10月12日，浙商证券发了一份招标：请第三方网络安全机构，对公司已部署的 AI 智能体做合规安全测评。这不是处罚信号，也不等于某家机构「出了事」。它更像一张时间戳——智能体采购的重心，正从「把平台建起来」，挪到「把已建能力管起来、评清楚」。

平台上线之后，下一问马上出现：按什么标准测？谁来测？材料能不能留给合规和审计？浙商把「评测强制依据清单」写进了采购文件。本文只依据公开材料谈机制，不臆造中标结果，也不对测评结论下判断。

招标把「评」写成硬动作

据 OFweek 云计算网 10 月 15 日对公开招标的梳理，浙商拟采购第三方评测服务，对象是已部署的 AI 智能体。公告列出的强制依据包括：国标 GB/T 45654-2025《网络安全技术 生成式人工智能服务安全基本要求》、《人工智能安全治理框架》2.0 版、《网络安全法》《数据安全法》《个人信息保护法》、《生成式人工智能服务管理暂行办法》，以及《证券期货业网络和信息安全管理办法》等。

这份清单比项目名称更有信息量。测评边界不再由供需双方口头约定，而要逐条对照法规与标准，结论可留痕。对采购和合规同事，这意味着智能体安全开始从研发自测、厂商自证，进入「外部评测 + 制度对表」的采购形态。

先分清两类常被混在一起的「安全招标」。一类管智能体自身——扫描、可观测、测试、评测、权限与行为管控；另一类是用智能体去做安全运营。本文谈前一类：让智能体本身可评、可观、可控。

强制依据清单：三层各自管什么

上位法与治理框架。《网络安全法》《数据安全法》《个人信息保护法》管网络运行、数据分类分级、个人信息处理等底线。智能体一旦接客户数据、交易相关日志或员工身份，这些就是日常合规底座。《人工智能安全治理框架》2.0（公开报道称 2025 年 9 月发布）更偏方法论：强调可信应用、防范失控，把安全嵌进设计到运维全生命周期，并推动风险分级分类与多层次测评。它更像「怎么建治理体系」的参照，而不是单项技术指标。

生成式 AI 专项规则。《生成式人工智能服务管理暂行办法》是国内对生成式 AI 服务的专项管理文件。公开口径里，面向公众、具有舆论属性或社会动员能力的服务，上线前要做安全评估，并按规定走备案等程序。券商场景未必都「对公众提供生成式服务」，但语料、生成内容、安全措施等要求，常被采购文件拿来对表。国标 GB/T 45654-2025 则把「按什么测」写得更可操作：全国标准信息公共服务平台显示，该标准 2025 年 4 月 25 日发布、11 月 1 日实施。公开解读普遍强调：上线前及重大变更时应开展安全评估，宜覆盖标准条款并逐条出结论；「符合」要有证明，「不符合」要说明原因和后续计划。翻译成采购语言：别只买一份「总体通过」的 PPT，要买得起「逐条结论 + 证据包」。

证券期货业网安规章。《证券期货业网络和信息安全管理办法》管行业信息系统与网络。它不是「AI 专法」，但对重要信息系统的新建、变更、下线，要求评估技术与业务风险，并准备防控、应急和回退。智能体一旦挂进生产、能调工具、能碰业务数据，很容易落入信息系统变更的管理视角。因此招标把行业网安办法和生成式 AI 国标并列：既要测内容与模型侧风险，也要管变更、检测与责任链条。

三层叠在一起，评测就不只是「扫个漏洞」或「红队打一轮」，而是一次带制度编号的合规动作。

横向：兴业测、广发观、中原研——采购在换挡

把浙商放回 2026 年下半年时间线，会更清楚这是一批机构同步换挡。

兴业证券：直接买应用安全测试。多家招标信息站转载显示，「2026 年度集团智能体应用安全测试服务」于 8 月前后公示采购结果，邀请招标，服务类 1 项。OFweek 转述安恒信息与知其安中标；聚合页对中选单位多做脱敏，本文不以脱敏页推断名单。「智能体应用安全测试」成为独立标的，比具体谁中标更重要。

广发证券：场景项目里写死可观测与人机协同。2026 年大宗交易智能询报价模块的供应商征集公告（公开转载可见 8 月征集及延期）要求：支持智能体可观测性（跑起来之后能看见它做了什么、错在哪）、生产环境回流集自动化处理、准确率可持续优化；低置信度与歧义表述转交易员人工确认；全流程可追溯、可审计；并写明满足智能体安全要求及公司技术规范。不一定先发评测专项，而是把观测、测试集、人工兜底捆进业务验收。

中原证券：联合研究，评测闭环 + 行为防御。询比采购公告转载显示，「AI 安全合规治理联合研究」最高限价 49 万元（含税），计划 2026 年 8 月启动、2027 年 3 月完成。一块是大模型应用安全评测与工具，走「测试—分析—修复—复测」闭环；一块是智能体安全防御，对工具调用与交互监测拦截，防范越权与数据泄露。

公开梳理还提到浦发银行 AI 红蓝攻防、恒丰银行智能体观测模块等。名目不同，都在为「看得见、测得动、拦得住」单独花钱。零壹智库 8 月前后的观察也提到：平台类采购退潮，观测、安全治理、风险测试起来——此处仅作结构旁证，不作市场规模结论。

国际侧一笔带过：金融稳定理事会（FSB）2026 年 10 月 15 日发布《负责任采用人工智能的良好实践》终稿，12 条实践中含人类监督、AI 相关网络与 ICT 风险、第三方依赖管理。路透等外媒称终稿加强了对智能体式 AI 的人类监督表述。说明「人在环」是全球共同关切；国内招标仍以国内法规标准与公告原文为准。

实操：评测合规清单可对照的几类条目

下列条目均来自上文已出现的公开采购或标准表述，供立项与合同附件对照。不是监管逐字强制清单，也不是对任何厂商的推荐。

依据对表与证据包。写清对照哪些文件；要求第三方按条款出「符合 / 不符合」；符合附证明，不符合附整改计划。

权限与工具调用边界。中原需求写到对工具调用与交互全流程监控拦截。至少问清：能调哪些工具、默认最小权限、越权谁拦、拦失败如何告警。

人在环。广发要求低置信度转人工；公开报道中，长城人寿相关采购写到：支持沙箱，复杂任务先展示计划并由用户确认，高风险操作须二次确认。把「哪些动作必须人工确认」写成可验收字段。

留痕与可审计。广发要求处理过程可追溯，覆盖关键业务要素与详细记录。对应到智能体：谁触发、哪一版智能体/模型、调了什么工具、碰了哪些数据、是否经人确认——日志能否导出到自有审计环境。

可观测与持续测评。区分上线前一次性测评，与上线后回流观测、黄金集/对抗集自动化测试、重大变更复测。中原强调闭环，降低「带病上线」。

沙箱与高风险二次确认。沙箱是隔离执行环境。涉及资金、交易指令、客户敏感信息、对外发送等，适合默认升为高风险档。

变更与回退。换模型、加工具、扩权限，都应视为可能触发复测的变更，并准备回退。

写作纪律：依据以公告原文为准；未见中标公告，不写「已通过某测评」；未见处罚文书，不把采购解读成处罚前兆。

从「建平台」到「买评测」意味着什么

表面是预算从平台建设挪到测试、观测、联合研究；底下是责任结构在变。平台阶段问「能不能跑起来」；评测阶段问「跑起来之后，越权、错误指令、数据被工具带出域，机构能不能证明按标准管过、测过、留过痕」。

浙商招标最有用的地方，或许不是金额（公开二手报道未披露预算与中标方），而是把强制依据清单写进了采购文件。兴业把测试做成专项，广发把可观测和人机协同写进场景验收，中原把评测闭环和行为防御做成联合研究——路径不同，阶段相同：智能体从「建完」进入「管起来」。

各家清单会扩到哪、测评结论会否形成可比口径，仍取决于后续公告与标准落地，本文不作预测。眼下更务实的一步，是把已公开出现的条目，先变成自己机构的一页纸对照表。表能填全，评测采购才不容易买成无法对表的材料。