这些合规“暗礁”必须避开

观察者网：您之前多次提到AI合规应该是全链条的，覆盖从语料训练到产品落地的整个生命周期。那在AI出海的场景下，从训练到部署再到运营，各个阶段面临的合规风险有什么不同？

刘新宇：我们先说训练阶段，训练阶段最核心的风险在于语料。你要训练模型，就得喂数据，那这些数据采集的合法性基础是什么？来源是否合规，这是关键。

举个例子，很多数据是从网上爬取的，有的是普通爬虫技术就能拿到的公开信息。但这里有一个误区：很多人觉得信息已经公开了，我自然能获取，自然也就能用。但实际上，公开不等于你可以自由使用，更不等于你可以拿来训练模型。这个逻辑是不成立的。

我举个例子。比如有人刚到上海工作想租房，把自己的电话信息留在了租房平台上，目的是让中介联系过来。结果有人看这个人学历不错、工作不错，就给介绍对象——可是这个人不是为了找对象才公布这些信息的吧？

所以，你看到并拿到这些信息没问题，我公布了就是让大家看到的，但我没允许你随便用。以“已公开”作为自由训练的理由，在法律上是站不住脚的。

欧盟GDPR的要求也很明确，所有的数据处理活动都要有合法性基础——同意、合法利益、合同必要等等，依据很细，光靠一个“已公开”实在太单薄了。这就是训练阶段的主要风险。

《通用数据保护条例》 (GDPR) 是欧盟2018年通过的一项全面的数据保护法。主要目标为取回个人对于个人数据的控制，以及为了国际商务而简化在欧盟内的统一规范。

再说部署阶段。部署的时候，欧盟人工智能法就开始介入了，它会看你这个系统的风险级别是什么级别——有的直接被禁止，有的按风险分高、中、低。不同级别对应不同的义务。如果你连自己属于哪个级别都没搞清楚，部署阶段肯定要出问题，因为对应的义务你根本不知道。

还有一个细节容易被忽略，就是企业自身的定位问题。很多AI出海的企业，底层接的是别人的大模型，但名义上以自己的面貌对外提供服务，不会告诉你“我底层用的是DeepSeek”或“我用的是豆包”。这种把自己包装成独立服务提供者的做法，在欧盟人工智能法框架下，你可能就不是一个单纯的“部署者”，而是“提供者”。至于你底层接的是谁，那些能力都是合成到你自己的服务体系里的，那就是你在提供。

如果你明确告诉用户“我只是个接口，用的是谁的模型”，那才算部署。但如果你没有充分披露，那你就是提供者。这两种定位的合规义务差别很大，必须要搞清楚。

最后说运营阶段。运营阶段涉及到数据实际流转的问题。比如你的大模型出海到欧盟，欧盟用户在使用过程中，输入的数据会不会回传到国内？如果有，那就涉及欧盟用户个人信息出境的问题，要满足SCC、补充措施、TIA等一系列合规要求。这是需要判断的。

另外还有一个重要问题，大模型有时候会发生“幻觉”。那你作为运营方，就有持续监控和持续合规的义务，要对模型的输出保持跟踪，这是一个长期的过程。不是说训练和部署阶段做完合规就结束了，合规动作是要和业务持续发展同步推进的。而且严格来说，这三个阶段涉及到的合规义务，在运营阶段也都有延续。

所以简单概括一下：训练阶段重在语料来源的合法性，部署阶段重在风险分级和主体定位，运营阶段重在数据跨境流转和持续监控。三个阶段各有侧重，但合规的逻辑是一以贯之的。

观察者网：您前面提到定位很重要，因为不同定位适用的规则不一样。那部署者和提供者这两种定位的差异，会不会导致企业为了减轻义务而倾向于把自己包装成某一种？

刘新宇：这个问题其实是辩证的。如果你纯粹是个部署者，相当于提供很多大模型供用户自行选择，那你的主体地位就下降了，有点像银行的“贷款超市”——你想去哪家银行贷款，直接跟那边联系就行，不需要通过我。但如果你说“通过我，我来满足你的需求”，那你的主体性就很强，主体性越强，合规义务就越重，责任越大，负担也越重，这是相匹配的。

这跟我刚才讲的逻辑一样——如果只是为了少罚点款而控制业务规模，那就本末倒置了。罚款是按营业额比例来的，比如4%，你营业额100万，罚4万；你有100亿，就是4亿。不能为了只罚5万而不是5个亿，就让业务收着点、别做到100亿。业务该怎么做就怎么做，合规要去适配业务的节奏，而不是反过来让业务迁就合规的底线。

监管不确定性的两大来源：规则碎片化与管辖多重性

观察者网：法律1.0是设计规则，法律2.0是提供监管框架，法律3.0则是承认新技术本身也是监管工具。想先请您简单解释一下这个概念，如何理解“新技术本身也可以成为监管工具”？其次，在AI出海合规的场景下，您觉得哪些技术手段正在扮演这个角色？

刘新宇：这个概念最早是英国学者罗杰·布朗斯沃德提出来的，他写了本书叫《法律3.0》，讲的是规则、规制与技术的关系。

1.0是事后规制模式——法律立在那里，出了什么事，该怎么行政处罚、怎么裁判、怎么执法，大家都清楚。

2.0是前瞻性的监管框架，有专门的机构，做一些风险控制之类的工作。

3.0就进了一步，它讲的是新技术本身也可以成为监管工具。你可能听过一个词叫“RegTech”，即监管科技，说的就是这个意思。它要求在技术架构的内在设计里预先嵌入合规的要求，让合规义务在技术运行层面就能自动落地。

我们现在讲的技术手段，肯定要迎着监管的需求走。

监管关心什么？比如隐私保护，那你技术方案就要往这个方向靠。再比如欧盟经常强调的“可审计”“可透明”“可解释”，这些就是监管诉求。所以我们要鼓励企业在技术架构中嵌入一些满足隐私保护、可审计、可解释的合规功能。

从法律角度观察，目前比较常见的几类技术手段，比如隐私计算、联邦学习，还有可解释性AI，都可以拿来说一说。

隐私计算的核心逻辑是“数据可用不可见”。用户担心你看到他的数据之后怎么处理、怎么收集，担心个人信息被滥用。但运营方的诉求往往不是要“看”数据，而是要用数据做分析、联合建模。如果能做到“只用不见”，那双方的需求都满足了。以出海场景为例，如果在欧盟本地完成模型训练，就不需要把欧盟用户的数据传回国内，从根源上规避了数据跨境传输的合规义务。

联邦学习也有类似逻辑。传统的路径是“从数据到模型”——先有数据，再建模。但你有数据，就绕不开监管对数据保护的要求。现在提的“从模型到数据”，是各方一起建模，把模型的参数传到中心平台聚合，而不是把原始数据传过去。当然，这个技术路径也不是100%解决法律问题，即使模型参数大概率不涉及个人信息，但也不能打包票。

可解释性AI，则是直接回应欧盟的透明度要求。欧盟人工智能法特别强调，AI系统要提供足够的透明度，让用户理解输出是怎么来的。可解释性AI就是为了解决这个问题。

不过这些都是探索方向，还在探索阶段。从面上看，它们确实有希望解决很多问题，但不能因此陷入“技术万能论”的迷思，觉得有了这些技术合规就一劳永逸了。技术的安全性是否得到充分验证，本地监管是否认可，这些都是问题。更重要的是，技术再怎么合规，也没法从根本上取代法律合规——它是增强器、加速器，但不是替代品。

观察者网：从2025年到2026年，全球AI监管正在从“自愿性原则”走向“针对具体产品的强制性规则”。对于正在筹备或已经出海的中国AI企业，您认为当前最大的监管不确定性来自哪里？

刘新宇：现在技术发展比较快，监管跟进的速度在不同国家和地区也不一样。有的跟得快，有的跟得慢。但这对企业来说就面临一个问题。你问企业出海去哪，答案是：哪有生意就去哪，不会自我设限。冰岛有生意就去冰岛，赤道几内亚有生意也照样去。哪里有市场机会就去哪里，所以全球两百多个国家和地区都有中企的身影。

那挑战在哪里？第一，是规则的碎片化。不是每个国家和地区都有人工智能法，比如我们国内目前就没有统一的人工智能法。相关规定散落在《生成式人工智能服务管理暂行办法》《数据安全法》等不同的法律法规当中。对出海企业来说，规则碎片化本身就带来很大的合规成本。

如果有个统一的人工智能法，很简单，照着做就行。但没有的话，你问我中国关于人工智能监管的法律法规有哪些，可能一时半会儿都说不清楚，其他国家也一样。

第二，是多重管辖权的叠加冲突。企业不是只去一个国家，而是同时进入十个甚至更多市场。你得把这十个国家的合规要求都吃透，而每个国家还有我刚才说的规则碎片化问题。这就意味着碎片化和管辖多重性是叠加在一起的。

而且还要看具体是哪些国家和地区。欧盟还好，至少是统一的框架。美国呢，联邦层面和各州层面各有各的规定，今天这任总统出一个行政令，下一任可能又推翻，规则变动非常频繁。有的说要鼓励AI发展，说是大国博弈的战略重点；有的又不能让AI替代人。企业要跟上这种政策变化，确实不容易。

所以我觉得最大的挑战，归根结底就是规则碎片化、管辖多重性，再加上法律本身还在不断迭代。欧盟自己也在一直调整，监管有滞后性，它对技术的理解也在不断深化，所以法律到了某个节点，后面还得不断打补丁，这也是不确定性的一部分。

7月末，美国芯片巨头英伟达（Nvidia）首席执行官黄仁勋首次在社交平台X发文力挺开源人工智能（AI）模型，强调世界既需要前沿的闭源模型，也需要前沿的开源模型。

观察者网：针对监管不确定性，中国企业有什么应对方法吗？

刘新宇：应对思路无非两种。一种是分区域设计，到哪个市场就按哪个市场的要求来，本地化处理。比如在巴西训练给巴西用的模型，在韩国训练给韩国用的，这样每个区域各自独立。但缺点就是成本高、效率低，模型也得跟着市场做具体调整。

另一种是统一框架，有些企业喜欢全球统一，甚至连隐私政策都想用一个版本。但每个国家对隐私政策的要求不一样，所以只能把各国的合规要求做成不同的合规模块，再整合嵌入到同一个产品中。这两种思路各有利弊，但无论选哪一种，碎片化、多重性和法律的动态变化都是绕不开的挑战。

观察者网：除了政策本身在变，美国科技界对中国模型的态度也存在分歧。这对AI企业出海会有哪些影响？

刘新宇：肯定会有影响，但企业更多只是被动地跟进和应对。

就像我们在部署模型时没法做特别前瞻性的安排一样，合规工作也没法提前把一切都规划好。因为这些科技大佬的想法本身也在变，今天一个态度，明天可能又是另一个。

这些科技巨头代表的可能是硅谷精英或者某些大厂的立场，他们都在试图把自己的想法转化成规则或立法来落地。

如果最后没有变成法律或规则，那它影响的主要是你和客户之间、或者商业层面上的考量；但一旦变成法律或规则落地了，那就直接变成合规问题了，你必须跟进。

不过说实话，他们内部的博弈也挺激烈，想法不太稳定，变化很快。那对我们中企来说，只能是以不变应万变，在奔跑过程中不断调整节奏。