跳到正文
阿里雲開發者社區 AI·· 9 天前AI 評分62

工信部智能體終端進網新規解讀:跨應用調用須先聲明授權

智能体终端进网新规解读:从“能调就调”到“先声明再调用”,开发者需要调整什么

AI 導讀

工業和信息化部於11月6日發布《關於加強智能體終端設備進網管理的通知》,把預置安裝智能體的手機、平板及可穿戴設備等納入進網管理。通知要求應用分發平台推動應用開發者以電子簽名聲明是否同意智能體調用,未經聲明同意不得強制調用。文章亦梳理適配型號公示、OTA 升級報備等要求,並建議個人資料在輸入大模型前完成脱敏。

正文

2026-11-13 6

版权

版权声明:

本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写 侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

简介: 工信部11月6日发布《智能体终端进网管理通知》,明确将预装AI智能体的手机、平板等纳入监管。核心要求:应用须经电子签名声明授权,智能体方可跨应用调用;开发者需适配验证、公示兼容型号、落实脱敏与可信身份;终端厂商强化进网检测与OTA报备;Token成本显性化倒逼架构优化。

工业和信息化部于11月6日发布《关于加强智能体终端设备进网管理的通知》,将智能体终端界定为预置安装智能体的手机、平板、可穿戴设备等电信终端设备。通知篇幅不长,但对做 Agent 的开发者,最值得关注的是一条:应用分发平台应推动应用开发者通过电子签名声明是否同意智能体调用,未经声明同意的,智能体不得强制调用。

这意味着,Agent 跨应用获取能力的默认前提,正在从“技术上可行即可调用”转为“权利人先行声明”。以下按影响对象逐层梳理。

一、四项机制

通知部署了四项工作:开展智能体和终端适配、改进智能体终端进网管理、强化智能体现网升级管理、健全智能体分发管理机制。监管部门同时表示,此举意在约束智能体强制调用、不兼容安装等行为,落实终端用户使用智能体的知情权、选择权。

二、对智能体开发者的影响

适配验证与公示。 开发者需要加强与终端设备的适配验证,并在产品设置页面公示适配验证列表,列明已适配的终端型号和操作系统信息;上架分发平台前,还要提交适配验证情况。这使“兼容哪些设备”从营销说法变成需要备案的事实。

调用边界。 对依赖跨应用调用的 Agent,尤其是通过界面操作完成任务的类型,能力边界将与第三方应用的声明状态挂钩。产品设计上需要预留“被拒绝调用”时的降级路径,而不是默认调用一定成功。

身份标识。 终端上使用的智能体应参考智能体互联系列国家标准配备唯一身份码。监管方还提出要加快推进智能体可信身份体系和管理平台建设。可以预期,智能体的可追溯性将成为基础要求。

三、对终端厂商的影响

进网检测环节增加了几项硬性内容:智能体适配验证、涉诈风险安全评估、反诈能力前置性评测。此外,终端获得进网许可证前后须保持一致,发生重大变化应向工信部报备并重新检测。

OTA 的约束同样明确:通过 OTA 升级智能体的,须提交现网升级方案,明确时间、规模、用户群体、业务场景、数据安全措施等内容,升级结束后提交报告,经专家评估后方可正式向用户提供服务。固件与算法的迭代节奏,需要与这一流程对齐。

四、容易被忽略的一环:数据链路

通知的立法依据包括《网络安全法》《数据安全法》《个人信息保护法》等。对采集语音、位置等数据的可穿戴智能体终端,这意味着数据处理链路本身会成为审查对象。

以语音类设备为例,一条典型链路是:

采集 → 传输 → ASR 转写 → 说话人分离 → 脱敏 → 大模型分析 → 人工复核

有三个设计要点值得提前核查:

脱敏位置。 个人信息应在文本进入大模型之前完成替换,而不是依赖模型输出时自行规避。

生物特征的留存。 声纹属于生物识别信息,依《个人信息保护法》属于敏感个人信息。应遵循最小必要原则,优先保存特征而非原始音频,并明确保存期限与访问留痕。

升级的可审计性。 每次模型或规则更新,应能回答“改了什么、影响多大、数据措施是否变化”,这与 OTA 报备要求直接对应。

脱敏环节的最小示意如下,实际规则需按业务扩展:

import re

PII_PATTERNS = {
   
    "phone": re.compile(r"1[3-9]\d{9}"),
    "id_card": re.compile(r"\d{17}[\dXx]"),
}

def mask(text: str) -> str:
    for name, pat in PII_PATTERNS.items():
        text = pat.sub(f"[{name.upper()}]", text)
    return text

def analyze(segment: str, rubric: str, llm) -> dict:
    return llm.judge(text=mask(segment), rubric=rubric)  # 先脱敏,再进模型

五、成本侧:Token 正在被“计量化”

同一周,双11出现了一个值得注意的现象。天猫上线 Token 充值中心,阿里云、智谱、DeepSeek 等模型集体入驻,Token 品类环比增长超过450%,头部主播半小时卖出2万亿 Token。

Token 从后台结算单位变成面向消费者的商品,意味着调用成本开始被公开比价。对应用开发者,成本控制需要前置到架构设计。以语音分析为例做一个粗略估算:假设每人每天有效对话2小时、每分钟200字,约2.4万字;中文按每字约1.3个 Token 计,仅转写文本就在3万 Token 量级,100人规模约为每日300万 Token,尚未计入提示词、重复调用和复核。这些数字是假设值,用于说明量级,实际应以自身数据为准。

常见的降本思路是分层调用:规则或小模型先行粗筛,仅对命中风险点的片段调用大模型;固定的规则前缀尽量走缓存。

六、仍待观察的三个问题

适配验证标准尚在研制。 监管方表示将建设智能体版本和终端型号适配库,加快推进适配验证相关标准研制。标准细节出台前,企业只能依据通知原则先行准备。

声明机制的落地形态。 电子签名声明由谁颁发、如何校验、对已存量应用如何处理,通知未展开。

跨应用 Agent 的边界。 对依赖界面操作的 Agent,“调用”与“操作”如何区分,目前缺少明确解释。

监管收紧与成本透明化是同一趋势的两面:智能体需要被识别、被授权、被计量。对开发者而言,越早把身份、权限、数据流向和调用成本做成可记录、可审计的设计,后续调整的代价越小。

來源:阿里雲開發者社區 AI · developer.aliyun.com