 个人心理健康报告，提示影响患者情绪的环境因素等，通过一键分享给医生，使面对面心理治疗更高效。 心理自助服务使心理诊疗关口前移，从以往的“患病后干预”转向“风险期间主动管理”。与实体的心理咨询医

态、强时序与动态生成特征，获取方式由离线采集转向在线交互 生成，系统运行即数据生产过程，对多模态同步处理与可追溯治 理提出更高要求。同时，数据与硬件耦合度高、跨平台迁移困难， 真实采集成本与风险较高；仿真环境与合成数据虽可补充，但虚 实差异仍影响泛化能力。整体需围绕标准体系、多模态融合、高 质量仿真平台及安全治理等方向协同推进。 第 6 页 （三）模型与算法体系由单点优化迈向多模态融合与系统级 协同优化 感知—理解—决策—行动闭环。面向真实环境，需处理多模态、 强时序数据，并在实时与安全约束下生成可执行策略，体系呈分 层协同特征。当前，多模态融合不断深化，自适应学习能力持续 增强，分层架构与端到端方法并行演进，仿真与合成数据降低训 练成本；同时，系统级协同优化逐步强化各环节联动与整体效率。 整体来看，模型与算法体系正加速向多模态融合、自适应学习与 系统级协同优化方向演进。 第 7 页 （四）能源与动力系统由基础保障转向能效、安全与系统协 具身智能正迈向“模型牵引、数据赋能与系统协同驱动”的 一体化阶段，大模型与世界模型推动架构由分离式向认知—行动 一体化演进，VLA 实现端到端“理解即执行”，结合“预测建 模+规划”提升决策能力；数据体系由仿真、数字孪生与合成数 据构建闭环迭代机制，强化泛化与演进效率。与此同时，系统化 与平台化能力成为规模落地关键，统一操作系统、标准接口与模 块化工具链降低开发门槛，云—边—端协同支撑数据回流与模型 优化。技术边

业务智能体 » 02 随访对话实时响应 全链路流式改造 以全链路流式架构为核心， ASR 、大模 型 、 TTS 节点均实现流式调用处理 03 超拟人交互 超拟人语音合成 语音克隆 + 超拟人 TTS ，提供丰富语音表现能力， 包括音色 、情感表达及地域特色等 模拟人类的情感表达 ， 提升语音交互的自然 度和用户满意度 等待中快速响应 并 • 回答业务问题 感知环境 精准感知医疗场景复杂环境 工具调用 自主调用外部工具 ASR 语音识别流式传输 TTS 语音合成流式传输 大模型流式调用传输 PSTN/ RTC 网 络 传 输 基于大模型的多轮意 图分析，构建精准意 图识别与任务自编排 能力 超拟人情绪交互 多意图识别 超拟人合成 声音克隆 多 情 绪 原 声 克 隆 正 常 多模态医疗数据统一表征