一、标准编制背景

《人工智能企业智能化成熟度评估模型》（GB/TXXXXX-XXXX）是由全国信息技术标准化技术委员会（SAC/TC28）提出并归口的国家级推荐性国家标准，严格依据GB/T1.1-2020《标准化工作导则》编制，是我国首个体系化、全维度、可量化的企业AI智能化成熟度权威评估规范。

当前我国企业AI建设普遍呈现重技术堆砌、轻战略顶层设计；重单点试点、轻体系化治理；重应用落地、轻安全伦理与全生命周期管控的特征，行业各类评估模型碎片化、口径不统一、等级无依据、无法横向对标。本标准出台的核心价值，在于构建一套统一评估框架、统一能力定义、统一成熟度分级、统一量化判定规则的国家标准体系，既填补行业标准空白，也为企业AI转型、政府产业施策、第三方测评、行业生态对标提供法定依据。

适用主体：覆盖AI原生企业、传统行业AI转型企业、产业平台、科研机构等各类组织，支持企业自评估、第三方权威评估、行业遴选、政策评审、资质认定等多场景应用。

规范性引用：锚定三大现行国标作为底层支撑，实现国家标准体系无缝衔接：

•GB/T36073-2025《数据管理能力成熟度评估模型》

•GB/T41867-2022《信息技术人工智能术语》

•GB/T42131-2022《人工智能知识图谱技术框架》

核心术语：明确定义智能化成熟度模型、能力、人工智能、伦理、知识五大基础概念，统一行业语义口径，为评估指标、等级判定、能力解读奠定标准化基础。

二、架构设计逻辑

本标准创新性构建7大能力域、22个能力项、五级成熟度等级的三层金字塔评估架构，遵循战略引领→治理保障→数据知识底座→技术内核支撑→安全可信底线→业务价值落地→全生命周期管控的企业AI发展底层逻辑，区别于传统单一聚焦技术或应用的碎片化评估模型，具备全维度覆盖、全流程闭环、全层级递进、可量化落地四大核心特征。

1.七大能力域

七大能力域并非简单并列，而是形成自上而下、从软到硬、从内部建设到产业生态的完整逻辑闭环：

1.战略管理：顶层牵引，解决企业AI“要不要做、怎么做、做得好不好”的顶层设计问题；

2.治理机制：组织制度保障，明确“谁来牵头、按什么规则运行、如何培育AI企业文化”；

3.数据及知识：AI核心生产资料底座，夯实算法、模型、智能应用的数据与知识基础；

4.技术支撑：硬核能力内核，聚焦算力-大模型-智能体三大AI核心基建；

5.安全可信：合规底线约束，首创安全风险+伦理风险+自主可控三维风控体系；

6.业务应用：价值变现出口，实现对内业务赋能与对外商业化生态服务；

7.生命周期：全流程闭环管控，覆盖AI应用需求-设计开发-部署运维-应用退役全链路。

2.二十二个能力项

标准将七大能力域拆解为22个可落地、可评估的细分能力项，覆盖企业AI建设全环节：

•战略管理：战略规划、战略实施、战略评估

•治理机制：组织机制、制度建设、文化建设

•数据及知识：数据管理、高质量数据集、本体模型、知识体系

•技术支撑：算力能力建设、模型能力建设、智能体能力建设

•安全可信：安全风险、伦理风险、自主可控

•业务应用：对内赋能、对外开放

•生命周期：需求管理、设计开发、部署运维、应用退役

每个能力项均配套过程描述、五级能力等级标准，明确每一级的建设要求、流程规范与落地特征，实现每项有定义、每级有标准、每步有依据。

3.五级成熟度等级分级体系

标准按企业AI发展从无序探索到行业引领的成长规律，划定五个成熟度等级，设置0-5分固定评分区间，等级递进逻辑清晰、特征界定明确：

1.1级初始级（A＜1.0）：无序探索期。仅具备AI初步意识，无企业级统一战略，小范围分散试点，依赖外部算力与模型，无明显业务效益，人才、资金、算力均处于初期筹备阶段。

2.2级受管理级（1.0≤A＜2.0）：部门规范期。建成部门级AI基础底座，设立专职管理岗位，单业务线实现智能化应用，成功实践可局部复制，达成单点降本、提质、增效。

3.3级稳健级（2.0≤A＜3.0）：企业体系期。制定组织级完整AI发展战略与路线图，搭建统一智能平台，跨部门规模化协同应用，制度、流程、资源配置全面标准化，全域释放业务价值。

4.4级量化管理级（3.0≤A＜4.0）：智能管控期。AI深度融入全局战略，建立全链路量化评估体系，实现算力、模型、资源全局智能调度与实时监控，业务流程高度智能化、自动化，以数据与算法驱动决策优化。

5.5级优化级（4.0≤A≤5.0）：生态引领期。具备AI能力自适应演进与自主创新能力，可主导国家、行业乃至国际标准制定，输出最佳实践，构建产业链智能生态，催生新产品、新服务、新模式。

五级等级不仅是评分划分，更是能力、流程、价值、生态同步进阶的阶梯式成长路径，为企业提供清晰可落地的AI升级路线图。

三、七大能力域解析

1.战略管理：构建AI战略闭环治理体系

包含战略规划、战略实施、战略评估三大能力项，形成规划制定-落地执行-评估修订的闭环管理。标准突破传统企业重规划、轻复盘的短板，将利益相关者分析、内外部环境评估、差距对标、量化指标跟踪、战略动态修订纳入标准化要求。五级成熟度从个人零散AI意识，逐级进阶到部门级计划、企业级完整战略、行业对标量化优化、引领行业AI发展方向，倒逼企业将AI从项目级试点上升为企业级核心发展战略。

2.治理机制：筑牢AI落地组织制度根基

由组织机制、制度建设、文化建设构成，聚焦组织架构、制度体系、企业文化三大保障维度。创新搭建决策层-管理层-执行层三级AI推进架构，构建政策-办法-细则三级制度体系；首次将AI文化建设、全员AI素养提升、知识沉淀共享纳入核心评估维度。明确企业AI转型不仅是技术建设，更是组织架构、管理制度、企业文化的系统性变革，五级从项目临时团队、部门专职岗位，升级到企业归口管理、全员责任体系、主导行业制度标准输出。

3.数据及知识：定义AI核心生产资料建设标准

作为AI发展的底层核心底座，下设数据管理、高质量数据集、本体模型、知识体系四项能力：

•数据管理：完全对标GB/T36073-2025数据管理成熟度模型，五级能力完全复用国标要求，实现口径统一、标准衔接；

•高质量数据集：覆盖场景挖掘、采集预处理、标注、目录发布、版本维护全生命周期，从项目零散数据采集，进阶到企业资产统筹、行业生态数据汇聚共建；

•本体模型：构建业务语义骨架，规范实体、属性、关系的结构化定义，从人工绘制关系图，升级到大模型自动抽取、跨领域本体建模、牵头行业本体标准；

•知识体系：形成汇聚-萃取-建模-向量化-共享应用全流程，从项目零散文档存储，进化到企业知识统一管理、大模型智能调用、产业链知识协同流通。

该能力域明确核心共识：企业AI成熟度的核心瓶颈不在于算法模型，而在于数据治理与知识体系构建能力。

4.技术支撑：锚定算力-模型-智能体三大底座

紧扣当前大模型与智能体产业发展趋势，聚焦算力、模型、智能体三大核心技术支柱，形成完整技术能力评估体系：

•算力能力：从单纯外购外部算力，到部门自建算力、企业统一调度监控、跨企业算网协同，最终实现量子/边缘等多元算力布局、运营流程智能化迭代；

•模型能力：从引用开源/外部大模型，到部门级模型服务、企业定制微调与全工具链支撑，进阶到自主研发大模型、输出多行业解决方案、引领行业测评；

•智能体能力：从单模态机械指令执行，到多模态意图理解、思维链推理自省纠错，再到跨产业链智能体互联、自主学习进化、透明化决策引领标准。

5.安全可信：树立AI合规、伦理与自主可控新标杆

本标准最具创新性的亮点之一，突破传统仅关注网络安全的局限，构建安全风险、伦理风险、自主可控三位一体风控体系，深度契合国家AI安全治理、伦理规范与信创国产化战略：

•安全风险：覆盖硬件、软件、网络、模型、应用全生命周期安全，从项目基础漏洞扫描，升级到企业资产集中管控、智能预警防御、跨组织威胁情报联防；

•伦理风险：聚焦个人隐私保护、算法偏见与歧视消除、责任问责、绿色AI四大维度，填补国内AI伦理评估标准空白，从基础合规管控，进阶到主导国际伦理治理与标准制定；

•自主可控：从单一供应商依赖、部分软硬件国产替代，升级到核心技术全栈自主可控、大模型自研开源、供应链全生命周期安全审查。

6.业务应用：建立AI价值量化落地与生态体系

分为对内赋能、对外开放两大能力项，核心纠正行业重技术、轻价值的认知误区，以业务价值产出作为AI成熟度核心标尺：

•对内赋能：聚焦内部流程优化、管理提效、模式变革，从局部场景试点、部门降本增效，进阶到企业跨部门共享、AI驱动业务重构、输出行业最佳实践；

•对外开放：覆盖客户管理、价值评估、收益核算、售后服务、生态构建全链条，从点对点零散服务，升级到规模化生态运营、主导行业应用标准、参与国际标准制定。

7.生命周期：填补AI应用全生命周期标准化空白

标准创新性规范需求管理、设计开发、部署运维、应用退役四大环节，实现AI应用从立项建设到退出归档的全生命周期闭环管控。尤其新增应用退役专项评估，明确退役评估决策、方案制定、资源回收、数据安全处置、复盘优化等流程，补齐行业长期忽视的应用退出、数据留存、资源复用管理短板，实现AI应用全流程无死角标准化管控。

四、评估方法、计分规则与等级判定

1.符合度打分规则（国标固定）

设定四档标准化赋分，杜绝主观随意打分：

•全部满足要求=1.0分

•大部分满足=0.8分

•部分满足=0.5分

•不满足=0.0分

2.三级加权计算

采用严谨的三级数学加权算法，兼顾标准化统一性与行业差异化：

1.能力项得分：该项下所有五级要求得分算术平均值；

2.能力域得分：域内各能力项得分×对应权重加权求和；

3.企业总得分：七大能力域得分×域权重加权汇总。

权重由行业专家结合企业业务特征论证确定，保障评估公平性与适配性。

3.等级判定规则

依据企业总得分A对照固定分数区间直接判定成熟度等级；国标明确特殊规则：已满足等级按满分赋值，未满足等级按实际得分累计，既保证企业横向对标公平性，又能精准识别各能力域短板弱项。

五、标准实操评估流程

依托本标准开展企业智能化成熟度评估，可严格遵循六步标准化流程落地：

1.评估筹备：组建跨领域评估小组，界定评估主体与范围，专家确定能力域/能力项权重，收集制度、技术、应用、安全等全套佐证资料；

2.逐条对标：对照7大能力域22个能力项五级标准，通过文档审阅、现场访谈、系统演示、现场核查采集评估证据；

3.标准化打分：按四档赋分规则逐项打分，严格遵循三级加权公式计算得分；

4.等级判定：对照分数区间确定企业整体成熟度等级，同步拆解各能力域分项等级；

5.差距诊断：梳理优势能力与短板能力项，分析短板根因，明确与目标等级的差距；

6.提升落地：编制评估报告，制定分阶段成熟度提升路线图，按五级阶梯分步补齐短板、逐级进阶。

六、行业意义

1.企业层面

为企业提供自诊断、定等级、找短板、划路径的标准化工具，清晰定位AI建设薄弱环节，避免盲目投入、重复建设；五级成熟度明确分阶段升级目标，支撑企业制定中长期AI转型战略与资源规划。

2.行业层面

终结AI企业评估碎片化乱象，建立全国统一的智能化成熟度评价标尺，引导行业从技术堆砌转向战略、治理、数据、技术、安全、应用、生命周期协同发展，推动AI产业规范化、高质量演进。

3.政府与监管层面

为产业政策扶持、企业资质认定、AI项目评审、行业监管、产业链遴选提供统一权威依据，助力政府精准施策、择优赋能，推动人工智能与千行百业深度融合。

4.标准体系层面

衔接现有数据管理、AI术语、知识图谱等国标，完善我国人工智能标准体系框架；预留细分行业权重定制、国际标准制定接口，为后续垂直行业AI成熟度标准、国际标准输出奠定基础。

5.生态层面

推动产业链上下游智能化能力对标协同，引导龙头企业沉淀最佳实践、主导行业标准，构建开放协同、能力互通的产业智能生态，加速人工智能产业化落地与价值释放。

七、优势与突破

1.体系完整性：国内首个覆盖战略-治理-数据-技术-安全-应用-生命周期全维度的AI企业成熟度模型，无评估盲区；

2.逻辑适配性：五级等级、能力项设计完全贴合企业AI真实成长路径，不脱离产业实际，可直接落地适配各类企业；

3.合规前瞻性：率先将AI伦理、自主可控、应用退役纳入核心评估域，前瞻性契合国家AI治理、数据安全、信创发展战略；

4.量化可落地性：明确固定打分规则、数学计算方法、等级阈值，告别传统定性模糊评估，可直接用于企业自评与第三方权威测评；

5.兼容扩展性：复用现行国家标准、支持行业权重差异化配置，通用适配全行业，同时可延伸定制垂直行业细分评估规范。