1 引言 2025年8月，国务院印发《关于深入实施“人工智能+”行动的意见》，明确了实施“人工智能+”行动的总体要求、发展目标和重点方向。在中国人工智能发展转型的挑战背景下，明确AI-Native(AI原生)的概念体系界定与成熟度评估具有重要意义和显著的应用前景。 AI-Native概念已逐渐成为多个领域的核心议题。不同领域对于“AI-Native”的概念和能力特征存在多样的界定和尚未统一的共识，但这一新兴概念在推动网络智能化、自主性和高效性方面具有独特价值。在信息资源管理领域，AI-Native有助于实现信息资源的智能采集、组织、存储、检索和利用，通过嵌入式AI能力提升信息管理的效率、准确性和可扩展性，支持知识发现和决策支持系统的优化[1]；在电信领域，AI-Native正推动网络向智能化、自适应方向转型，有助于实现零触控操作和高效资源优化[2]；在软件工程领域，它促进了数据驱动的自治系统构建，提升了应用的适应性和效率[3-4]。这些议题的兴起源于AI技术尤其是深度学习和大数据技术的成熟，使得传统系统向AI-Native架构演进。这一转型不仅体现了技术发展的内在驱动，更成为企业提升竞争优势、降低运营成本和创新服务的必然战略。 AI-Native概念研究议题源于国际电信联盟标准局(ITU-T)2024年成立的人工智能原生网络焦点组(Focus Group on AI-Native for Telecommunication Networks，FG-AINN)。该焦点组将AI-Native电信网络定义为一种自设计之初就深度整合AI的网络架构，能够与环境互动，实现新型功能、自优化并能够随时间演进，而非仅由AI辅助的传统网络[5]。此外，爱立信行业报告将AI-Native描述为具有内生可信AI能力的架构，其中AI渗透于设计、部署、操作和维护的网络全生命周期过程，支持数据驱动的生态系统[6]。尽管这种技术与应用的快速迭代带来了巨大的创新红利，但也使得AI-Native的边界日益模糊。一方面，AI-Native工具或系统往往不是独立存在的，而是逐步充实并嵌入其他产品、服务及社会管理流程中；另一方面，其发展本质上就包含着对不确定性和不完备性的拥抱。因此，试图对其进行完全刚性的术语定义确实面临挑战[7]。然而，正是因为这种高度的动态性与不确定性，学术界与产业界才迫切需要一个基础的本体论框架来锚定其核心特征。这不仅是为了达成术语共识，更是为了建立一个“坐标系”，用于识别AI-Native在多元环境中的功能化结构，评估其从“简单集成”到“完全原生”的成熟度发展过程，并为后续的质量评价与风险监管提供理论基石。 本文采用文本内容分析方法对国际标准化组织(International Organization for Standardization，ISO)发布的AI-Native相关标准内容进行分析，以《ISO704：2022术语工作-原则和方法》[8]作为AI-Native核心概念及其关系分析的依据，构建AI-Native概念关系、概念体系和成熟度演进框架。 2 相关工作 随着人工智能驱动下的数字化转型迅猛发展，AI-Native已从单一的技术概念演变为重构系统架构与业务流程的核心范式。标准化已成为应对其规范性、多样化应用和技术挑战的核心需求之一[9]。目前，关于AI-Native的研究主要集中在通信网络的典型用例[10-11]和关键架构技术[12-13]方面，少量研究针对通信网络的标准化[14-15]等进行了相关探讨。 通过系统梳理现有文献，本文共归纳出AI-Native标准化研究有以下两类研究视角。第一类研究关注AI-Native在通信网络中的应用。Karahan等[15]系统分析了AI-Native在6G网络中的新兴用例，从应用的角度探讨AI作为基础组件如何提升网络自治性和效率。Wu等[16]提出了一种AI-Native网络切片架构，用于6G网络中实现AI与网络切片的协同，提升资源利用效率和服务个性化。Hossain等[17]通过AI-Native框架优化核心网络配置，能够最大限度地缩短执行时间并降低运维成本。 另一类研究关注AI-Native的架构设计和集成挑战。Katsaros等[18]从技术的角度分析AI-Native的多接入网络设计要求和实现路径。Xu等[13]将多模态大模型作为AI原生的通用基础模型，用于无线系统跨层网络任务以及跨领域意图的协调，通过AI模型预测网络状态并优化资源分配。该预测模型强调AI与网络的深度融合，支持环境交互和自主决策。商兴宇等[14]从网络架构的角度全面介绍了AI-Native的智能化、动态适配、分布式协作和开放可拓展等能力。这些工作奠定了AI-Native系统的基础，但也暴露了在异构环境下的互操作性挑战。 尽管AI-Native在技术与应用层面发展迅速，但其术语概念和特征关系的识别与构建仍处于初步探索阶段。在AI概念体系构建方面，An等[19]在物联网数据管理和AI透明度的研究中，采用国际标准(ISO 704：2022)构建概念体系，为相关术语概念体系构建提供了方法。然而，在AI-Native标准化方面，整体研究仍显滞后。ITU-T FG-AINN虽然明确了AI-Native网络的要求和挑战，并强调了环境交互能力[20]，例如焦点组成员Carugi在研究中将AI-Native电信网络定义为整合AI的自治系统，但现有工作多集中于单一领域的规范框架，缺乏对AI-Native核心概念、特征关系和成熟度演进的系统性分析①。
