AI采购风险治理：7173-2026解读
10_website_AI采购风险治理：7173-2026解读
AI采购风险治理：7173-2026解读
YD/T 7173-2026《人工智能 安全治理 系统风险管理能力要求》于 2026 年 7 月 15 日由工业和信息化部批准发布，11 月 1 日起实施。本文按组织、流程、技术三条主线逐条对照，给出可落地的建设路径与自检清单。
标准定位与适用范围
本文件规范了人工智能系统的组织建设能力、流程管理能力以及风险防护能力的具体要求，适用于研发与应用人工智能系统的相关主体开展风险管理的指导工作。中国标准分类号 L67，国际标准分类号 35.240，标准类别为方法标准，技术归口单位为中国通信标准化协会，批准发布部门为工业和信息化部。
标准聚焦人工智能系统专属风险管控，兼顾技术防护与组织管理制度，适配通用人工智能与行业定制化人工智能的全部场景。起草单位共 20 余家，覆盖研究机构、基础电信运营商、互联网平台、通信设备制造厂商、能源与电力企业、金融机构与公安院校，产业覆盖面本身就说明它不是一份只给互联网企业写的文件。
在采购与招投标语境下，这类研发与应用主体同时包含两方：一是采购人及采购代理机构，二是招采平台、评标系统、智能体服务的提供方。两边都落在适用范围内，治理边界因此覆盖招采全链条。
能力体系一：组织建设能力
组织建设能力包含四个方面。
分层治理权责是核心。标准要求明确领导层决策、管理层审批、执行层落地的权责结构，并制定覆盖全周期的风险管理方针。映射到招采场景，需要在制度文件中写清三类事项：哪些评分项允许系统直接给出结论，哪些必须经评标委员会复核，哪些必须进入集体决策程序并留会议记录。
支撑保障涵盖人员培训、专项资源投入与全流程文档留存三项。招标岗位的 AI 工具使用培训、算力与数据治理的专项预算、系统操作日志的归档期限，都属于这一层。
沟通协调分为内外两块。对内要求建立跨部门协同机制，因为 AI 评标同时涉及商务、技术、法务与监督部门；对外要求建立重大风险通报机制，覆盖与监管机构、供应商、用户三方的风险告知路径。
标准还要求实现风险全链路可追溯。这是可验证的硬指标，也是后续审计与监督的直接检查项。
能力体系二：流程管理能力
流程管理能力构建了风险识别、风险评估、风险应对、持续改进的完整循环闭环。
风险识别阶段要求核查内外部环境，输出标准化风险识别清单。对应到招采场景，外部环境包括法规与政策调整、行业监管通报、供应商结构变化；内部环境包括模型版本迭代、数据源变更、评标办法修订。任一环境要素发生变化，都应触发清单复核。
风险评估阶段采用风险分级与发生可能性综合测算的方法，将不可接受的风险定义为隐患，并划分为重大、中度、一般三级。三级隐患对应差异化的处置要求：重大隐患须立即处置并履行上报程序，中度隐患纳入常态化监测，一般隐患按既定方案处置并留存记录。
风险应对阶段提供规避、降低、接受、转移四类处置方案，并要求留存评估报告与应对报告两份文档。评估报告用于说明风险的构成与量级，应对报告用于说明处置决策的依据与责任分工，两份文档共同构成完整的责任链条。
持续改进阶段要求常态化监测中高风险，并开展年度复盘以优化整套管理体系。年度复盘至少覆盖新增应用点清单、被推翻判定的原因归因、模型更新后清单适用性三项内容。
能力体系三：风险防护能力
风险防护能力要求人工智能系统依据目标方针或已识别风险，从八个方面具备控制风险的能力。
可靠性对应系统在异常状态下的降级与容错机制，保障评标流程不中断；可控性对应人工接管开关与干预路径；安全性对应数据防护与访问控制；公平性对应同源文本与雷同性识别、差异化处理留痕；透明性对应评分依据与判定过程可查询；可解释性对应每一项扣分的因素归因与说明生成；隐私保护性对应数据脱敏与权限隔离；可问责性对应日志不可篡改与操作可回溯。
标准研制团队同步开展智能体服务风险管理专项评估，明确四个重点维度：工具供应链安全、记忆安全、推理执行安全、平台运营安全。这四个维度是智能体场景的增量要求。工具供应链安全关注智能体调用的外部工具可信度；记忆安全关注长期记忆内容的正确性与抗污染能力；推理执行安全关注执行动作的权限边界；平台运营安全关注承载环境的整体防护水平。
配套工具与产业配套
标准提供了风险评估方法表与识别清单、风险评估报告、应对报告共四份工具，构成一表三单。官方解读将其特点概括为操作可行，目标是让企业构建便捷可用的风险管理工具箱，推动从事后补救转向前置主动防控。
产业配套方面，标准已服务国内头部制造业企业开展人工智能风险管理能力建设，并助力企业获得国际 ISO/IEC 42001《人工智能管理体系》认证；研制团队已助力国内 10 余家人工智能企业开展风险管理能力建设工作。
后续工作安排包括三个方向：面向技术提供方与应用方开展标准解读与宣贯培训；围绕金融、医疗等典型场景开展标准应用试点，总结可复制的实施经验；启动符合性验证与人工智能风险管理能力成熟度评估工作，推动标准要求转化为可操作、可验证的实践能力。
建设路径建议
结合招采业务特点，建议分四个阶段推进。
起步阶段，制度先行。不依赖系统改造，完成权责矩阵与 AI 判定条款的风险分级标注，明确专家复核与推翻的书面要求。
第二阶段，台账建立。按四步闭环建立年度运行台账，以标准化风险识别清单为起点，逐环节排查 AI 应用点，形成评估与应对两份报告。
第三阶段，技术自查。对照八个风险防护维度逐项核查现有系统功能，识别缺口；涉及智能体应用的，单独设立四个专项评估子项。
第四阶段，运行复盘。形成年度复盘报告，纳入单位既有内控与合规检查体系，同步更新风险识别清单。
本路径不依赖大规模系统采购，先行步骤可在标准宣贯培训完成前启动，为后续符合性验证与成熟度评估预留基础。
落地清单：六件事按顺序做
把标准读完不算落地。我的建议是按这个顺序做六件事。一是摸家底，把采购流程里所有 AI 应用点列出来，包括隐形的——自动资格初审、异常低价预筛、评审辅助建议都算；二是按三级框架给每个点定风险等级；三是把组织授权写进制度，明确谁批准上线、谁承担风险、谁做复核；四是把人工覆盖留痕做进系统，专家改分要留改前改后的值和理由；五是建立申诉处理通道，让供应商能拿到判定依据；六是每季度做一次复盘，把系统表现、专家偏差、指标有效性攒成可追溯的记录。这六件事里，前三件不需要预算，需要决策层拍板；后三件是系统工程量。顺序不能乱——先摸家底再定级，定完级再补制度，反过来就会出现功能做了一堆但不知道管什么的情况。
对供应商的提示：两份准备工作
标准实施之后，供应商侧要做两件事，且都不依赖采购方进度。一是把投标资料结构化：资质证书、业绩合同、检测报告整理成结构化电子件，字段按招标文件要求填；报价表按统一品目编码和计量单位呈现，便于系统做异常低价的成本说明；履约过程的数据同步留存，从交付记录到验收单据完整保存，这是下一轮评价分的依据。二是把履约记录做干净：响应时长、交付准时率、整改配合度这些日常表现，在有系统留痕之前就养成记录习惯。这两件事的共同逻辑是——AI 评标时代，投标资料本身就是数据资产，结构化程度决定评审效率，也决定自己在自动核验环节会不会先被挑出问题。
YD/T 7173-2026 提供的是框架，落地责任在组织。技术能力可以采购，风险治理能力只能自建。金采寻源 建议以一表三单为起点，把制度、台账、技术自查三条线并行推进，在标准符合性评估窗口打开前完成基础准备。
资料来源：工业和信息化部公告 2026 年第 18 号；中国通信标准化协会标准详情页《人工智能 安全治理 系统风险管理能力要求》（YD/T 7173—2026，发布 2026-07-15，实施 2026-11-01，备案号 107921-2026）；中国信息通信研究院、中国通信标准化协会人工智能标准化技术委员会官方解读。