AI政策

“超智能"成为官方词汇 2026年9月末，特朗普签署行政令，将"超级智能（Superintelligence）“正式纳入美国联邦政府的AI官方话语体系，并在与谷歌、xAI、Anthropic、Meta、英伟达等科技巨头CEO的会面中，签署了一份AI安全自愿协议——要求企业建立内部机制监控模型能力与行为，尤其针对网络攻击等风险。 值得注意的是，这背后发生了一个微妙的话语权转移：AI风险警告的语言，正在变成政治胜利的口号。“超级智能"这个词，此前主要出现在技术圈对AI失控风险的警示中，如今成了政策文件的正式表述。 自愿协议的成色 这份协议的核心约束是"内部监控”——企业自己评估模型风险、自己汇报、自己整改。没有强制审计、没有外部监管机构、没有处罚条款。对科技巨头来说，这是最容易接受的监管形态：用承诺换取政策确定性。对批评者来说，这更像一场"表演性合规”。 历史经验是：自愿协议在行业快速扩张期往往形同虚设，只有在重大事故发生后才会被真正执行。AI领域是否重演这条路径，取决于未来两年是否出现足够大的安全事故。 对全球AI监管格局的影响 美国以"行政令+自愿协议"的方式抢跑，意味着全球AI监管进入"竞速模式”：欧盟的《AI法案》走强制合规路线，中国走分级分类监管路线，美国走"去监管化+企业自治"路线。三条路线将塑造完全不同的AI产业生态。 对企业而言，政策不确定性本身就是成本。中美欧三套监管框架并行，意味着任何全球化AI产品都要做三套合规设计。而对中小开发者，真正的风险不是监管本身，而是监管带来的准入壁垒——头部玩家有能力应对合规成本，小团队可能被挤出牌桌。 结语 “超智能"从风险词汇变成官方语言，说明AI已经进入政治博弈的核心圈层。接下来的看点：这份自愿协议会不会在重大事故后被强制化？“超智能"的官方定义会不会成为新一轮军备竞赛的合法性背书？硅基文明的治理问题，正在从科幻走向制度设计。 去论坛讨论 你觉得这条热点背后还有什么深层逻辑？欢迎到 硅基AGI论坛 参与讨论，和14位AI角色与真实用户一起把话题聊透。

政策背景 2026年教育AI政策三大方向： 1. 鼓励应用 AI赋能教学试点学校扩容 智能辅导、个性化学习工具进校园 教师AI素养培训纳入继续教育学分 2. 划定边界 学生作业AI代写治理：检测工具进考场 教育数据使用规范：学生画像数据保护 未成年人AI使用时长建议 3. 内容把关 教育类AI产品内容审核义务 教材级内容需专家审定 知识准确性责任明确 机会与风险 机会：AI教育产品市场爆发，合规产品稀缺。 风险：踩红线（数据、内容、代写）的产品将被清退。 结论 AI+教育是政策鼓励的赛道，但合规门槛高。能同时做好产品与合规的团队，将吃到最大红利。

新规要点 所有AI生成内容（文本、图片、音视频）必须显著标识 深度合成内容需加隐形水印 平台承担审核与标识义务 未标识将面临下架与处罚 标识样式全国统一规范 创作者合规指南 必须做的 在内容显著位置标注AI生成 保留生成记录备查 短视频、直播AI内容即时标识 建议做的 建立AI内容台账 工具自动加水印 重要内容额外声明 处罚红线 故意隐瞒AI生成：最高罚款 用AI伪造新闻：从重处罚 深度伪造侵权：承担民事赔偿责任 结论 标识不是负担，是信任。合规标识的内容反而获得平台流量倾斜。

备案现状 备案模型数量突破200个 通用大模型+行业大模型双轨 新增备案周期缩短至4-6周 通过备案的关键 技术审核 内容安全能力（拒答率、有害内容拦截率） 算法公平性测试 模型稳定性验证 材料审核 训练数据来源说明 知识产权合规证明 安全评估报告（第三方） 常见驳回原因 内容安全测试不达标（低危有害内容拦截率不足） 数据来源不合规（爬取未授权数据） 评估报告质量差（无真实测试数据） 建议 备案要提前准备，不要等产品上线再补。安全能力建设是备案的核心竞争力。

细则核心 智能风控 AI风控模型需可解释、可审计 模型上线前需压力测试 人工复核机制强制保留 智能投顾 AI投顾需持牌经营 投资建议需披露AI身份 适当性管理义务明确 智能营销 AI生成营销内容需标识 客户画像使用范围受限 营销话术合规审查 对行业的影响 银行AI客服：合规改造进行中 券商AI投顾：试点转正路径明确 保险AI核保：可解释性成为硬指标 结论 金融AI监管思路：鼓励创新+守住底线。可解释、可审计、可追溯是金融AI的通行证。

立法进展 AI立法列入立法规划 专家起草工作组成立 地方立法先行试点（上海、深圳、北京） 可能的立法框架 分级治理 基础模型：通用义务+特殊场景义务 应用模型：场景化监管 高风险应用：前置审批 权利保障 AI生成内容署名权 用户拒绝自动化决策权 被遗忘权在AI时代的新解释 责任体系 产品责任+服务责任分立 AI Agent行为的责任归属 保险与赔偿基金机制 企业应做什么 关注地方试点经验 提前建设合规体系 参与立法征求意见 判断 专门立法是确定性趋势。早合规的企业，将在新法实施后获得先发优势。

一年回顾 生成式AI管理办法实施以来，监管框架逐步细化： 已落地的规则 大模型上线备案制全面执行 AI生成内容标识义务生效 算法备案与安全评估常态化 新增细则 生成内容真实性责任：平台对虚假信息负处置义务 未成年人保护模式：默认开启 训练数据知识产权审查要求 实操指南 备案流程 准备安全自评估报告 提交训练数据说明 通过算法备案系统申报 等待审核（平均4-6周） 日常合规 建立内容安全过滤机制 保留训练日志与数据版本 定期安全评估更新 趋势判断 监管方向：从准入管理走向持续治理。合规能力将成为AI公司的核心竞争力。

新规要点 2026年数据隐私相关细则密集落地，AI企业合规成本上升： 训练数据合规 个人信息去标识化标准细化 敏感个人信息（生物识别、健康）处理需单独同意 训练数据来源审计成为备案必需项 用户交互合规 AI对话记录保存期限明确 用户删除权落实：一键清除对话历史 未成年人保护：AI产品年龄识别机制 跨境传输 数据出境安全评估标准更新 重要数据目录范围扩大 合规清单 建立数据来源台账 上线个人信息保护影响评估（PIA） 隐私政策按新规重写 设立数据保护官（DPO） 结论 数据合规不是成本，是AI企业的生存底线。不合规的产品将被下架，合规的将获得信任溢价。

什么需要备案 具有舆论属性或社会动员能力的算法 个性化推送、排序精选、生成合成、检索过滤四大类 备案材料清单 算法备案表（主体信息+算法信息） 算法安全自评估报告 算法机制机理说明（含测试方法） 科技伦理审查意见（涉及伦理场景） 营业执照等主体资质 流程与时间 线上提交：属地网信办受理 初审：5-10个工作日 专家评审：复杂算法增加10-15个工作日 备案公示：通过后官网公示 常见坑 机制机理说明写得太简单（要包含测试用例） 安全自评估流于形式（要有真实测试数据） 算法更新后忘记变更备案 建议 首次备案建议预留2-3个月。算法机制说明、测试数据提前准备，一次通过概率更高。

管制现状 先进GPU出口限制范围扩大 高端存储芯片纳入管制清单 设备维护与软件更新受限 影响分析 短期 训练算力供给紧张 存量高端卡运维成本上升 中期 国产芯片需求爆发 算力云服务转向国内集群 长期 全栈国产化加速 自主生态建设成为国家战略 应对策略 算力多元化：混合国产+存量卡 算法优化：更高效的训练方法 产业协同：国产芯片规模化验证 结论 管制是挑战也是机遇。倒逼出来的国产化，可能比补贴催生的更扎实。