（来源：中时财经）
编者按
词元经济正在打开经济学中长期被视为“黑箱”的技术进步过程，使知识参与价值创造的方式首次变得可观测、可计量。当前，围绕词元经济涌现的一系列新问题，呼唤理论研究的前瞻回应。自本报有关词元经济研究系列报道及征稿启事发布后，我们得到广大读者的积极回应，已经收到大量高质量来稿。稿件研究视角多元，反映出词元经济作为智能经济新形态的核心议题，已引起学术界与产业界的广泛关注。鉴于报纸版面容量有限，同时为增强研究成果发布的时效性，中国经济时报在微信公众号推出“词元经济研究”栏目，选登部分优秀来稿及后续系列文章，旨在汇聚各方智慧，为智能时代的产业实践与政策治理提供分析框架与决策参考。敬请关注！
征稿持续进行中，投稿邮箱：892720943@qq.com。期待您的真知灼见。
——以风险化解能力为关键的词元服务评价路径
■陈波
2026年9月，北京市印发《加快词元经济发展的行动方案(2026—2028年)》，在全国率先提出建立词元质量评测体系、建设词元测试平台。与此同时，工业和信息化部《关于开展人工智能应用服务商培育专项行动的通知》(工信厅科函〔2026〕414号)将应用服务商定义为围绕用户单位智能化需求，提供咨询规划、交付实施、运营管理、安全治理等服务的企业或机构，并提出建立服务商资源池、梯次培育的发展目标。
词元经济的核心命题正在从“能不能生成”转向“生成得好不好、安不安全、值不值得信赖”。笔者在前一篇《构建风险化解型词元质量评价框架》中提出，词元质量评价应从数据质量、模型质量、智能体质量、场景融合质量四个维度展开，并将“综合性风险化解能力”作为核心指向。然而，理论框架落地需要一个关键载体，谁能把分散在数据方、模型方、智能体平台、企业用户手中的四维能力，组织成一项可评价、可验收、可追责的词元服务?本文认为是人工智能应用服务商。
一、词元服务评价的关键是风险化解能力，服务商是各方面能力的集成方
词元质量评价的核心指向，是笔者在前文中提出的“综合性风险化解能力”。所谓风险化解能力，是指一项词元服务或AI应用服务在面对数据瑕疵、模型偏差、智能体失控、场景错配等多维风险时，能够提前识别、有效控制、及时止损并持续改进的综合能力。它不是某一项技术指标的优劣，而是贯穿数据质量、模型质量、智能体质量、场景融合质量四个维度的系统性能力。
那么，什么是“风险”?对于词元服务或者某项AI应用服务，风险不是模型跑分的高低，而是实实在在的运营隐患，例如碰到数据瑕疵没有报告、模型版本不对回答不够准确、智能体越权调用企业敏感数据、场景融合缺失导致关键输出未经核验直接进入业务流程，等等。每一项风险都可能造成经济损失、合规危机甚至安全事故。因此，评价一项词元服务或AI应用服务的质量，就是在评价它对这四类风险的综合管控水平。四维框架中的每一个维度，本质上都是一类风险的控制维度。数据质量对应来源不清与授权不足的风险，模型质量对应能力边界不明的风险，智能体质量对应行为失控的风险，场景融合质量对应技术与业务脱节的风险。
明确了这一点，服务商的角色也就清晰了。他不是每个维度的直接生产者，而是把各维度质量“汇集、把关、整合”在一起的集成方。一项典型的词元服务，其能力供给往往是分散的，数据可能来自企业自身或外部数据供应商，大模型来自第三方模型厂商，智能体可能是自研也可能是外采，场景融合则需要服务商与企业用户共同完成。没有任何一个单一主体能够包揽全部四个维度。服务商的价值不在于自己在每个维度上都做到顶尖，而在于需要有个专门角色把分散的能力组织成一条可验证、可追溯、可归责的质量证据链。工信部《通知》将服务商的核心能力概括为“技术创新、集成交付、安全合规”，将服务职能拆解为“咨询规划、交付实施、运营管理、安全治理”四条链条，咨询规划确定评价坐标，交付实施收集过程证据，运营管理持续监测验证，安全治理支撑责任归位。
二、四类服务角色对应四层质量责任，各自对标准留证据
服务商虽然整体上承担集成责任，但由于能力禀赋不同，在实际工作中扮演的角色各有侧重。按其在质量责任链上的位置，可以分为四类。
第一类：能力供给型服务商。这类服务商提供数据治理、模型训练、智能体平台等单维技术能力，是词元服务的上游供给方，对其所供给的单一维度质量负责。以数据为主的服务商应对标GB/Z 237—2026《人工智能 可信赖数据集》关于来源合法、授权清晰、质量可控、可追溯的要求，以及YD/T 6486—2025关于数据集质量通用评估方法的行业标准，重点在来源登记、授权链条、版本管理和系统性偏差检测四个方面留下可核查记录。以模型为主的服务商应对标GB/T 45288《人工智能 大模型》系列标准，尤其是第2部分规定的功能性、准确性、可靠性、安全性、交互性、应用性六维评测指标，在任务适配性、可验证性和边界缺陷披露三个方面留下证据，不是证明“永远不出错”，而是证明“边界内可信赖”。智能体平台服务商应对标GB/Z 242—2026《人工智能 智能体技术要求》，在目标理解、权限控制、异常处理和行为追溯四个方面建立可测试机制，评价的重点不是“多聪明”，而是“多可控”。
第二类：场景集成型服务商。这类服务商不做底层模型，也不自研智能体平台，而是把现有模型、智能体、企业系统整合成可运行的业务方案。它们可能还是行业know-how的持有者，也是工信部通知中“懂行业痛点”要求的主要承载者。其核心责任是确保技术能力与业务流程的适配，减少信息失真。判断依据在于，关键输出是否经过事实核验、规则校验、权限审批、人工复核四道闸门;验收标准是否在事前与客户达成一致并量化;是否建立了FDE(前置部署工程师)团队扎根现场，持续收集词元记录和人工干预日志。留下的核心证据是场景融合验收记录与人工干预日志，这正是事后评价的重要依据。
第三类：综合交付型服务商。这类服务商是完整“应用服务链”的组织者，自身可能具备部分数据治理、模型选型、智能体编排、场景落地能力，同时通过生态合作补齐其余环节。它们是词元质量评价最主要的参与者。工信部《通知》提出组织服务商牵头组建“人工智能应用服务团”，综合交付型服务商正是服务团的天然牵头方。其核心责任不是单点能力，而是证据整合能力与风险兜底能力，即当服务出现问题时，能快速定位是哪个环节、哪段词元轨迹出了问题，并及时止损、留痕、纠正、复盘。留下的核心证据，是一份覆盖数据、模型、智能体、场景四个维度的完整词元服务质量档案。
第四类：独立评价型服务商。随着词元质量评价需求显性化，一部分具备技术积累、行业经验和独立性的机构，会逐步发展为专业评价机构。它们不直接交付应用，而是为市场提供第三方评价服务，是《通知》中“测试评估”配套服务的专业化延伸。专业评价机构要培养的不是单点检测能力，而是跨维度综合风险判断能力。他们能从词元记录中还原“数据-模型-智能体-场景”的完整服务过程，能结合任务类型、行业属性、错误后果判断风险等级，能在利益冲突隔离的前提下做出可被市场采信的评价结论。这需要管理部门在采购政策中明确采信第三方评价结果，也需要行业形成“无评价不采购”的市场惯例。专业评价机构的出现是词元质量评价体系成熟的标志，但其健康发展离不开两个前提，一是商业可持续，评价结果能被采购环节采信，机构才有生存基础;二是利益冲突隔离，从服务商中分化出来的评价机构，必须在股权、人员、业务上与原有服务业务划清界限，评价结论可追溯、可复议。
三、评价的操作框架和双重用途
工信部通知给出的“咨询规划、交付实施、运营管理、安全治理”四职能，不仅是服务商的业务流程，也是词元质量评价的操作框架。
咨询规划阶段的任务是“定坐标”。服务商应与客户共同明确任务目标、风险等级和验收标准，把四维质量要求写入项目方案。这个阶段的产出物——需求文档与风险定级报告——是后续评价的基准线。
交付实施阶段的任务是“建证据”。服务商应按四维框架收集过程证据，如数据授权证明、模型版本记录、智能体轨迹日志、场景融合验收记录等。这个阶段的产出物——词元服务质量档案——是评价的核心依据。
运营管理阶段的任务是“持续验证”。服务商应持续监测错误率、人工介入率、词元损耗率等结果指标，定期开展自评，发现短板及时改进。这个阶段的产出物——运营监测报告与自评记录——是动态评价的基础。
安全治理阶段的任务是“可归责”。当服务出现问题时，服务商应能快速定位风险环节，及时止损、留痕、纠正、复盘。这个阶段的产出物——事故定位报告与整改记录——是评价闭环的最后一环。
四个职能形成一个完整的循环，每一次循环都会积累更多的质量证据，推动服务质量的持续提升。这一循环机制在AI应用服务中有一个显著特征，使其与传统信息服务形成本质区别，就是循环周期的大幅缩短。AI应用服务，模型的微调和更新可以在数小时内完成，智能体的行为可以通过提示词工程在几分钟内调整，数据的补充和清洗可以接近实时进行。这意味着，从“发现问题”到“定位原因”到“实施改进”到“验证效果”的完整质量循环，在AI应用服务中可能只需要几小时甚至几分钟。循环周期的缩短带来两个深远影响。
其一，质量评价必须从“事后审查”转向“在线伴随”。传统的信息服务质量评价往往在项目交付后或年度审计时进行，是一种“事后算账”的模式。但在AI应用服务中，服务状态时刻在变化，模型版本在更新、知识库在补充、智能体行为在演化、用户交互模式在改变。质量评价必须嵌入到服务的日常运行中，成为与咨询规划、交付实施、运营管理、安全治理同步进行的“在线活动”。
其二，质量证据的采集必须自动化和结构化。循环周期越短，人工整理证据的方式就越不可行。服务商需要建立自动化的词元轨迹记录、质量指标监测和异常告警机制，让每一次循环产生的证据自动归入质量档案。工信部《通知》中提到的“安全治理”职能，在AI应用服务中很大程度上依赖于这种自动化的证据采集能力。
可以说，循环周期的长短，是衡量一个服务商质量管理成熟度的关键指标。能够在短时间内完成“评价-改进-再评价”闭环的服务商，其风险化解能力必然优于那些还在按传统节奏运作的同行。这也正是词元质量评价框架需要与四职能紧密结合的原因，只有当评价成为服务流程的一部分而非外部附加动作时，它才能真正跟上AI应用服务的节奏。
词元质量评价可以服务于两种用途。一是“他评”，用于市场证明。服务商委托第三方评价机构或向采购方提供质量证据包，帮助客户识别合格服务商。二是“自评”，其目的不是打分，而是企业自身评价和自我发现问题并改进。两种用途共用一套框架。
词元经济正在从“可用”走向“可信”。在这个过程中，词元质量评价不是一道附加题，而是一道必答题。应用服务商身处一线，最懂客户需求，最了解技术边界，也最有动力去改进和提升。他们既是评价主体，更是评价体系的共建者，他们在一线积累的证据、踩过的坑、沉淀的方法，终将反哺整套标准的迭代。
从四维框架到四类角色，从四职能闭环到双重用途，词元质量评价的真正目标不是给任何人贴标签，而是让每一项AI应用服务的风险化解能力变得可验证、可比较、可信任。这才是“人工智能+”时代应有的产业基础设施。当每一项词元服务的风险化解能力都可以被验证、被比较、被信任时，“人工智能+”才算真正拥有了可量化的质量底座。
(作者单位：中国经济时报社)
