转自：法治日报

　　□　张凌寒2025年开年以来，DeepSeek作为中国人工智能企业代表，引发全球关注。全球化浪潮下，中国科技企业出海已成为必然选择。然而，由于国际局势、地缘政治、法律制度环境等原因，新兴的人工智能企业出海在面对“老问题”的同时，恐怕又要面临“新情况”，对此亟待系统研究回应。中国科技企业出海面临的老问题大致可分为三类。第一类可简称为“网络安全威胁论”。部分西方国家宣扬中国科技企业生产的设备危害国家安全，可能被用于侵犯人权、将境外公民个人信息隐私传输回中国境内等。华为在国外遭受的多次诉讼与调查就是典型代表。第二类可简称为“窃取技术秘密论”。数年来，美国、欧盟等国家和地区指控中国科技企业窃取商业机密、窃取知识产权，认为中国企业的科技成果并非源于自身研发。第三类可简称为“政府背后指使论”。如指责中国科技企业取得目前的市场地位是依靠政府的大量补贴与优惠待遇，却罔顾美国、欧洲数以千亿计的科技产业扶持资金投入。此外，还指责中国科技企业正常参与的国际交流活动、技术标准制定等都存在威胁。总体来说，这些以国别出身为由发起法律诉讼、安全审查的打压行为，导致中国科技企业难以获得公平的竞争环境。人工智能时代，中国科技企业出海仍面临这些“老问题”。如DeepSeek引起美国科技界关注后，很快被美国人工智能企业OpenAI指责窃取技术秘密，通过知识“蒸馏”训练模型。实际上，“蒸馏”是行业内通行做法，且OpenAI的格式用户协议本身就存疑，甚至自己就踩在非法获取受著作权保护的作品和互联网数据的灰色地带。除了口头指责，OpenAI至今未拿出任何证据。从目前情况看，一些国家对DeepSeek或封杀，或禁止在政府设备中使用，或采取数据相关监管措施，这些举措可谓“熟悉的配方，熟悉的味道”。与此同时，中国科技企业也面临一些“新问题”，这些问题可能在未来发酵。第一，中国开源人工智能模型引起业界高度关注，可能引发全球尤其是美西方国家开源模型监管浪潮。目前各国人工智能监管的对象是闭源人工智能大模型，对开源模型则设置合规义务与责任豁免。如今DeepSeek成为全球最有影响力的开源模型之一，暂停的开源模型治理势必将被重新提上日程。开源模型企业不仅可能要面对与闭源模型企业相同的训练数据知识产权侵权纠纷，还可能面临开源标准、开源许可证内容、下游接入者相关责任等方面的挑战，甚至面临新的立法、长臂管辖以及国家安全问题的审查。第二，中国人工智能企业的优势在于落地和应用，与传统互联网信息服务相比，人工智能将在物理实体方面有更多应用，如机器人、智能家居等产品。这就使得人工智能企业除了要应对传统的数据安全、网络安全、个人信息保护等法律问题，还需在遵守当地法律、履行合规义务方面作出更为全面精细的安排，如需遵守不同国家相关产品技术标准等。此外，人工智能产品可能直接造成人身损害，而现行责任认定规则并不明确，价值链上的相关主体（如训练数据提供者、硬件生产者和软件服务提供者）都可能需要担责。因此，人工智能企业在出海时需要寻找可靠的合作伙伴，并事先在协议中作好相关安排。第三，地缘政治竞争进一步加剧，人工智能企业生存与发展的不确定性进一步增强。前不久在法国巴黎举行的人工智能行动峰会上，包括法国、中国、欧盟在内的多个国家和国际组织共同签署了《关于发展包容、可持续的人工智能造福人类与地球的声明》。声明表示，确保人工智能开放、包容、透明、合乎道德、安全、可靠且值得信赖。个别国家未签署该声明，体现了AI治理路径上的分歧。如今，人工智能产业已超越单纯的“技术竞赛”，成为影响全球地缘政治和意识形态格局的重要力量。个别国家一方面在国内放松人工智能监管，另一方面为了确保自身在人工智能领域的领先地位，有可能采用更多非常规、非制度性的手段遏制中国人工智能产业的发展。这需要中国人工智能企业在投融资、数据跨境与安全等方面更加提高警惕。随着全球人工智能技术竞争的进一步加剧，中国人工智能企业出海将迎来更多的机遇和挑战。对此，提升自身实力是根本，打造更好的制度环境是必须。（作者系中国政法大学数据法治研究院教授，联合国人工智能高层顾问机构中方成员）

　　转自：法治日报

　　□　赵精武DeepSeek的出现彻底改变了固有的“高端算力优先”的人工智能创新技术路线，其以低廉的成本实现了与国外前沿人工智能产品相媲美的性能，“算法模型性能优先”也随之成为新的产业技术发展路线。这种转变意味着要更加重视训练数据的高质量供给，因为“算法模型性能优先”技术路线更依赖高质量的训练数据对模型进行优化，而且已公开、可抓取的训练数据资源即将用尽，亟需能够反映行业特征的高质量训练数据资源。因此，训练数据供给机制的构建理应作为数据基础制度的立法重心之一，从而用法律规范训练数据的供给方式，提升训练数据的供给质量。规范训练数据供给方式所要实现的目标，是市场以安全可靠且高效的方式提供训练数据资源。首先，训练数据的供给方式应当是安全可控的。算法模型训练属于数据处理行为，因而数据的供给方和需求方均应严格履行个人信息保护法、网络安全法等法律规定的数据安全保护义务。其次，训练数据的供给方式应当是合法且没有争议的。高质量供给的内涵之一便是确保训练数据没有显著争议，否则会增加法律风险，从而降低科技创新资源的供给效率。最后，训练数据的供给方式应当是多元化的。单一的数据供给方式不仅无法提供充分的训练数据，还可能间接提升人工智能市场的准入门槛。提升训练数据供给质量所要实现的目标，则是数据资源供给活动应当满足“供给数量充分”和“供给质量符合要求”两个要件。一方面，当下的人工智能产业发展主要以大模型为基础，需要海量的训练数据作为支撑。另一方面，伴随着人工智能应用方式的场景化、专业化，其对训练数据质量的要求也有所提高。构建这种保障机制的重心，是兼顾科技创新主体的差异化需求以及训练数据获取方式的实质公平性，同时确保与现行立法体系有效整合。第一，以科技创新主体为导向，构建人工智能训练数据公共服务平台。作为人工智能创新的数字基础设施，平台的职能之一便是发现和确认各类科技创新主体的需求，明确公共训练数据资源的分类标准。不过，由于政府部门难以持续性地对公共数据进行清洗、归集等，因此需要在协同治理模式下，按照市场需求，对公共数据进行去重、纠错、填补空值等管理，以提升数据使用质量。此外，由于平台与算力基础设施同属向市场提供的必要基础设施，二者共同作用并影响人工智能创新效率，为避免冗余建设造成浪费，更宜将二者一体化建设。第二，以市场公平竞争为导向，构建训练数据供给生态保障体系。我国现阶段人工智能训练数据方面面临的困境，不仅仅是数据量不足、质量较低，还包括有效的产业生态尚未形成。为避免数据垄断等现象，确保中小企业实质性公平地获取训练数据，有必要对相关数据提供商设置义务规范。如对于训练数据提供商而言，应当严格禁止其采取强制或变相强制的方式出售捆绑性的训练数据产品，并不得采取“二选一”等业务模式，对需求方施加不合理的条件。对于数据标注服务提供商而言，不仅要依据《生成式人工智能服务管理暂行办法》规定，预防算法歧视等风险，还应当确保所提供的数据满足完整性、时效性、准确性等要求，且与事前约定的数据质量保持一致。第三，以数据安全保障为导向，构建透明可信的训练数据供给机制。已公开的个人信息、包含他人著作权的作品数据能否作为训练数据等问题，是目前构建相关制度面临的障碍之一。此外，不安全、不可靠的数据交易活动同样会影响训练数据来源合法性的认定。因此，在制度层面确立训练数据来源合法性的判断标准显得尤为迫切。这既需要以典型案例、合规清单等方式指引产业实践，也需要在制度层面设置涵盖训练数据获取、使用等各个业务流程的数据安全保护制度。（作者系北京航空航天大学法学院副教授）

智通财经APP获悉，微软(MSFT.US)支持的OpenAI已向澳大利亚、巴西、加拿大、印度、日本、新加坡、韩国、英国及其他更多国家的ChatGPT Pro用户推出其人工智能代理——Operator。除欧盟、瑞士、挪威、列支敦士登和冰岛外，在大多数ChatGPT可用的地区，用户都能够使用Operator。

2025年2月10日，孩子王宣布完成基于DeepSeekV3大模型的KidsGPT底座升级。此次技术迭代不仅显著降低了部署成本，还将育儿知识问答场景的覆盖率提升至95%以上，标志着母婴童行业在数智化转型中迈出关键一步。与此同时，母婴平台妈妈网、宝宝树等也加速与DeepSeek的融合，通过模型优化与场景适配，推动行业生态进入“低成本工业化”新阶段。

《科创板日报》2月23日讯（记者 张洋洋）《科创板日报》记者从2025全球开发者先锋大会（GDC）主办方获悉，DeepSeek参与了今年大会，但是方式颇为低调，主要是以闭门会和工作坊的形式参与。