从“暂行”到“修订”：AI监管逻辑质变 创业者的合规账本怎么算

作者：OmniTools2026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。 查看更多