2026年7月3日，國家網信辦發佈《互聯網信息服務管理辦法（修訂草案徵求意見稿）》，首次增設「智能信息服務」專章。對比2023年的《生成式人工智能服務管理暫行辦法》，此次修訂草案要求AI服務提供者公示技術基本原理與訓練數據來源，並明確禁止強制用戶使用智能信息服務。

當大模型動輒宣稱預訓練數據超過20萬億tokens卻對來源諱莫如深，當各類App普遍存在「萬物強行疊加AI」且默認開啟難以關閉的亂象，新規的落地意味著我國AI監管邏輯已從「包容審慎」全面轉向「透明度與防操縱並重」。對於AI創業者和開發者而言，這不再是一紙宏觀文件，而是直接關乎產品設計、合規成本與商業模式的生存考題。

監管顆粒度躍升：數據來源與運行機制必須公示

我國AI監管的顆粒度正在發生躍升。2023年7月實施的《生成式人工智能服務管理暫行辦法》在數據層面僅要求「依法開展預訓練、優化訓練等訓練數據處理活動」，屬於底線式規範。而本次《修訂草案》第56條明確要求，智能信息服務提供者應當公示相關技術的基本原理、目的意義、主要運行機制、訓練數據來源等信息。

這意味著透明度從軟性倡導變成了硬性准入門檻，未公示相關信息的AI產品將面臨無法上架或被下架的風險。

20萬億tokens怎麼溯源：創業團隊的合規賬本

強制公示訓練數據來源，對AI創業團隊而言是一筆算不清的糊塗賬。目前國內主流大模型在數據披露上普遍存在「重規模、輕來源」的傾向。以通義千問Qwen2.5-Max為例，據智源社區等機構披露，其預訓練數據超過20萬億tokens；Kimi等模型的技術報告也提及數據覆蓋網頁、代碼等。但這些信息多停留在技術報告的宏觀描述層面，極少有面向C端詳細公示具體數據來源清單及版權過濾情況的案例。澎湃新聞在2025年初實測7款主流大模型時也曾指出，隱私裸奔成通病，信息披露透明度嚴重不足。

對於依賴開源數據集或網頁爬蟲的中小創業者來說，新規落地後必須建立完整的「數據血緣」台賬。覆蓋數十萬億tokens的數據溯源和版權過濾機制，需要龐大的法務和算力成本。若無法公示或公示存在瑕疵，產品將面臨直接下架的風險。這實質上抬高了行業的准入門檻，讓缺乏合規基建能力的團隊在起跑線就被淘汰。

禁止強制使用AI：App強塞功能的流量邏輯失效

草案明確禁止強制用戶使用智能信息服務，嚴禁利用算法干預網絡輿論秩序。這一條款直指當前互聯網產品「萬物強行疊加AI」的流量頑疾。

2026年4月，國內18家大模型廠商聯合發佈《新一代人工智能產業功能規範管理倡議》，提出「可關閉的AI原則」，痛批隱藏開關及自動重啟等套路。這側面印證了當前各類App普遍存在默認開啟AI助手、設置多層隱藏開關、靜默採集數據反哺模型的亂象。

新規落地將直接切斷大廠靠「關不掉的懸浮窗」獲取AI交互數據的流量飛輪。對於AI創業者和開發者而言，產品設計邏輯必須發生根本轉變。AI功能不能再作為強塞給用戶的負擔，而必須回歸真實的用戶價值。產品界面需要提供清晰的一鍵關閉選項，並徹底終止後台運行。流量獲取邏輯從「強制曝光」轉向「價值吸引」，這對AI產品的留存能力和核心體驗提出了更高要求。

顯著標識與防網暴：生成接口必須增加審核邏輯

在內容治理層面，草案要求對生成合成內容進行顯著標識，並規定平台須建立網絡暴力信息特徵庫，向用戶提供屏蔽、禁止轉載等防護功能。

結合2025年9月正式施行的《人工智能生成合成內容標識辦法》及強制性國標，AIGC內容的顯式與隱式標識已成為硬性要求。這意味著AI生成鏈路必須進行深度技術改造。對於提供API的開發者而言，必須在接口層增加內容安全審核邏輯，並註入數字水印或元數據等隱式標識。同時，生成內容必須接入網絡暴力信息特徵庫進行前置攔截，內容治理不再是事後補救，而是產品基建的一部分。

隨著合規要求的提升，AI內容檢測工具的應用場景也在擴展。它們將從極客玩家的測試玩具，轉變為平台審核和企業合規的輔助基建，幫助識別未按規定標識的AI生成內容，完善內容治理生態。

從盤點結果來看，即便是頭部大模型產品，在數據來源的詳細公示上仍處於模糊處理狀態，透明度不足。在內容標識方面，雖然基礎AIGC標識已普及，但隱式水印等技術尚未全面覆蓋。而在AI功能可關閉性上，行業普遍存在難以徹底關閉的痛點，部分集成場景下的AI助手仍處於默認開啟狀態。當前行業整體距離新規要求仍有明顯差距，尤其是在數據來源公示和AI功能可關閉性上存在合規缺口。

合規審查需要前置到產品研發階段，而非上線後再由法務部門補救。創業者在選型外部AI工具或自研模型時，必須將數據透明度和防操縱能力納入核心評估指標。在透明度與防操縱的新合規框架下，只有將合規成本計入研發底座，AI產品才具備走向市場的資格。