AI+ID | 發展新一代AI對標識技術的需求研究

引言

以域名系統為代表的各種標識體系，在互聯網演進過程中起到了至關重要的作用。其中域名、IP地址、AS號碼等網絡基礎資源的管理涉及到不同國家和地區對名字空間的自主權利和發展空間，域名解析系統、工業互聯網標識解析系統等網絡基礎設施的服務又涉及到網絡的互聯互通和穩定運行。

近年來，隨著大語言模型、多模態大模型及具身智能、人形機器人、智能體等新一代人工智能技術的快速發展和實踐應用，對科學研究、生產制造、生活服務都帶來了巨大的影響和變革。

那么新一代人工智能的技術產業中有哪些要素需要標識？原有的域名系統、工業互聯網標識解析系統等能否滿足這樣的需求？反之，新一代人工智能技術是否又會引發原有標識系統自身的變革？是否存在構建AI原生標識體系的必要性和可行性？正是基于這樣的考慮，我們希望對上述問題展開思考，為業界相關探索提供參考。

新一代人工智能技術產業圖譜通常包括三層，即第一層是基礎層，包括數據要素和算力資源；第二層是模型層，包括底層開發框架、中間件與工具鏈、核心算法與模型、模型服務與交付；第三層是應用層，包括生成內容、軟件應用、硬件產品、解決方案。本文首先對各層中關鍵要素單元在身份標識方面的技術需求進行分析，然后系統性梳理國內外學術界和產業界最新研究成果和實踐進展，最后我們總結這些需求和探索背后新一代AI標識所呈現的根本性特征轉變。

一、AI基礎層標識需求及方法

1.數據要素的起源標識（DP-ID）：AI的“出生證明”

從原始數據到數據集資產，數據要素環節中的多個單元都存在著標識需求，包括原始語料、多模態數據切片、高質量數據集、知識庫等。其本質問題是將數據資源的物理屬性（例如存儲位置）與社會屬性（例如權屬、合規性）進行解耦，是實現數據要素市場化流通和配置的關鍵。

學術研究主要包括原始數據標識、數據集標識、語料庫標識、向量數據庫標識等，產業實踐例如Hugging Face Datasets、Databricks Unity Catalog、Google Dataset Search等。

2.算力資源的聯網標識（CPN-ID）：AI的“調度指令”

算力資源環節中的標識需求，并不是對AI芯片、AI服務器等物理設備進行盤點所需的標識，也不是算力集群、算力中心內部管理中的節點標識，而是對算力資源進行查詢和調度的標識。其本質問題是解決算力供應商與算力使用者之間的供需對接，意味著算力設施從“私有設備”向“公共設施”的轉變，是對計算能力服務化和統一大市場的有力支撐。

學術研究主要包括基于IPv6（SRv6）、基于資源度量模型等方法，產業實踐例如英偉達GPU遠程證明、DePIN網絡中的io.net和Render Network等項目。

二、AI模型層標識需求及方法

1.算法模型的能力標識（MC-ID）：AI的“制造能力”

模型層的算法、框架、基礎大模型和行業大模型等對標識的需求基本類似。其本質問題是從關注主體身份轉向關注事實行為，通過對算法和模型的標識來記錄“制造”的過程，從而提供治理的“抓手”，構建一個安全、透明、可信的AI算法供應鏈，使得從模型開發、測試、部署到調用的全鏈路可追溯，是連接技術實現與法律監管的橋梁，

也是實現負責任AI和AI對齊的重要技術保障。

學術研究主要包括模型水?。ǚ譃榘缀兴?、黑盒水印、灰盒水印等）、模型指紋等方法，產業實踐例如Hugging Face Model Hub、Google Sigstore/Gitsign、MLflow。

三、AI應用層標識需求及方法

1.生成內容的溯源標識（CC-ID）：AI的“數字水印”

AIGC生成內容（文本/圖像/音頻/視頻）的標識需求，本質問題是為數字內容的“真實性”和“原創性”提供一個可計算的信任錨，試圖在“一切皆可生成”的時代重建信息的確定性，將內容消費從盲目信任轉變為基于憑證的驗證。

學術研究主要包括主動水印、被動檢測、檢索增強等方法，產業實踐例如Google DeepMind SynthID、Meta Stable Signature以及C2PA標準等。

2.智能體的身份標識（Agent Subject ID，AS-ID）：AI的“應用權限”

（1）需求分析

以智能體為代表的AI軟件應用，還包括數字人、智能助手、AI搜索等，其標識需求并不完全相同，例如智能體標識側重“行為邏輯與交互權限”，數字人標識側重“外貌形象與知識產權”。但此類標識的本質問題是數字社會的“公民身份”，即消費者從人類社會的主體身份到數字世界后如何延伸與重構。這不僅是技術問題，還涉及到治理規則和法律規則，是構建未來人機物三元共生社會秩序的基石。

學術研究主要包括基于密碼學與DID、基于代碼與運行環境等方法，產業實踐例如MCP、AP、uAgents Framework、OpenAI Assistants API等智能體協議或框架中涉及到的標識方法。

3.具身智能的時空標識（Spatio-temporal Entity ID，STE-ID）：AI的“物理錨點”

（1）需求分析

以具身智能為代表的AI硬件產品，還包括人形機器人、AI PC、AI手機等。與虛擬主體截然不同，此類對象的標識側重“物理安全”、“硬件綁定”、“準入許可”。其本質問題是物理世界的“安全契約”，即不僅是身份證明，更是安全責任的鎖定機制，必須具備比虛擬對象標識更高的防偽等級和實時響應能力。

學術研究主要包括基于“物理不可克隆函數”（PUF）的硬件指紋、基于“物理行為”的指紋、群體智能的分布式標識等方法，產業實踐例如波士頓動力機器人、無人機行業的“遠程 ID”、智能家居行業的Matter 協議等。

四、小結

基于本文對新一代AI技術產業三層中各單元對標識技術的需求梳理，當我們跳出單一的數據、模型或應用層級，用全局視角來思考新一代 AI 標識技術時，可以提煉出以下 5 大共性趨勢與核心特點：

1. 從“靜態化標簽”向“富語義容器”演進

傳統的互聯網標識（如URL、IP、UUID）通常只是一串無意義的字符，僅起到“指向”作用。而在新一代AI中，標識正在語義化。

例如本文中提到的數據要素ID攜帶了版權、倫理、合規信息，算力資源ID攜帶了碳排放、延遲、任務類型信息，算法模型ID關聯了訓練數據清單、能力邊界聲明。因此，標識系統正在從“索引工具”轉變為“知識圖譜的節點”，讓機器看到標識就能理解對象的屬性、能力和限制。

2. 從“純軟件邏輯”向“軟硬網綁定”下沉

為了解決純軟件標識容易被篡改、復制的問題，新一代AI標識技術正在穿透應用層，向更底層的物理硬件和網絡協議扎根。例如本文中提到的具身智能ID涉及到PUF（物理不可克隆函數）、TEE（可信執行環境）和RF指紋等技術。這意味著標識的生成不再依賴操作系統的隨機數生成器，而是依賴芯片制造的微觀物理缺陷或射頻特征。例如本文中提到的算力資源ID采用SRv6技術將應用層的算力需求直接編碼進網絡層的IPv6報頭中，打破了OSI七層模型的嚴格界限，實現了“應用感知網絡”。

3. 從“被動式查詢”向“主動式感知”轉變

傳統標識及其可關聯信息大多數是靜止的，而在新一代AI體系中，標識所代表的對象往往是動態變化的。例如算力資源ID需要反映GPU此刻是“忙”還是“閑”，智能體ID需要根據運行代碼的完整性來決定身份是否有效。因此，標識不再是一次性分配，而是能夠動態反映資源的實時狀態和可用性。

4. 從“尋址與定位”向“治理與確權”延伸

傳統的互聯網標識大多用于在公共網絡中解析尋找資源的地址，而在下一代AI體系中，標識技術的首要驅動力不再是“找不到資源”，而是“管不住資源”，標識技術被賦予了極強的治理屬性。例如無論是數據要素ID、算法模型ID還是生成內容ID，其核心目的都是為了確權、溯源和追責。同時，標識也將成為法律法規在技術落地的抓手。通過標識來區分“人類生成”與“AI生成”，通過標識來執行“被遺忘權”。

5. 從“網絡設備級”向“高分辨率級”細化

傳統的互聯網標識大多用于在公共網絡中識別可聯網通信的主機、服務器，隨著AI處理精度的提升，標識的對象顆粒度正在急劇細化。甚至從文件級深入到向量級、Token級，從模型整體深入到權重參數級，從單一設備深入到時間空間切片。這種高分辨率標識能力，使得AI系統能夠進行更精細的數據清洗、更精準的算力調度以及更隱蔽的水印嵌入。

綜上所述，發展新一代AI對標識技術的需求非常強勁，但同時也非常復雜、富有挑戰性，可能會改變我們過去標識及其解析服務體系的概念范疇認知，也可能迫使其發生根本性的范式變革。

（本文和配圖在大模型輔助下完成）

作者簡介

劉陽，中國信息通信研究院工業互聯網與物聯網研究所副所長，博士，正高級工程師，兼任工業互聯網產業聯盟AII標識工作組主席、中國通信標準化協會CCSA物聯網總體組組長等。主要從事工業互聯網、數據與智能、區塊鏈、物聯網等方面的技術標準和產業政策研究工作。

金鍵，中國信息通信研究院工業互聯網與物聯網研究所所長，博士，正高級工程師，兼任中關村區塊鏈產業聯盟秘書長等。主要從事互聯網域名、工業互聯網、區塊鏈等方面的技術標準和產業政策研究工作。