从“暂行”到“修订”：AI监管逻辑质变，创业者的合规账本怎么算？

  2026年7月3日，国家网信办发布《互联网信息服务管理办法（修订草案征求意见稿）》，首次增设“智能信息服务”专章。对比2023年的《生成式人工智能服务管理暂行办法》，此次修订草案要求AI服务提供者公示技术基本原理与训练数据来源，并明确禁止强制用户使用智能信息服务。 当大模型动辄宣称预训练数据超过20万亿tokens却对来源讳莫如深，当各类App普遍存在“万物强行叠加AI”且默认开启难以关闭的乱象，新规的落地意味着我国AI监管逻辑已从“包容审慎”全面转向“透明度与防操纵并重”。对于AI创业者和开发者而言，这不再是一纸宏观文件，而是直接关乎产品设计、合规成本与商业模式的生存考题。 监管颗粒度跃升：数据来源与运行机制必须公示 我国AI监管的颗粒度正在发生跃升。2023年7月实施的《生成式人工智能服务管理暂行办法》在数据层面仅要求“依法开展预训练、优化训练等训练数据处理活动”，属于底线式规范。而本次《修订草案》第56条明确要求，智能信息服务提供者应当公示相关技术的基本原理、目的意义、主要运行机制、训练数据来源等信息。 这意味着透明度从软性倡导变成了硬性准入门槛，未公示相关信息的AI产品将面临无法上架或被下架的风险。 监管维度 《生成式人工智能服务管理暂行办法》（2023年） 《互联网信息服务管理办法（修订草案）》（2026年） 数据来源公示 依法开展训练数据处理活动，使用具有合法来源的数据 强制公示技术基本原理、主要运行机制、训练数据来源等信息 内容标识 按照深度合成规定进行标识 对生成合成内容进行显著标识 用户选择权 未作明确强制规定 禁止强制用户使用智能信息服务 防操纵与治理 防范未成年人过度依赖 严禁利用算法干预网络舆论秩序，建立网络暴力信息特征库 20万亿tokens怎么溯源：创业团队的合规账本 强制公示训练数据来源，对AI创业团队而言是一笔算不清的糊涂账。目前国内主流大模型在数据披露上普遍存在“重规模、轻来源”的倾向。以通义千问Qwen2.5-Max为例，据智源社区等机构披露，其预训练数据超过20万亿tokens；Kimi等模型的技术报告也提及数据覆盖网页、代码等。但这些信息多停留在技术报告的宏观描述层面，极少有面向C端详细公示具体数据来源清单及版权过滤情况的案例。澎湃新闻在2025年初实测7款主流大模型时也曾指出，隐私裸奔成通病，信息披露透明度严重不足。 对于依赖开源数据集或网页爬虫的中小创业者来说，新规落地后必须建立完整的“数据血缘”台账。覆盖数十万亿tokens的数据溯源和版权过滤机制，需要庞大的法务和算力成本。若无法公示或公示存在瑕疵，产品将面临直接下架的风险。这实质上抬高了行业的准入门槛，让缺乏合规基建能力的团队在起跑线就被淘汰。 禁止强制使用AI：App强塞功能的流量逻辑失效 草案明确禁止强制用户使用智能信息服务，严禁利用算法干预网络舆论秩序。这一条款直指当前互联网产品“万物强行叠加AI”的流量顽疾。 2026年4月，国内18家大模型厂商联合发布《新一代人工智能产业功能规范管理倡议》，提出“可关闭的AI原则”，痛批隐藏开关及自动重启等套路。这侧面印证了当前各类App普遍存在默认开启AI助手、设置多层隐藏开关、静默采集数据反哺模型的乱象。 新规落地将直接切断大厂靠“关不掉的悬浮窗”获取AI交互数据的流量飞轮。对于AI创业者和开发者而言，产品设计逻辑必须发生根本转变。AI功能不能再作为强塞给用户的负担，而必须回归真实的用户价值。产品界面需要提供清晰的一键关闭选项，并彻底终止后台运行。流量获取逻辑从“强制曝光”转向“价值吸引”，这对AI产品的留存能力和核心体验提出了更高要求。 显著标识与防网暴：生成接口必须增加审核逻辑 在内容治理层面，草案要求对生成合成内容进行显著标识，并规定平台须建立网络暴力信息特征库，向用户提供屏蔽、禁止转载等防护功能。 结合2025年9月正式施行的《人工智能生成合成内容标识办法》及强制性国标，AIGC内容的显式与隐式标识已成为硬性要求。这意味着AI生成链路必须进行深度技术改造。对于提供API的开发者而言，必须在接口层增加内容安全审核逻辑，并注入数字水印或元数据等隐式标识。同时，生成内容必须接入网络暴力信息特征库进行前置拦截，内容治理不再是事后补救，而是产品基建的一部分。 随着合规要求的提升，AI内容检测工具的应用场景也在扩展。它们将从极客玩家的测试玩具，转变为平台审核和企业合规的辅助基建，帮助识别未按规定标识的AI生成内容，完善内容治理生态。 从盘点结果来看，即便是头部大模型产品，在数据来源的详细公示上仍处于模糊处理状态，透明度不足。在内容标识方面，虽然基础AIGC标识已普及，但隐式水印等技术尚未全面覆盖。而在AI功能可关闭性上，行业普遍存在难以彻底关闭的痛点，部分集成场景下的AI助手仍处于默认开启状态。当前行业整体距离新规要求仍有明显差距，尤其是在数据来源公示和AI功能可关闭性上存在合规缺口。 合规审查需要前置到产品研发阶段，而非上线后再由法务部门补救。创业者在选型外部AI工具或自研模型时，必须将数据透明度和防操纵能力纳入核心评估指标。在透明度与防操纵的新合规框架下，只有将合规成本计入研发底座，AI产品才具备走向市场的资格。