近日，國(guó)際電聯(lián)電信標(biāo)準(zhǔn)化部門(mén)（ITU-T）第12研究組（SG12）2025-2028研究期第2次會(huì)議在瑞士日內(nèi)瓦召開(kāi)，來(lái)自國(guó)際電信聯(lián)盟（ITU）的48個(gè)國(guó)家成員、13個(gè)部門(mén)成員、其他標(biāo)準(zhǔn)化組織和特邀專(zhuān)家共數(shù)百名代表參會(huì)。會(huì)上，由中國(guó)移動(dòng)和華為聯(lián)合提出的P.AI-MOS“AI應(yīng)用中多模態(tài)交互體驗(yàn)質(zhì)量的客觀評(píng)估方法”新標(biāo)準(zhǔn)工作項(xiàng)目成功立項(xiàng)。作為AI應(yīng)用用戶(hù)體驗(yàn)質(zhì)量領(lǐng)域首個(gè)立項(xiàng)的客觀評(píng)估方法，該標(biāo)準(zhǔn)項(xiàng)目獲得了與會(huì)代表的高度關(guān)注和多方支持。

當(dāng)前，AI技術(shù)正以前所未有的速度滲透各行各業(yè)——從日常使用的多模態(tài)生成式AI應(yīng)用、實(shí)時(shí)交互的智能家居解決方案，到探索前沿領(lǐng)域的具身機(jī)器人，AI應(yīng)用已全面融入生產(chǎn)生活各類(lèi)場(chǎng)景。然而，不同場(chǎng)景下的AI應(yīng)用面臨顯著差異：一方面，用戶(hù)對(duì)體驗(yàn)的期待因場(chǎng)景需求不同而存在明顯分化；另一方面，各類(lèi)業(yè)務(wù)場(chǎng)景對(duì)交互響應(yīng)的性能、效率要求也各不相同。在此背景下，國(guó)內(nèi)外尚未形成統(tǒng)一的AI應(yīng)用用戶(hù)體驗(yàn)評(píng)估標(biāo)準(zhǔn)，這一空白既限制了AI應(yīng)用體驗(yàn)的規(guī)范化提升，也為行業(yè)高質(zhì)量發(fā)展帶來(lái)了挑戰(zhàn)。

此次在ITU-T SG12通過(guò)的新立項(xiàng)旨在針對(duì)AI應(yīng)用中多模態(tài)交互體驗(yàn)質(zhì)量的客觀評(píng)估方法開(kāi)展標(biāo)準(zhǔn)研制。現(xiàn)階段將重點(diǎn)圍繞實(shí)時(shí)視覺(jué)對(duì)話類(lèi)和基于任務(wù)的用戶(hù)代理類(lèi)兩種AI應(yīng)用形態(tài)，依托主觀實(shí)驗(yàn)數(shù)據(jù)研究多模態(tài)交互體驗(yàn)質(zhì)量客觀評(píng)估模型，著力破解當(dāng)前AI應(yīng)用行業(yè)面臨的用戶(hù)體驗(yàn)評(píng)估缺乏量化標(biāo)準(zhǔn)和主觀評(píng)價(jià)效率偏低的問(wèn)題。

與傳統(tǒng)音視頻業(yè)務(wù)質(zhì)量評(píng)價(jià)不同，該標(biāo)準(zhǔn)項(xiàng)目不僅關(guān)注各單一模態(tài)的媒體體驗(yàn)質(zhì)量，更強(qiáng)調(diào)多模態(tài)交互式AI應(yīng)用的核心特性——交互完整性、多模態(tài)協(xié)同效果，以及AI推理能力給用戶(hù)體驗(yàn)帶來(lái)的特殊影響。與此同時(shí)，該標(biāo)準(zhǔn)項(xiàng)目構(gòu)建的評(píng)估體系還將網(wǎng)絡(luò)傳輸、終端設(shè)備等關(guān)鍵因素納入對(duì)AI應(yīng)用用戶(hù)體驗(yàn)的影響評(píng)估范疇，使評(píng)估維度更貼合實(shí)際使用場(chǎng)景。

未來(lái)，該標(biāo)準(zhǔn)項(xiàng)目將為人工智能多模態(tài)交互式應(yīng)用的體驗(yàn)質(zhì)量評(píng)估提供參考依據(jù)和客觀工具，不僅能顯著提升質(zhì)量評(píng)估效率，助力為用戶(hù)提供更一致、可靠的交互體驗(yàn)，更將推動(dòng)相關(guān)服務(wù)質(zhì)量和體驗(yàn)質(zhì)量的持續(xù)優(yōu)化，促進(jìn)該類(lèi)應(yīng)用的長(zhǎng)期可持續(xù)發(fā)展與規(guī)?；占?。