7月27日，美国国家标准与技术研究院（NIST）官方发布消息，正式启动人工智能技术评测（AITE）全新计划，为全球AI行业带来标准化、客观化、可溯源的权威评测方案。长期以来，人工智能模型评测普遍存在数据混杂、标准不一、刷榜作弊、结果失真等行业乱象，严重干扰技术迭代与行业公平竞争。本次AITE计划落地，通过搭建专业隔离式测试环境、推行AI模型盲测评估模式，从根源规避训练数据与测试数据交叉污染问题，大幅提升模型性能评估的客观性、真实性与横向可比性，助力全球AI评测体系走向规范化、可信化。

相较于传统公开数据集评测模式，NIST全新AITE计划最大突破在于革新评测机制，彻底打破行业“刷榜乱象”。过往多数AI模型评测采用公开数据集，研发团队可通过公开测试样本训练模型、针对性调优参数，导致榜单成绩虚高，模型实测性能与榜单数据严重不符，无法真实反映模型落地能力。而AITE计划采用隔离式专属测试环境与盲测机制，测试数据不对外公开、评测过程全程隔离，研发团队无法提前适配样本、针对性优化模型，有效杜绝数据泄露、样本复用、参数作弊等问题，让评测结果真实还原模型原生性能。

在首批评测布局上，AITE计划精准聚焦高端前沿与民生安全领域，选定量子科学、基因组学、公共安全三大核心赛道，围绕大型视觉语言模型（VLM）图像分析任务开展专项评测。三大领域均具备技术门槛高、应用精度要求严苛、容错率极低的特点，量子科学关乎前沿科技突破，基因组学关联生命健康研究，公共安全守护社会稳定运行，对AI模型的识别精度、分析能力、稳定性与可靠性有着极高标准。首批专项评测的落地，标志着高端专业领域AI评测告别粗放式打分，迈入精细化、专业化、场景化评测新阶段。

为保障评测权威性与统一性，NIST将全程主导评测体系搭建，统一提供标准化测试数据集、量化评测指标与规范评分体系，彻底解决全球AI评测标准碎片化问题。当前全球各地AI评测规则各异、指标不统一、评分逻辑差异化大，不同平台评测结果无法互通对比，企业与科研机构难以精准定位模型短板、对标行业先进水平。AITE计划通过官方统一标准，实现不同机构、不同架构、不同版本AI模型的公平横向对比，为技术迭代、产品优化、行业对标提供权威参考依据。

据NIST规划，AITE计划并非局限于现有赛道的短期项目，而是长效迭代的AI标准化基建工程。未来研究院将持续拓展评测任务范围、丰富应用场景覆盖，逐步从视觉语言模型专项评测，延伸至多模态大模型、通用人工智能、行业专用AI系统等更多领域，持续完善全品类、全场景、全维度的AI可信评估体系。通过持续迭代优化评测规则、扩充专业场景数据库，构建适配前沿技术、贴合产业落地、适配安全监管的长效评测机制。

从行业发展维度来看，AITE计划的落地具备极强的产业引领意义。当前全球AI产业高速扩张，模型迭代速度持续加快，但行业始终缺少统一、可信、客观的权威评测标准，导致技术优劣难以界定、行业竞争乱象频发、落地风险难以预判。NIST本次推出的隔离盲测体系，重塑了AI模型的评价逻辑，从“榜单成绩优先”转向“真实性能优先”，引导行业摒弃浮躁刷榜心态，聚焦模型真实能力、落地精度与场景适配性。

业内专家分析，NIST作为全球权威标准化机构，其推出的AITE评测计划将成为全球AI治理与技术评价的重要标杆。该计划不仅能推动美国本土AI技术规范化发展，也将为全球人工智能标准化测试、可信评估体系建设提供重要参考，倒逼全球AI行业建立更严谨、公平、科学的竞争秩序。未来随着评测场景持续扩容、标准持续完善，客观可信的AI评测体系将深度赋能技术创新、产业落地与安全监管，助力全球人工智能产业实现高质量、可持续、规范化发展。