8 月底，国务院《关于深入实施 " 人工智能 +" 行动的意见》（以下简称《意见》）正式印发，为 AI 技术发展提供了国家级的战略指引。《意见》不仅在描绘发展蓝图，更是在为未来 AI 领域的立法动向、执法重点和司法纠纷划定框架。对于企业而言，这既是发展的 " 政策红利 "，也是必须提前应对的 " 合规考卷 "。

@ 一、关注 " 立法工作 " 带来的确定性红利，有条件的直接参与相关标准建设

《意见》明确表示，要 " 推进人工智能健康发展相关立法工作 " 以及 " 优化安全评估和备案管理制度 "。这表明，当前的算法备案、安全评估等要求只是起点，更详细的配套法规正在路上。

2025 年 9 月 9 日，市场监管总局召开的发布会披露：我国人工智能国家标准已经发布 30 项，正在制定的有 84 项，基本覆盖了基础软硬件、关键技术、行业应用和安全治理核心板块。

*   来源：国家市场监管总局官网

对企业而言，这带来了规则的确定性。因此，企业最好在满足当前合规要求的基础上，提前关注合规动态，甚至主动参与相关合规标准的起草，成为行业规则的建设者，掌握更多话语权。

@ 二、关注数据供给风险及创新机制  

《意见》提出 " 加强数据供给创新 "，并明确指出要 " 完善适配人工智能发展的数据产权和版权制度 "。这直接触及了 AI 行业最核心也最模糊的法律地带。

我们认为，从这个风向可以看出，数据来源的合法性审查将越来越重要，" 网络爬取 " ≠ " 合法获取 "。训练数据的权属清晰是前提。《意见》同时强调 " 推动公共财政资助项目形成的版权内容依法合规开放 "，支持数据标注、数据合成等技术。这也为企业指明了高质量数据的潜在来源。因此，在未来，数据供应链的合法性问题可能会成为监管的重点。

另一方面，《意见》鼓励 " 探索基于价值贡献度的数据成本补偿、收益分成等方式 "。这为数据要素的市场化配置提供了政策依据。未来可能会出现大量创新的合作协议（如数据持有方与 AI 技术方），协议中将明确各方的数据贡献、成本分摊以及在模型商业化后的利润分配机制等。

@ 三、安全能力建设：" 算法歧视 " 与 " 黑箱幻觉 " 的直接责任风险

《意见》将 " 提升安全能力水平 " 单独列出，并直接点明 " 模型算法、数据资源、基础设施、应用系统 " 等安全要求，这为企业划出了明确的安全责任底线。

防范模型的黑箱、幻觉、算法歧视等带来的风险不再是技术问题，而是早就成为法律问题。例如，在金融风控、招聘筛选、信贷评估等场景中，若 AI 算法产生歧视性结果，企业可能面临行政处罚、民事侵权诉讼甚至公益诉讼。因此，企业必须建立算法的内部审计与评估机制，留存模型决策过程的日志，证明其已尽到审慎义务。

《意见》同时要求 " 推动人工智能应用合规、透明、可信赖 "。在发生纠纷时，监管机构和法院必然会审查企业是否建立了健全的 " 技术监测、风险预警、应急响应体系 "。企业不应被动等待监管，应主动与法律、技术专家合作，搭建并文档化自身 AI 治理框架。这套体系文件将在未来的行政调查或诉讼中，成为证明企业已尽到管理责任、应免除或减轻责任的关键证据。

这方面其实已经产生相关案例了。北京互联网法院曾审理过平台算法误判的纠纷：某平台用户发帖被平台认定为是 AI 生成并遭禁言，而用户坚称自己没有使用 AI 生成，遂将平台诉到法院。法院审理认为，平台应负责解释基于何种算法规则认定涉案内容系 "AI 生成 " 的，而平台对此并未给予充分解释。故法院判定平台违约。

查看作者往期文章：