根据艾瑞咨询的数据，2020年全球人工智能市场规模约1190亿人民币，未来10年，人工智能将会是一个2000亿美元的市场，空间非常巨大。然而随着人工智能市场的迅速崛起，该产业迅速发展与标准化体系缺失的矛盾就变得尤为突出。

　　作为一个新兴产业,人工智能的标准特别是评估评测规范明显是滞后，不止我国，在全球范围内皆是如此，国际国内基本没有相应的行业标准和评估评测规范。究其原因，一方面，人工智能技术、产品还在快速发展中，业界对人工智能的概念、内涵、应用模式、智能化水平等尚难达成共识，现有标准化工作基础较为薄弱；其次，人工智能标准涉及共性技术领域较多，涉及不同的标准化技术委员会，其在人工智能领域的标准化工作边界有待进一步明晰；最后，相关伦理道德、安全标准往往滞后于技术的发展，这也引发更多分歧和争议，对标准制定工作带来新的挑战。

　　那么，怎样的标准才是有利人工智能产业发展的呢?通过对国内外人工智能的发展现状进行分析，可以初步得到以下标准化需求分析：

　　（1）界定人工智能需要研究的范围。人工智能从实验室研究转向各应用领域的实用系统，呈现快节奏增长的态势，这需要通过统一的术语进行界定，明确人工智能的内涵、外延和需求的核心概念，引导产业界正确认识和理解人工智能技术，便于大众广泛使用人工智能技术；

　　（2）描述人工智能系统的框架。用户和开发者在面对人工智能系统的功能和实现时，普遍将人工智能系统看作是一个“黑盒子”，但有必要通过技术框架规范来增强人工智能系统的透明度。由于人工智能系统应用范围广泛，可能很难给出通用的人工智能框架，更现实的方式是在特定的范围和问题中给出特定的框架。例如，目前以机器学习为基础的人工智能系统是主流技术，并依赖于包括云计算和大数据在内的技术资源，可以以此为基础构建一个基于机器学习的人工智能系统框架，并对其中组件的功能进行界定；

　　（3）评价人工智能系统的智能等级。按智能程度对人工智能系统进行划分一直存在争议，给出一个标杆来衡量它的智能等级是困难且具有挑战的工作。随着不同的应用场合对智能等级评价需求的进一步明确，需要标准化工作来逐步解决该问题；

　　（4）促进人工智能系统的互操作性。人工智能系统及其组件有一定的复杂性，不同的应用场景涉及到的系统及组件不同。系统与系统之间，组件与组件之间的信息交互与共享，需要通过互操作性来保证。人工智能互操作性也涉及到不同的智能模块产品之间的互用性，达到数据互通，也就是不同的智能产品需要有标准化的接口。标准化工作保证人工智能系统的应用程序接口、服务及数据格式，通过标准和兼容接口，定义可互换的组件、数据和事务模型；

　　（5）进行人工智能产品的评估。人工智能系统作为工业产品，需要在功能、性能、安全性、兼容性、互操作性等多方面进行评估，才能确保产品的质量和可用性，并为产业的可持续发展提供保障。评估工作一般包括测试、评价等一系列活动，评估对象可以是自动驾驶系统、服务机器人等产品，按照规范化的程序和手段，通过可测量的指标和可量化的评价系统得到科学的评估结果，同时配合培训、宣贯等手段推进标准的实施；

　　（6）对关键技术进行标准化。对已经形成模式，并广泛应用的关键技术，应及时进行标准化，防止版本碎片化和独立性，确保互操作性和连续性。例如，深度学习框架绑定的用户数据，应当通过明确神经网络的数据表示方法和压缩算法，确保数据交换，且不被平台绑定，保障用户对数据拥有的权益，其它如人机交互技术、传感器接口、基本算法等基础标准也需要尽快制定；

　　（7）确保安全及伦理道德。人工智能从各种设备、应用和网络中收集了大量的个人、生物或者其它特征数据，这些数据并不一定从系统设计之初就能够很好地组织管理并采取恰当的隐私保护措施。对人类的安全和生命安全有直接的影响的人工智能系统，可能会对人类构成威胁，需要在这类人工智能系统得到广泛应用之前，就通过标准化等手段对系统进行规范和评估，保障安全性；

　　（8）针对行业应用特点的标准化。除了共性技术外，在特定行业中实施人工智能还存在个性化的需求与技术特色，典型的如家居应用、医疗应用、交通应用等，需考虑特定设备的功能性能特征、系统组成结构和相互关系等。