中国AI出海，要避免四个误区，两条腿走路

从Manus被收购遭中国否决，到DeepSeek因数据跨境问题被欧盟勒令下架，再到美国商务部向三家新加坡AI企业发出传票、调查其是否通过“技术中转”规避对华芯片管制——中国AI企业的出海故事，正被一连串合规事件重新书写。

三个案例各属不同法域，但却共同指向一些核心问题：域外管辖究竟如何突破地理边界？“技术血统”能否通过股权架构或主体迁移而洗白？从训练数据采集、算法备案到终端部署的全链条合规如何落地？

当下，美国《出口管理条例》对含特定算力芯片的技术实施全球追踪，欧盟《人工智能法案》对高风险AI系统设以严苛准入，中国《外商投资安全审查办法》亦首次对AI并购亮出红牌——三股监管浪潮交汇，任何一环失守都可能引发连锁反应。

近期，观察者网与中伦律师事务所合伙人刘新宇展开对话，深入拆解AI出海的合规逻辑与突围路径。以及，在不确定性中，中国AI企业如何找到确定性的航向。

观察者网对话中伦律师事务所合伙人刘新宇

关于“域外管辖”的四大误区

观察者网：中国AI企业出海，最先遇到的合规挑战往往来自目标市场的个人信息保护法。这些法律普遍具有“域外效力”——即便企业在当地没有实体，只要服务触达当地用户，就可能被监管机构管辖。从AI出海合规的角度来看，您认为中国企业目前普遍存在哪些关于“域外管辖”的认知误区？

刘新宇：关于AI出海的域外管辖问题，企业确实存在几个比较典型的认知误区。

第一个误区，就是认为“我在当地没有实体，你就管不到我”。这其实是对域外管辖的误解。因为现在欧盟、美国、巴西、韩国等很多国家和地区的法律都明确规定了域外适用条款，并不以在当地设立子公司或分公司为前提。按照个人信息保护法的逻辑，只要你触达了本地用户，或者向本地自然人提供了服务或产品，监管机构就有权管辖。

对于AI业务而言，还有一个特殊之处：如果你使用的大模型向本地用户输出内容，也可能触发管辖。所以，不能简单认为没有实体就可以规避管辖——至于执法层面能否实际落实，那是另一回事，但从法律依据上看，管辖是成立的。

第二个误区，是认为远程访问不算数据跨境传输。有些企业觉得，我并没有把数据传到国内，只是总部或管理层通过远程方式查看一下，这应该不构成跨境传输。但从监管视角看，远程访问和数据传输本质上是一回事。换位思考一下，如果中国总部远程访问存储在欧盟境内的数据，在德国、法国等国家看来，这已经属于数据跨境行为，和你理解的传统意义上的数据出境没有区别。

与此相关的还有一个小误区：有人认为“我给老板开了权限，但他基本不用，所以没问题”。但实际上，只要开放了访问权限，就具备了接触数据的可能，监管机构关注的是你有没有这个“能力”去触达，而不是你有没有实际行使。至于这个权限是一年用一次还是一个月用一次，并不是他们审查的重点。因此，远程访问本身，以及权限的开放，都已经构成跨境传输的法律事实。

再说第三个误区。有些企业对欧盟GDPR有一定了解，知道数据跨境传输有SCC（标准合同条款）机制，就觉得签了SCC，就算满足监管要求了。但实际上，签了SCC并不必然意味着合规。

观察者网：SCC的作用您可以大概说明一下吗？

刘新宇：SCC的作用主要是规范数据跨境传输。拿欧盟来说，他们的规则和我们的个保法有相似之处。欧盟把数据保护水平分成不同档次，如果你传输的目的国跟他们认可的水平相当，那数据可以相对自由地流转；但如果没达到这个档次，就需要签一个标准合同。

签了这个合同，双方在数据保护方面的义务要写清楚，同时你还得评估接收方那边的情况——比如当地法律法规怎么样，接收方本身的保护措施到不到位。所以SCC是以合同形式来保障数据传输合规的一种机制。

回过头来说，企业签SCC的意义在于，你向监管机构说明了数据从哪传到哪，传输国和目的国是清楚的。但监管关心的不仅仅是传输这个动作，还关注目的国的数据保护水平——你把数据传过去之后，那个地方的保护力度够不够？从数据保护的角度来看，传输本身只是需要关注的一个环节。如果你传到的目的地对数据保护几乎没什么要求，那监管显然不会轻易放行。

所以，形式上签了SCC这种标准合同，并不等于万事大吉。监管还会要求你评估目的国的数据保护水平，如果评估下来他们认为保护不充分，你还需要额外采取补充措施，直到达到让对方满意的程度，这样传输才能被认可。简单说，仅有SCC是不够的。这是第三个误区。

第四个误区也挺有意思，有些企业会说，我们是中小企业，出海才刚刚起步，规模也不大，是不是监管会网开一面？但实际上，执法本身并不区分企业大小，法律不会说我只管大企业、不管小企业，没有这个说法。立法的适用范围和执法标准是平等的。

那为什么中小企业会有这种想法呢？可能是因为我们经常看到的新闻里，欧盟或者爱尔兰数据保护机构又开出了巨额罚单，几亿欧元甚至更高，因此关注度也会很高。但实际上也有很多罚单是几万欧元的，只是因为数额较小，新闻不太报，自然就没进入大家的视野。

还有一点，回到中小企业这个事上——做合规不是为了合规而合规，而是为了业务能够稳健地发展。如果你因为规模小，觉得最多罚个几万欧元，就为了规避更大金额的罚款而主动收缩业务，那就本末倒置了。正确的逻辑是，业务该怎么发展就怎么发展，合规的能力要跟上业务的节奏，业务做到什么程度，合规就配套到什么程度，这才是正道。以上这几点，是企业在域外管辖方面经常出现的典型误区。

美国擅长的是“矛”，欧盟擅长的是“盾”

观察者网：这种域外管辖是否会因为目标市场不同而存在较大的差异？

刘新宇：现在中企出海，成熟市场排在前面的，无非就是欧盟和美国。

简单说，美国擅长的是“矛”，欧盟擅长的是“盾”。中国我们能说出一大堆AI的名字，美国我们也能说出好多，但欧洲能说出几个？说不出来。

欧盟《人工智能法案》（EU AI Act）是全球首部全面监管人工智能的法律，于2024年8月正式生效并分阶段实施。

那欧盟面临这个情况怎么办呢？没有矛，还不能有个盾吗？所以它是以保护见长的市场——当然这背后有复杂的历史、文化、技术各方面的原因。但另一方面，它又是个很大的市场，同时个人信息保护的力度又强、执法又活跃，种种原因叠加，我们出海企业很难绕开，必须重视。

再比如非洲，有的国家个保法也挺完善的，但执法不活跃，于是大家就先野蛮生长。日本也是，执法不活跃，所以我前面列举国家的时候没有提日本。当然日本今年说要修法了，但一两年后才落地，先且行且看。

至于美国，情况比较特殊。它不是联邦层面统一立法，是各州搞各州的，目前主要是加州的COPA等几部法律需要重视。但现在提到美国，不得不提的是14117号行政令。

其实14117号行政令不是新东西，但为什么现在大家格外重视呢？因为年初的联想案。这个案子很有指导意义和示范意义，大家都在盯着。不过一时半会还不会很快有判决出来。

为什么美国这块引起大家特别重视？因为很多中企出海的操作手法跟联想是一样的，只不过现在告的是联想。

另外一个原因是：欧盟很多是行政执法，而美国这次不一样，它搞集体诉讼。

集体诉讼的逻辑很简单。集体诉讼不是一个人，可能是几十上百个人。他们在联想官网上浏览，想看看笔记本电脑的型号、参数、配置什么的。浏览的过程当中，总得比较比较，这很正常。但联想的官网会对访问用户收集IP地址、Cookie、广告ID这些信息。

这其实也不难理解，国内也发生类似的事。它这么做不是为了侵犯你的个人信息，而是——你今天上我网站，一直在看某款电脑，那显然你对那款电脑有兴趣，只不过还没下单。这种客户比潜在客户还潜在，属于临门一脚的那种。那你再去TikTok、亚马逊或者其他平台，精准广告就推给你了。

但美国14117号行政令怎么规定的呢？它说的是，一个美国主体——比如你在美国有个公司——如果收集了这些信息，包括Cookie、浏览记录、IP地址等等，然后把这些信息传输给某些国家和地区，那就不行。而在他们的名单上，我们就属于这些被限制的国家和地区之一。

如果数据传输给这些国家和地区，并且达到了规定的阈值，比如10万，那14117号行政令可能就要对你开始重点关注了。重点关注不是说立刻处罚你，而是看你的保护措施、配备情况等等。

这次针对联想进行集体诉讼的人，就是抓住了这一点。为了形成完整的闭环，他们先在网上浏览联想官网很多次，然后下单买了一台电脑——这样就有了诉讼主体资格。接下来要确定的是：你是不是美国主体？怎么确定呢？联想官网上自己写了运营主体是谁，你不仔细看还真不一定知道，可能以为是联想新加坡或者联想北京的。但它上面写得很清楚：运营主体是联想集团，包括一系列关联主体。

它这么写的初衷，本意是为了合规——万一将来哪个主体涉及数据处理，隐私政策里有依据，是这个出发点，但无形当中等于给对方递了把刀。那好了，集团关联公司都算上了，美国联想也在内，主体条件满足了。

再说信息收集。消费者自己也能完成取证，但他们通常会找第三方监测机构，这些机构多的是，马上就能抓取到网站收集了哪些信息，给你出个报告。前面不是提到10万阈值吗？为什么要搞集体诉讼？因为一个人访问，就那几条信息，不够看。但联想官网去年的访问量，包括设备号、IP地址这些，超过1300万，远远超过10万，要素凑齐了。

当然，这几个环节也不是无懈可击。比如，网站运营主体写上了，但实际上没运营，那这种情况算不算？再比如，这些访问都发生了，但不一定都传输了吧？所以这个案子其实还有的争。

但联想案确实给我们敲了个警钟。很多企业一看，自己情况一模一样，所以大家都很警觉。

回到你刚才问的问题，欧盟是一套逻辑，美国又是一套逻辑。现在还有很多国家和地区，立法是参照欧盟的，比如东南亚很多国家。所以中企对不同目标市场的态度，确实也会有所差别。

这些合规“暗礁”必须避开

观察者网：您之前多次提到AI合规应该是全链条的，覆盖从语料训练到产品落地的整个生命周期。那在AI出海的场景下，从训练到部署再到运营，各个阶段面临的合规风险有什么不同？

刘新宇：我们先说训练阶段，训练阶段最核心的风险在于语料。你要训练模型，就得喂数据，那这些数据采集的合法性基础是什么？来源是否合规，这是关键。

举个例子，很多数据是从网上爬取的，有的是普通爬虫技术就能拿到的公开信息。但这里有一个误区：很多人觉得信息已经公开了，我自然能获取，自然也就能用。但实际上，公开不等于你可以自由使用，更不等于你可以拿来训练模型。这个逻辑是不成立的。

我举个例子。比如有人刚到上海工作想租房，把自己的电话信息留在了租房平台上，目的是让中介联系过来。结果有人看这个人学历不错、工作不错，就给介绍对象——可是这个人不是为了找对象才公布这些信息的吧？

所以，你看到并拿到这些信息没问题，我公布了就是让大家看到的，但我没允许你随便用。以“已公开”作为自由训练的理由，在法律上是站不住脚的。

欧盟GDPR的要求也很明确，所有的数据处理活动都要有合法性基础——同意、合法利益、合同必要等等，依据很细，光靠一个“已公开”实在太单薄了。这就是训练阶段的主要风险。

《通用数据保护条例》 (GDPR) 是欧盟2018年通过的一项全面的数据保护法。主要目标为取回个人对于个人数据的控制，以及为了国际商务而简化在欧盟内的统一规范。

再说部署阶段。部署的时候，欧盟人工智能法就开始介入了，它会看你这个系统的风险级别是什么级别——有的直接被禁止，有的按风险分高、中、低。不同级别对应不同的义务。如果你连自己属于哪个级别都没搞清楚，部署阶段肯定要出问题，因为对应的义务你根本不知道。

还有一个细节容易被忽略，就是企业自身的定位问题。很多AI出海的企业，底层接的是别人的大模型，但名义上以自己的面貌对外提供服务，不会告诉你“我底层用的是DeepSeek”或“我用的是豆包”。这种把自己包装成独立服务提供者的做法，在欧盟人工智能法框架下，你可能就不是一个单纯的“部署者”，而是“提供者”。至于你底层接的是谁，那些能力都是合成到你自己的服务体系里的，那就是你在提供。

如果你明确告诉用户“我只是个接口，用的是谁的模型”，那才算部署。但如果你没有充分披露，那你就是提供者。这两种定位的合规义务差别很大，必须要搞清楚。

最后说运营阶段。运营阶段涉及到数据实际流转的问题。比如你的大模型出海到欧盟，欧盟用户在使用过程中，输入的数据会不会回传到国内？如果有，那就涉及欧盟用户个人信息出境的问题，要满足SCC、补充措施、TIA等一系列合规要求。这是需要判断的。

另外还有一个重要问题，大模型有时候会发生“幻觉”。那你作为运营方，就有持续监控和持续合规的义务，要对模型的输出保持跟踪，这是一个长期的过程。不是说训练和部署阶段做完合规就结束了，合规动作是要和业务持续发展同步推进的。而且严格来说，这三个阶段涉及到的合规义务，在运营阶段也都有延续。

所以简单概括一下：训练阶段重在语料来源的合法性，部署阶段重在风险分级和主体定位，运营阶段重在数据跨境流转和持续监控。三个阶段各有侧重，但合规的逻辑是一以贯之的。

观察者网：您前面提到定位很重要，因为不同定位适用的规则不一样。那部署者和提供者这两种定位的差异，会不会导致企业为了减轻义务而倾向于把自己包装成某一种？

刘新宇：这个问题其实是辩证的。如果你纯粹是个部署者，相当于提供很多大模型供用户自行选择，那你的主体地位就下降了，有点像银行的“贷款超市”——你想去哪家银行贷款，直接跟那边联系就行，不需要通过我。但如果你说“通过我，我来满足你的需求”，那你的主体性就很强，主体性越强，合规义务就越重，责任越大，负担也越重，这是相匹配的。

这跟我刚才讲的逻辑一样——如果只是为了少罚点款而控制业务规模，那就本末倒置了。罚款是按营业额比例来的，比如4%，你营业额100万，罚4万；你有100亿，就是4亿。不能为了只罚5万而不是5个亿，就让业务收着点、别做到100亿。业务该怎么做就怎么做，合规要去适配业务的节奏，而不是反过来让业务迁就合规的底线。

监管不确定性的两大来源：规则碎片化与管辖多重性

观察者网：法律1.0是设计规则，法律2.0是提供监管框架，法律3.0则是承认新技术本身也是监管工具。想先请您简单解释一下这个概念，如何理解“新技术本身也可以成为监管工具”？其次，在AI出海合规的场景下，您觉得哪些技术手段正在扮演这个角色？

刘新宇：这个概念最早是英国学者罗杰·布朗斯沃德提出来的，他写了本书叫《法律3.0》，讲的是规则、规制与技术的关系。

1.0是事后规制模式——法律立在那里，出了什么事，该怎么行政处罚、怎么裁判、怎么执法，大家都清楚。

2.0是前瞻性的监管框架，有专门的机构，做一些风险控制之类的工作。

3.0就进了一步，它讲的是新技术本身也可以成为监管工具。你可能听过一个词叫“RegTech”，即监管科技，说的就是这个意思。它要求在技术架构的内在设计里预先嵌入合规的要求，让合规义务在技术运行层面就能自动落地。

我们现在讲的技术手段，肯定要迎着监管的需求走。

监管关心什么？比如隐私保护，那你技术方案就要往这个方向靠。再比如欧盟经常强调的“可审计”“可透明”“可解释”，这些就是监管诉求。所以我们要鼓励企业在技术架构中嵌入一些满足隐私保护、可审计、可解释的合规功能。

从法律角度观察，目前比较常见的几类技术手段，比如隐私计算、联邦学习，还有可解释性AI，都可以拿来说一说。

隐私计算的核心逻辑是“数据可用不可见”。用户担心你看到他的数据之后怎么处理、怎么收集，担心个人信息被滥用。但运营方的诉求往往不是要“看”数据，而是要用数据做分析、联合建模。如果能做到“只用不见”，那双方的需求都满足了。以出海场景为例，如果在欧盟本地完成模型训练，就不需要把欧盟用户的数据传回国内，从根源上规避了数据跨境传输的合规义务。

联邦学习也有类似逻辑。传统的路径是“从数据到模型”——先有数据，再建模。但你有数据，就绕不开监管对数据保护的要求。现在提的“从模型到数据”，是各方一起建模，把模型的参数传到中心平台聚合，而不是把原始数据传过去。当然，这个技术路径也不是100%解决法律问题，即使模型参数大概率不涉及个人信息，但也不能打包票。

可解释性AI，则是直接回应欧盟的透明度要求。欧盟人工智能法特别强调，AI系统要提供足够的透明度，让用户理解输出是怎么来的。可解释性AI就是为了解决这个问题。

不过这些都是探索方向，还在探索阶段。从面上看，它们确实有希望解决很多问题，但不能因此陷入“技术万能论”的迷思，觉得有了这些技术合规就一劳永逸了。技术的安全性是否得到充分验证，本地监管是否认可，这些都是问题。更重要的是，技术再怎么合规，也没法从根本上取代法律合规——它是增强器、加速器，但不是替代品。

观察者网：从2025年到2026年，全球AI监管正在从“自愿性原则”走向“针对具体产品的强制性规则”。对于正在筹备或已经出海的中国AI企业，您认为当前最大的监管不确定性来自哪里？

刘新宇：现在技术发展比较快，监管跟进的速度在不同国家和地区也不一样。有的跟得快，有的跟得慢。但这对企业来说就面临一个问题。你问企业出海去哪，答案是：哪有生意就去哪，不会自我设限。冰岛有生意就去冰岛，赤道几内亚有生意也照样去。哪里有市场机会就去哪里，所以全球两百多个国家和地区都有中企的身影。

那挑战在哪里？第一，是规则的碎片化。不是每个国家和地区都有人工智能法，比如我们国内目前就没有统一的人工智能法。相关规定散落在《生成式人工智能服务管理暂行办法》《数据安全法》等不同的法律法规当中。对出海企业来说，规则碎片化本身就带来很大的合规成本。

如果有个统一的人工智能法，很简单，照着做就行。但没有的话，你问我中国关于人工智能监管的法律法规有哪些，可能一时半会儿都说不清楚，其他国家也一样。

第二，是多重管辖权的叠加冲突。企业不是只去一个国家，而是同时进入十个甚至更多市场。你得把这十个国家的合规要求都吃透，而每个国家还有我刚才说的规则碎片化问题。这就意味着碎片化和管辖多重性是叠加在一起的。

而且还要看具体是哪些国家和地区。欧盟还好，至少是统一的框架。美国呢，联邦层面和各州层面各有各的规定，今天这任总统出一个行政令，下一任可能又推翻，规则变动非常频繁。有的说要鼓励AI发展，说是大国博弈的战略重点；有的又不能让AI替代人。企业要跟上这种政策变化，确实不容易。

所以我觉得最大的挑战，归根结底就是规则碎片化、管辖多重性，再加上法律本身还在不断迭代。欧盟自己也在一直调整，监管有滞后性，它对技术的理解也在不断深化，所以法律到了某个节点，后面还得不断打补丁，这也是不确定性的一部分。

7月末，美国芯片巨头英伟达（Nvidia）首席执行官黄仁勋首次在社交平台X发文力挺开源人工智能（AI）模型，强调世界既需要前沿的闭源模型，也需要前沿的开源模型。

观察者网：针对监管不确定性，中国企业有什么应对方法吗？

刘新宇：应对思路无非两种。一种是分区域设计，到哪个市场就按哪个市场的要求来，本地化处理。比如在巴西训练给巴西用的模型，在韩国训练给韩国用的，这样每个区域各自独立。但缺点就是成本高、效率低，模型也得跟着市场做具体调整。

另一种是统一框架，有些企业喜欢全球统一，甚至连隐私政策都想用一个版本。但每个国家对隐私政策的要求不一样，所以只能把各国的合规要求做成不同的合规模块，再整合嵌入到同一个产品中。这两种思路各有利弊，但无论选哪一种，碎片化、多重性和法律的动态变化都是绕不开的挑战。

观察者网：除了政策本身在变，美国科技界对中国模型的态度也存在分歧。这对AI企业出海会有哪些影响？

刘新宇：肯定会有影响，但企业更多只是被动地跟进和应对。

就像我们在部署模型时没法做特别前瞻性的安排一样，合规工作也没法提前把一切都规划好。因为这些科技大佬的想法本身也在变，今天一个态度，明天可能又是另一个。

这些科技巨头代表的可能是硅谷精英或者某些大厂的立场，他们都在试图把自己的想法转化成规则或立法来落地。

如果最后没有变成法律或规则，那它影响的主要是你和客户之间、或者商业层面上的考量；但一旦变成法律或规则落地了，那就直接变成合规问题了，你必须跟进。

不过说实话，他们内部的博弈也挺激烈，想法不太稳定，变化很快。那对我们中企来说，只能是以不变应万变，在奔跑过程中不断调整节奏。

“技术血统”是绕不开的

观察者网：AI核心技术出海，不仅是一个商业行为，更关系到国家技术安全和战略利益。您如何理解“技术血统”这个概念？企业在出海架构设计时，应当如何正确理解注册地变更与技术属性变更之间的区别？

刘新宇：“技术血统”这个词，最典型的案例就是Meta收购Manus被叫停这件事，很有代表性。其实这种操作模式以前也不是没人走过，它应该不是第一个，但被叫停之后，才变成公众普遍关注的新闻热点。

实际上，判断一项技术是否受出口管制法律管辖的时候，注册地并不是唯一的判断标准。很多时候我们会溯源，追溯到技术的“出生地”——那才是它的基因，而不是看你后面把注册地变更到哪里。就好比以前国内企业准备上市，临上市前各地都来招商引资，说“到我这来注册，给你多少优惠政策”，本质上是一个道理。但企业怎么成长起来的，基因在哪里，那是改不掉的。

具体来说，你的底层算法是怎么跑出来的？代码是在哪编写的？核心技术骨干和关键研发人员的工作轨迹在哪里？这些才是我们判断技术血统的依据。这个案子也告诉我们一个原则：重实质、轻形式，更多考察实质性的问题。

其实美国的出口管制法律体系里有“外国直接产品规则”，欧盟也有类似的穿透性审查机制，本质逻辑是一样的。那为什么大家好像觉得这条路径能走得通？核心诉求其实很清楚，无非两方面：一是通过去新加坡注册一个境外法人身份，试图绕开中国的技术出口管制；二是想避开美国对华投资的限制——如果你是个纯粹的中国企业，美国某些基金是不能投的。所以就有“新加坡洗白”这个说法，看似一举多得，出口管制和投资限制好像都解决了。

“新加坡洗白”（Singapore washing）是一个描述特定商业现象的概念，主要指一些企业通过将总部或运营主体迁至新加坡，试图“淡化”其原属国身份，以规避因地缘政治带来的商业风险。

但技术的属性变更，不是说换一个注册地、换个壳就完成的。我们要看的是：你的核心算法是不是准备在新加坡重新编写？研发团队是不是实质性地替换了？还是只是搞了个双轨制？这些才是判断标准。真正的技术属性变更，属于“基因重造”，显然不是简单的改头换面就能实现的。

所以我觉得，如果企业有出海或者拿美国资本的计划，应该在融资或交易达成前六到十二个月，就开始做技术血统的审查。这个审查的标准和刻度，不管是谁来做，都有一定的公理在，不至于完全说不清。

企业需要系统梳理的是：代码到底是在哪写的？核心技术人员是什么背景？训练算法用的数据又来源于哪里？如果你的应用主要面向中国本地用户，那数据大概率是在中国收集和训练的，这些都会成为判断技术原产地的依据。提前摸排清楚，比临时抱佛脚要稳妥得多。

观察者网：AI企业出海面临的其实是一个双重合规的要求，既要满足中国数据出境的监管要求，又要符合目标国本地的数据保护规定。您认为这两套体系之间存在哪些冲突或张力？

刘新宇：这个问题确实存在。我们就以个人信息出境为例，拿中国和欧盟来说。

首先需要明确一个视角：数据出境这个概念，是站在传输国的角度来看的。从中国传到欧盟，在中国监管视角下这叫数据出境；反过来，从欧盟的角度看，它属于入境，目标国对入境数据管得相对较少，主要管的是“什么东西从我这传出去了”。所以监管重心主要在传输国。

在数据出境这件事上，中国这边其实是释放了很大善意的。比如我们有《促进和规范数据跨境流动规定》，给企业松绑减负的意图很明显。上海、北京、天津等自贸区也都推出了负面清单制度，在不违背整体利益、不放松个人信息保护的前提下，尽可能为企业减轻负担。所以无论是对大模型企业还是普通跨国公司，我们在数据出境这块是在简化放权的。

但回到你说的冲突张力问题——至少欧盟对我们这边，目前还没有释放出特别大的对等善意，不信任的基础还没有根本动摇。

当然这里面原因比较复杂，也存在很大误解。解决方法很简单，你欧洲人来中国看看就知道了，我们做得不足的地方确实有，而且不少，但和你认为的“数据随意调取、随意侵犯、无法补救、没有救济途径”之间，那还是有天壤之别的。中国的不足，与欧洲对我们的偏见，这中间的差距挺大的。

在目前这个格局没有实质性改变之前，出海的中企，尤其是去欧盟的企业，确实面临着双重合规的挑战。

但现状就是这样。中企出海要满足不同国家的数据监管要求，我们又不在他们的“白名单”里，没有对等互认机制，只能靠一个个企业不断在合规上做扎实，慢慢改变他们的认识。当然需要强调的是，欧盟也不是只针对中国，对美国或者其他国家该罚也罚，一视同仁。这就要求我们的企业在出海迅猛的同时，合规能力也要尽快跟上。

观察者网：遇到欧盟这样的“合规之壁”，会影响企业出海的积极性吗？

刘新宇：基本上，大家不会因为监管严、执法活跃就放弃这块市场。就像我一开始讲的，两个东西要平衡——我不会为了合规放弃业务，也不会因为被罚了就把这个市场扔掉。大部分企业还是会积极应对。

积极应对就意味着合规成本上来了，这是成长的代价。但这个成本怎么花，路径又不一样：有的是在小修小补；有的干脆把服务器迁到当地；有的更彻底，连算法带工程师连人带设备全出去。

但到了这一步，又会涉及新的问题——出口管制管不管？有的能出，有的不能出。所以企业还得在这些选项之间做权衡和取舍。

观察者网：之前看到您在采访中提到过"AI中转站"的合规问题。您指出中转站从业者要避免一个认知盲区——只要数据经过代理服务器并发生收集、存储、传输，就可能构成法律意义上的数据处理。您还提到API中转绕不开电信业务经营许可和生成式AI服务备案这两道门槛。您能否先简要说明一下这个观点？您觉得这对我们理解更广泛的AI出海合规逻辑有什么帮助？

刘新宇：这算是相对较新的热点。电信业务许可和生成式AI服务备案，是立足中国国内法下的要求——因为我们讨论中转站，肯定绕不开中国的情况。这两道门槛是国内法的规定，你得先满足境内法的合规要求。如果是美国公司、韩国公司在美国和韩国之间做中转，它不需要遵循中国的电信业务许可，逻辑是不一样的。

那放到海外场景下，监管逻辑就完全不同了。你得跟着目标国的规则走，看它对AI的具体监管要求。老实说，我们对欧盟人工智能法目前也还在学习阶段。字面上英文看得懂，中文更看得懂，但有些尺度我们确实还吃不准。有一说一，目前有分量的处罚案例其实还没出来。

立法出来之后，得有有权机关或者本国律师来解释。就像我们解释中国的数据安全法、个保法，肯定比一个看了英文版本的美国律师理解得精准。反过来也一样，欧盟律师对人工智能法的理解肯定比我们细致。而且光有立法还不够，还得有执法和判例，才有教育意义。执法案例出来之后，我们才知道某个点该怎么理解。

所以目前我们只能做一个粗线条的判断，但很多细节我们现在确实还吃不准，还在研究中。

就像GDPR一样，你让中国律师去解释欧盟法，我们谈不上"解释"，但我们需要以我们的理解讲给中国企业听。一方面这是普法，另一方面，中企出海哪怕最终需要欧盟律师给出意见，我们在这个中间也有桥梁价值。合规不是非黑即白的，合规有刻度，做到什么是100分、做到什么是60分，其中是有弹性的。企业如果直接去找欧盟律师，可能问不出具体问题——你只能说"我们有市场，想合规"，对方说"那做到这个程度"，你说"我利润还不够覆盖合规成本"，对话就结束了。

而我们会告诉企业，你目前得先做到60分，业务推进到哪一步，合规的水位就要同步提到哪一步。中企出海现在很迅猛，但合规起步晚，整体上有差距。不能因为合规成本高就放弃业务，也不能业务猛跑、合规不管、等罚了再说。

这是个同步的问题，而要做到同步，得精准判断这个60分在哪。

观察者网：您对于AI出海的中国企业有什么合规方面的建议？

刘新宇：首先，就是要破除之前我们讨论的四大误区。

破除误区之后，核心是两条腿走路：

一是研读立法。比如欧盟人工智能法出来之后，要尽早学习，了解它大概讲了什么、哪些条款和自己相关。暂时理解不透的精细部分，可以请专业律师甚至欧盟当地律师来解读。有解读总比没解读强，知道法条存在总比不知道强。

二是关注执法判例。不要觉得被罚的企业体量比你大、和你无关，要看他们的业务模式和展业逻辑和你有没有相似性。今天发生在他身上的问题，明天或后天也可能发生在你身上。要把执法案例中的经验教训内化成自己的合规动作。

总结一句话：合规水位要随着业务发展同步提高。不要求一步到位100分，但也不能业务猛跑、合规原地踏步。起步晚没关系，但得有起步的意识和行动。

本文系观察者网独家稿件，文章内容纯属作者个人观点，不代表平台观点，未经授权，不得转载，否则将追究法律责任。关注观察者网微信guanchacn，每日阅读趣味文章。