ISO/PAS 8800 正式发布：汽车 AI 安全有了国际标准，全球首张认证已经落地

【导读】2024 年 12 月，国际标准化组织（ISO）发布 ISO/PAS 8800:2024《道路车辆 — 安全与人工智能》，这是全球第一份专门面向车载人工智能系统安全工程的国际文件。2026 年 9 月，全球首张 ISO/PAS 8800 认证正式颁出，标志着这套标准从”纸面”走进了”审核现场”。本文梳理它的定位、适用范围、企业需要准备的安全证据，以及对中国企业的现实影响。

一、这份标准是什么

标准编号与名称：ISO/PAS 8800:2024《Road vehicles — Safety and artificial intelligence》（道路车辆 — 安全与人工智能）；
文件类型：PAS（Publicly Available Specification，公开可用规范）。它是 ISO 体系中一种制定周期较短、可快速响应新技术需求的文件类型，后续会经复审决定是否升级为完整国际标准（IS）；
发布信息：第 1 版，2024 年 12 月 13 日正式发布，正文约 172 页；
归口技术委员会：ISO/TC 22（道路车辆）/ SC 32（电气电子部件），国际标准分类号 ICS 43.040.10、43.040.15。

把这个编号拆开看就很好记：ISO 是发布机构，PAS 是文件类型，8800 是编号，主题是”安全 + 人工智能”。

二、为什么需要它：传统安全标准管不了 AI

汽车行业已有的两张安全”王牌”分别是 ISO 26262（功能安全）和 ISO 21448（预期功能安全，即 SOTIF）。能力都很强，但面对 AI 时都遇到了同一个难题：

ISO 26262 面向的是”确定性系统”——硬件失效、软件逻辑错误这类可以被穷举、可以被证明的问题；
ISO 21448 补齐了”没有故障也可能出危险”的场景，但它假设系统行为是可分析、可描述的功能局限；
而 AI 系统是概率性的：它的表现取决于训练数据分布、模型结构、训练过程和运行环境，同一个输入在不同数据版本下可能给出不同结果。只看代码、只测用例，都不足以说明它安全。

这就是 AI 特有风险的三个来源：数据依赖（训练数据不合适或存在偏差）、黑箱不可解释（决策难以追溯）、动态演化（上线后性能漂移）。ISO/PAS 8800 正是为这三类风险建立结构化的管控框架。

三、适用范围：管谁、管什么

按标准原文的界定：

管的对象：装有一个或多个采用 AI 技术的电子电气（E/E）系统的安全相关系统，且装配于量产道路车辆（不含轻便摩托车）；不涉及特殊车辆（例如为残障驾驶者设计的车辆）的独有 E/E 系统；
管的风险：车辆层面因车内 AI 元素的输出不足、系统性错误、随机硬件错误而导致的不期望的安全相关行为；也包括与车辆外部 AI 元素的交互——这些外部元素（例如车外的目标检测、场端监控）可能对车辆安全产生直接或间接影响；
不管的内容：车外 AI 元素自身的开发不在标准范围内；软件工具类的 AI 方法也不在范围内；
技术聚焦：标准主要针对机器学习（ML）这一类方法，且不纠缠具体算法细节（例如某种深度神经网络的结构），而是聚焦”怎么证明它安全”。

标准的目标很明确：帮助企业构建一份有说服力的安全保证论证（Safety Assurance Claim），证明 AI 系统不存在不合理的风险。

四、企业需要拿出什么证据

把标准的要求翻译成”审核员会问的问题”，大致是这六类：

数据集是否适用：训练集与验证集能否代表真实使用场景，采集条件、标注过程是否可追溯；
模型表现：AI 模型在正常场景与异常、边界场景下的行为是否都被评估过；
过程管理：模型训练、测试、版本管理是否有受控流程，改了哪一版、为什么改，说得清；
未知场景：面对训练时从未见过的新场景，系统是否可能出现非预期行为，如何识别与控制；
量产之后：车辆投入使用后的持续监控与变更管理机制是否建立；
证据链：测试结果与安全主张之间是否形成完整、可追溯的证据。

一句话总结：ISO/PAS 8800 不规范某个算法怎么写，它规范的是”你凭什么说你写的 AI 是安全的”，以及这套依据能不能被第三方审计。

五、全球首张认证已经落地

颁证方与获证方：德国莱茵 TÜV（TÜV Rheinland）完成全球首张 ISO/PAS 8800 认证，获证方为东风汽车集团有限公司研发总院；
时间线：TÜV 莱茵于 2026 年 8 月底对外宣布完成首张认证；2026 年 9 月 15 日，在武汉举办的东风汽车科技创新周活动现场正式颁证；
认证对象的边界（很重要）：本次认证覆盖的是车载 AI 系统安全开发的”管理流程 / 管理体系”，即企业面向 AI 特有风险建立的管控框架，而不等于东风旗下所有车型或某个具体自动驾驶功能已获得产品安全认证。

为什么这一步意义重大？因为它回答了一个行业最关心的问题：ISO/PAS 8800 到底能不能审、怎么审。首张认证给出了三个信号：一是标准具备可落地性，第三方机构已有成熟的审核方法；二是审核会同时看数据、模型、流程和运行监控，而不只是看代码或精度指标；三是这类结构化安全证据，未来会与车辆型式认证、产品责任举证直接挂钩——也就是说，它不只是技术部门的内部文件，而是有法律与市场含义的资产。

六、中国的节奏：从”对标”到”自建 AI 安全标准”

已有强制国标打底：GB 44495—2024《汽车整车信息安全技术要求》、GB 44496—2024《汽车软件升级通用技术要求》、GB 44497—2024《智能网联汽车自动驾驶数据记录系统》三项强制性国家标准已于 2024 年 8 月 23 日发布、2026 年 1 月 1 日起实施，研制过程中与 UN R155 / R156 等国际法规充分协调；
AI 安全标准正在加速：工信部 2026 年汽车标准化工作要点明确将”加快预期功能安全审核及评估、AI 功能安全和预期功能安全等基础标准研制”，并系统布局汽车人工智能标准，包括 AI 风险评估与治理、驾驶自动化 AI 模型评估与测试、汽车 AI 信息安全及数据安全、端到端模型通用开发框架、智能化分级等方向；
准入侧已经收紧：智能网联汽车准入与上路通行试点对企业提出了功能安全（ISO 26262 流程）、预期功能安全（SOTIF）、网络安全与软件升级（UN R155 / R156 对应要求）等多重条件，而这些技术条款与 ISO/PAS 8800 的关注点高度重叠。

结论很清楚：国际标准与国内标准正在两头收紧，AI 安全能力会成为智能驾驶产品能否上市、能否出口的前置条件。

七、企业现在应该做什么

不要另起炉灶：把 AI 安全要求挂到现有的功能安全 / SOTIF 组织与流程里，形成一套可追溯的开发链，而不是再建一套独立体系；
数据治理先行：数据集适用性、场景覆盖、标注与版本记录，是成本最低、收益最高、也最容易被审核挑出问题的一环；
建立 AI 安全档案：把数据集、模型、测试结果、运行监控串成一份可审计的安全论证，为未来的型式认证与责任举证留好底稿；
把”上线后”当起点：建立模型性能监控与变更管理机制，识别性能漂移与新场景风险——这正是 AI 与传统软件最大的不同；
做一次差距分析：对照标准要求盘点自身现状，明确缺的是流程文件、技术分析还是证据链，再排优先级分批推进。

对出口企业而言，还有一条额外的理由：欧盟在自动驾驶审批、美国在自动驾驶安全评估中，都在强化基于 AI 安全论证的材料要求。提前建立这套能力，等于提前拿下了未来市场的门票。

需要 AI 安全与合规支持？

如果您的企业正在推进智能驾驶 AI 系统安全、ISO/PAS 8800 或 ISO 26262 / ISO 21448 体系落地，欢迎联系我们获取免费合规诊断。信安擎科技深耕汽车安全与合规咨询，提供从差距分析、流程搭建、安全论证到认证支持的全流程服务。