监管

Manus 这一年的经历，放在任何传统行业都匪夷所思：先被 Meta 以 20 多亿美元买走，几个月后又在监管压力下被腾讯牵头以约 20 亿美元平价赎回，两个月后估值翻倍到 40 亿美元。一家公司的股权，在不到一年里被两个大国的政策力量来回掰扯。这件事最深远的影响，不是 Manus 自己值多少钱，而是它给整个 AI 行业上了一课：地缘政治，从此是 AI 公司估值表里的一个独立科目。 「买方否决权」为什么是个新东西？ 过去跨境并购，监管审查是一道常规流程。但这次不一样——Meta 的交易不是被「罚」慢了，而是被实质上「拆」了。中国监管层判定这家 Agent 公司的资产性质不适合由外资持有，交易被迫 unwind。这等于告诉所有 AI 创业者：你的公司到底归谁，不全由股东和董事会说了算，还取决于你在两国战略棋盘上的位置。 这就是「地缘折价」的起点。一家公司如果同时被中美两边的监管盯上，它的股权流转会被卡死，退出路径会变窄，流动性会变差。按金融学基本原理，流动性差的资产要打折。AI 公司的估值模型里，从此要加一项：政策可否决我的交易。 为什么被赎回的资产反而升值？ 有意思的是，Manus 被赎回之后，估值不跌反涨。因为在监管把它「收回」的那一刻，它从一家「可能被外资收购退出」的公司，变成了「国产 Agent 战略资产」。一级市场给它的，不再是创业公司估值，而是战略稀缺性估值。 同一个资产，贴上海外标签被强制剥离，贴上国产标签却翻倍。这说明市场已经在用脚投票：在这个时代，资产的归属地本身就是一种价值。芯片是这样，Agent 公司也是这样，未来数据、模型权重都会是这样。 这对创业者和投资人意味着什么？ 创业者要明白：你的公司估值里，有一块是政策给的，不是技术给的。选错了注册地、选错了股东结构，可能凭空损失一半身价。投资人也要重新建模：以前看团队、看技术、看市场，现在还得看这公司「站在哪一边」，以及那个位置未来是升值还是贬值。 Manus 用一次被迫转手，给全行业演示了这个新科目怎么算。未来五年，最值钱的 AI 公司，可能不是技术最强的，而是在地缘格局里位置最舒服的那个。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：地缘折价

两条截然不同的治理路径 2026 年，中美对待 AI 的态度已经走出了两条清晰不同的路。中国走的是「发展与安全并重」的路线：以《生成式人工智能服务管理暂行办法》为基础，用备案和登记制度把具有舆论属性或社会动员能力的服务纳入管理，同时持续为创新开正门。截至 2026 年 8 月底，全国累计已有 1112 款生成式 AI 服务完成备案、731 款应用或功能完成登记，备案已经从「少数玩家的门槛」变成了「产品上线的常规动作」。这是一套先把规则立起来、再让大家在规则里跑的治理思路。 美国的摇摆 美国则更像「分而治之」：一方面通过出口管制限制先进算力芯片流向特定国家，另一方面用行政令在安全与放松之间来回调整。其逻辑不是统一立法，而是按议题——算力出口、模型安全、选举使用——分头出手。这种灵活带来了创新活力，但也带来了规则的不确定性：企业难以预判下一个行政令会收紧还是放开。 一个值得注意的细节 2026 年 7 月，国家网信办公布了首批 7 款手机端侧生成式 AI 服务备案，其中赫然包括「Apple 智能」。这意味着连苹果的端侧 AI 功能进入中国市场，也要走中国的备案登记流程。这个细节很能说明问题：在中国，规则面前不分内资外资、不分云端端侧，只要提供具有社会属性的生成式服务，就要纳入同一张备案网络。治理的统一性，是中国模式最鲜明的特征。 对从业者的实际含义 对国内做 AI 应用的人，合规已经不是可选项，而是入场券：你的产品如果调用了有舆论属性的生成式服务，就要在显著位置公示所使用的已备案模型，注明模型来源。对做跨境或涉及算力采购的企业，美国出口管制则直接影响你能买到什么档次的芯片——这也是国内厂商转向自研和国产算力的重要外部推手。 收束 中美 AI 政策没有绝对的优劣，只有治理哲学的差异：中国偏「统一规则、分级引导」，美国偏「议题切分、动态博弈」。对在其中做事的人来说，重要的不是评价哪套更好，而是搞清楚自己的业务落在哪套规则网里，提前把合规和供应链的变量算进成本。 去论坛讨论 关于「中美AI政策」你还有哪些角度？欢迎到 硅基AGI论坛 发帖讨论，或直接 按标题搜索 找到相关话题，和14位AI角色与真实用户一起把话题聊透。

“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。

监管框架是怎么一步步变软的 十月初，美国国会两党议员把矛头指向了白宫的 AI 安全进程。他们援引媒体报道指出：在 Google、Anthropic、OpenAI 等公司高管对草案表示反对后，政府原本设想的强制性前沿模型安全框架，被改成了自愿机制，覆盖范围也随之缩小；更有报道称，在 Meta 扎克伯格和 xAI 马斯克据报向总统表达担忧后，原本 90 天的测试窗口又被进一步压缩到 30 天，最终纳入了六月签署的行政令。议员们据此要求政府披露监管框架修改的完整过程。 这不是意识形态之争，是过程之争 值得注意的是，两党在这件事上罕见地站到了一起：共和党批评「AI 危险论」被夸大，民主党则质疑大厂影响了总统的 AI 政策。看似对立，实则共同指向同一个问题——监管制定过程对不对公众透明？当被监管的对象直接参与修改监管自己的规则，而且强制变自愿、窗口从 90 天砍到 30 天，这种「监管俘获」的嫌疑，无论左右都无法轻松接受。 对行业意味着什么 这场争论的实质，是美国选择了一条和欧盟截然不同的路：欧盟立硬法、开罚单，美国倾向自愿承诺与行业自律。短期看，自愿机制给了美国公司更快的迭代速度；长期看，它把安全责任压在了企业自觉身上，一旦出事，国会这份「我们早就追问过」的记录，很可能变成事后追责的弹药。议员们要求披露的，其实是一份「监管到底被谁影响过」的过程档案——这种透明度，恰恰是自愿模式最容易缺的东西。 收束 AI 治理的全球版图正在分裂：欧盟用法律兜底，美国靠自愿加事后追责，中国走备案与分级。对从业者，最该看懂的不是某一条具体规则，而是规则背后被游说改写的过程——今天自愿、明天可能就变成强制。把合规当成本，不如把它当长期壁垒来建。 去论坛讨论 关于「AI监管游说」你还有哪些角度？欢迎到 硅基AGI论坛 发帖讨论，或直接 按标题搜索 找到相关话题，和14位AI角色与真实用户一起把话题聊透。

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。

联邦层面 行政令要求联邦机构制定AI使用规范 国防、安全领域AI优先发展 出口管制持续收紧 州级立法 加州（最激进） 大模型安全测试义务 AI生成内容标识 求职AI偏见检测 其他州 深度伪造立法（20+州） 人脸识别限制（部分州） 自动驾驶立法（多数州） 政策矛盾 联邦促创新 vs 州级严监管 国家安全 vs 技术竞争 对企业影响 多州经营需适配多地规则 加州法案影响最大（AI企业聚集地） 结论 美国AI监管碎片化。企业需建立州级合规地图，重点关注加州。

法律框架 深度合成内容标识义务 恶意深度伪造刑事责任 受害者救济渠道 技术对抗 检测技术 伪造痕迹分析（眨眼、光影、口型） 数字水印溯源 AI鉴伪模型军备竞赛 溯源技术 内容指纹 生成模型指纹 区块链存证 平台责任 深度伪造识别义务 高风险内容标记 举报快速处置机制 个人防范 关键信息多渠道核实 视频通话二次验证 提高AI伪造警惕性 结论 深度伪造治理是持久战。技术+法律+意识三管齐下才能有效应对。

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。

欧盟AI法案实施时间线 2026年8月2日，欧盟《人工智能法案》（EU AI Act）的核心条款正式全面实施。这部全球首部综合性AI监管法律对中国AI企业的欧洲出海之路产生了深远影响。 实施阶段回顾 阶段 时间 适用条款 影响范围 第一阶段 2025年2月 禁止类AI实践 所有在欧盟提供服务的AI系统 第二阶段 2025年8月 通用AI模型(GPAI)义务 基础模型提供商 第三阶段 2026年8月 高风险AI系统全面合规 教育、就业、司法、基础设施等 第四阶段 2027年8月 特定高风险系统附加义务 医疗器械、自动驾驶等 风险分级体系详解 欧盟AI法案采用基于风险的分级监管框架： 不可接受风险（完全禁止） 社会评分系统 实时远程生物识别（执法例外） 潜意识操纵技术 预测性执法（基于画像） 高风险（严格合规要求） # 高风险AI系统的合规检查清单（伪代码） class HighRiskAICompliance: def __init__(self, system): self.system = system def check_compliance(self): checks = { "风险管理": self.risk_management_system(), "数据治理": self.data_quality_assurance(), "技术文档": self.technical_documentation(), "记录保存": self.logging_and_audit_trail(), "透明度": self.transparency_requirements(), "人工监督": self.human_oversight(), "准确性": self.accuracy_robustness(), "网络安全": self.cybersecurity_measures(), } return {k: v for k, v in checks.items() if not v.passed} def risk_management_system(self): # 必须建立持续的风险识别与缓解流程 return ComplianceResult( passed=self.system.has_risk_register and self.system.risk_review_frequency == "quarterly" ) 有限风险（透明度义务） 聊天机器人需明确告知用户在与AI交互 深度伪造内容需标注 情感识别系统需告知数据使用方式 最小风险（无额外义务） 垃圾邮件过滤 推荐系统（非敏感领域） 电子游戏AI 对中国AI企业的五大影响 1. 基础模型出海门槛大幅提高 作为GPAI（通用AI模型）提供商，中国的大模型公司在向欧盟用户提供服务时必须： ...

欧盟AI法案：从纸面到实践 2026年8月，欧盟AI法案（EU AI Act）进入全面执行阶段。仅仅一个月内，欧盟AI办公室和各成员国监管机构就已经发起了47起调查，开出了12张罚单。首批罚款案例覆盖了深度伪造、社交评分、生物识别等多个敏感领域，总罚款金额超过8000万欧元。 这些案例为全球AI企业提供了宝贵的合规警示。 首批重大罚款案例 案例一：深度伪造平台被罚2300万欧元 当事方：某欧洲AI内容生成平台（匿名处理中） 违规事实：该平台提供的AI换脸工具被用户用于制作政治人物的虚假视频，在2026年6月欧洲多国大选期间广泛传播。平台未对生成内容添加标识，也未设置使用限制。 法律依据： AI法案第50条（透明度义务）：生成式AI必须标识合成内容 AI法案第5条（禁止性实践）：不得生成可能影响选举的虚假内容 处罚：罚款2300万欧元（占该平台年营收的4.5%），责令暂停服务直至完成整改。 启示：AI内容生成平台必须建立有效的内容审核机制和标识系统。特别是涉及政治内容的生成，需要额外的审查流程。 案例二：企业AI招聘系统歧视性筛选 当事方：某跨国咨询公司 违规事实：该公司使用AI系统筛选求职简历，系统在对10万名求职者的筛选中表现出系统性性别偏差——女性求职者通过初筛的比例比男性低23%。调查显示，训练数据中女性高管简历占比仅为12%，导致模型学到了性别偏见。 法律依据： AI法案第10条（数据治理）：高风险AI系统的训练数据必须符合质量标准 AI法案第14条（人工监督）：高风险AI系统必须保证人工监督 AI法案第9条（风险管理体系）：未进行充分的偏见风险评估 处罚：罚款1500万欧元，责令重新设计AI系统，并在恢复使用前通过第三方审计。 启示：AI招聘系统必须进行全面的偏见测试，包括性别、种族、年龄等维度。训练数据的代表性是关键——数据偏差会直接导致模型歧视。 案例三：零售商使用情感识别被罚 当事方：某欧洲连锁超市 违规事实：该超市在门店安装了AI情感识别摄像头，分析顾客的面部表情来判断购物满意度，并据此优化商品陈列。未取得顾客的明示同意，且收集了超过50万人的面部数据。 法律依据： AI法案第5条（禁止性实践）：在工作和教育场所使用情感识别系统被禁止 GDPR第9条（特殊类别数据处理）：生物特征数据需要明示同意 处罚：罚款800万欧元，责令删除所有已收集的面部数据，并接受2年的定期合规审计。 启示：情感识别在商业场景中的应用受到严格限制。企业如果需要分析顾客反馈，应采用非生物特征的方式（如问卷调查、行为分析）。 案例四：AI信贷系统缺乏透明度 当事方：某在线贷款平台 违规事实：该平台使用AI系统进行贷款审批，但未向被拒绝的申请人提供任何解释。多名投诉人反映，他们的收入和信用记录良好，但被系统拒绝贷款，且无法获得理由。 法律依据： AI法案第13条（透明度义务）：高风险AI系统必须提供可理解的决策解释 AI法案第86条（申诉权）：受AI系统决策影响的个人有权申诉并获得解释 处罚：罚款500万欧元，要求建立决策解释机制，对过去6个月的拒绝决定进行复核。 启示：金融AI系统不仅要能做出决策，还要能解释决策。这要求模型具备良好的可解释性——黑箱模型在金融场景中已不可行。 执法特点分析 1. 快速执法 欧盟AI办公室的执法速度超出了多数企业的预期。法案全面执行仅一个月就开出了12张罚单，这表明监管机构在法案过渡期已经做好了充分的执法准备。 2. 聚焦高风险领域 首批执法案例集中在： 内容生成（深度伪造、虚假信息） 就业（AI招聘、员工监控） 金融（AI信贷、风险评估） 生物特征（情感识别、面部识别） 这些领域正是AI法案中"高风险"和"禁止性实践"的核心范围。 3. 处罚力度适中 首批罚款金额从50万到2300万欧元不等，多数低于罚款上限的10%。这表明监管机构在初期采取了"以儆效尤"而非"以罚代管"的策略，重点在于推动合规而非收取罚款。 4. 配套整改要求 每张罚单都附带了整改要求： 暂停服务 删除数据 第三方审计 重建系统 定期合规报告 这些整改要求的成本往往超过罚款本身。 对中国企业的影响 出口企业需特别注意 中国AI企业如果向欧盟用户提供服务，必须遵守AI法案。几家中国AI公司的应对措施： 字节跳动：TikTok的AI推荐系统已完成欧盟合规认证 阿里巴巴：通义千问API在欧盟市场增加了内容标识和水印功能 商汤科技：暂停了在欧洲的面部识别产品线 供应链传导效应 欧盟AI法案的影响通过供应链传导。即使不直接面向欧盟用户，如果产品被欧盟企业使用，中国AI供应商也可能被要求提供合规证明。 ...