新规引关注
最近有好几位做美元基金的老客户给我打电话，问的都是同一件事：中国在人工智能方面出台的那些指导原则，到底会不会影响他们已经在谈的AI项目投资。说实话，这个问题问得挺及时的。我在嘉熙财税做外资企业服务这么多年，明显感觉到一个变化——以前外商来问的都是注册资本、经营范围、外汇登记这些常规问题，现在越来越多的人开始关心“合规之外”的东西，比如数据、算法治理、AI安全审查。这背后其实反映了一个大趋势：中国对外商投资的监管逻辑正在从单纯的“准入管理”向“准入+运营”双轨制转变。
先给不太熟悉背景的朋友补一下课。2023年以来，中国陆续发布了《科技审查办法（试行）》、《生成式人工智能服务管理暂行办法》，以及2024年更为细化的《人工智能治理指导意见》框架文件。这些文件虽然名称各异，但核心指向是一致的：对AI系统的研发、部署和投资活动，要引入审查作为前置或并行条件。对于外商投资而言，这意味着过去那种“只要符合负面清单就能进”的思路，正在被“符合负面清单+通过评估”的新范式所取代。我在2024年初帮一家欧洲工业AI公司做合资架构时，就第一次遇到了商务部门要求补充提交“算法自评估报告”的情况，当时客户很不理解，觉得这是不是针对外资的特殊要求。后来我解释清楚，这是普适性要求，只是外资企业因为跨境数据流动和总部算法黑箱问题，实际操作中更容易被问询。
那么为什么这个话题值得专业投资人格外关注？因为AI领域的投资，尤其是外资参与的投资，天然具有双重敏感性。一方面，AI技术本身被列为《中国禁止出口限制出口技术目录》中的关注领域；另一方面，外商投资安全审查制度（2020年发改委和商务部第37号令）已经把“重要信息技术和互联网产品与服务”纳入了审查范围。原则在这里扮演了一个“软性但有力”的筛选角色——它不像负面清单那样明令禁止，但会在项目备案、数据出境评估、甚至后续的上市审核中成为隐形的门槛。我见过一个案例，某外资VC投资的一家中国AI医疗影像公司，在申请科创板IPO时被问询了整整三轮关于“训练数据来源的合规性”，最后不得不重新梳理数据授权链条，耽误了将近八个月。这个代价，对于基金退出节奏的影响是实实在在的。
审查查什么
很多客户问我，审查到底看什么？是不是走个形式？我通常会拿一个真实的例子来说明。去年有一家日本制造企业想在中国设立AI研发中心，方向是工业视觉检测。他们在提交材料时，被要求说明三件事：第一，算法决策是否会对工人岗位产生系统性替代，以及有无过渡方案；第二，训练数据中是否包含员工个人信息，如何取得同意；第三，如果算法出现误判导致生产线停摆，责任归属如何界定。你看，这三个问题都不是传统外资审批会问的，但它们恰恰是审查的核心关切——人的权益、公平性、可问责性。
从制度设计来看，中国的AI审查主要围绕几个维度展开。首先是数据，包括数据来源的合法性、隐私保护、跨境传输的合规性。这一点对外资尤其关键，因为很多外资AI公司的模型训练依赖全球数据集，而中国的《个人信息保护法》和《数据出境安全评估办法》对“重要数据”和“个人信息”出境有严格限制。我经常提醒客户，不要以为把数据脱敏了就能随便传，审查会追问脱敏标准是否足够、重识别风险是否评估过。
其次是算法，重点关注算法歧视、透明度、可解释性。举个例子，如果外资投资的AI招聘系统被用于中国劳动力市场，审查会关注它是否对特定性别、年龄或地域的人群产生不公平的筛选结果。这类要求其实跟欧盟的《人工智能法案》有相似之处，但中国的落地路径更依赖“企业自评估+第三方评估+抽查”的组合拳，而不是单纯的事前许可。
第三是社会，涉及就业影响、社会公平、环境可持续性等。这部分相对软性，但在大型AI基础设施投资中会被重点考量。比如一个外资参与投资的超大规模智算中心，审查可能会问它的能耗是否与当地“双碳”目标冲突，是否对周边社区产生噪音或电磁影响。这些角度，传统财务尽调往往忽略，但在我经手的项目中，已经有好几个因为这类问题被要求补充材料。
第四是责任，即AI系统出错后的责任分配机制。外资公司常习惯用“算法黑箱”或“技术中立”来抗辩，但在中国的框架下，运营者不能以技术不可解释为由完全免责。我建议客户在投资协议里就明确约定：如果因为算法问题导致行政处罚或用户索赔，创始团队和投资方之间的责任如何划分。这一点，很多外资基金的法务一开始觉得多余，等到真出事了才后悔没提前写清楚。
外资准入的门槛
说到外资准入，就不得不提负面清单和鼓励目录的交叉作用。目前，AI本身并不在《外商投资准入特别管理措施（负面清单）》中单独列出，但涉及“互联网新闻信息服务”、“网络出版服务”、“络传播视听节目”等AI应用场景，仍然有股比限制或禁止性规定。更关键的是，审查正在成为负面清单之外的一道“隐形门槛”。我在2024年下半年帮一家中东主权基金做AI教育项目的尽职调查时，发现目标公司虽然外资股比没超限，但因为其AI自适应学习系统会收集未成年人的行为数据，商务部门在备案阶段就要求额外提交审查报告，整个周期拉长了近四个月。
那么具体哪些AI领域的投资会触发审查？根据我的观察和经验梳理，大致可以分为几类。第一类是涉及生物识别和公共安全的AI，比如人脸识别、步态识别、情绪识别。这类项目即使外资比例很小，也几乎一定会被问询合规性。第二类是涉及舆论生成和传播的AI，比如生成式AI、深度伪造检测、社交机器人。第三类是涉及医疗健康和生命科学的AI，比如辅助诊断、药物发现、基因数据分析。第四类是涉及就业和教育的AI，比如招聘筛选、绩效评估、智能 tutoring。第五类是涉及关键基础设施的AI，比如智能电网、自动驾驶、工业控制系统。
对于外资投资人来说，一个很现实的问题是：审查的裁量空间比较大，不同地区、不同时期的标准可能不一致。我在上海自贸区办过一个AI物流项目，审查主要看数据安全和就业影响；但同样类型的项目在某个中部省份，却被额外要求说明“算法是否可能被用于军事目的”。这不是说哪个地方故意刁难，而是因为治理本身还在快速演进中，地方执行层面存在理解差异。我的建议是：在项目早期就主动与当地网信办、科技局和商务部门做预沟通，不要等到正式申报时才发现材料缺项。预沟通虽然不产生法律效力，但能帮你摸清底线，避免走弯路。
还有一点容易被忽略：审查不仅针对新设投资，也针对并购和增资。我有个客户是新加坡的家族办公室，2023年想增资一家中国AI芯片设计公司，以为只是老股东跟投不用重新审批，结果因为该公司的新算法涉及“类脑计算”问题，被要求重新走外商投资信息报告和评估。千万不要有“老项目就安全”的侥幸心理，只要AI技术属性变了、应用场景变了，审查就可能被触发。
合规实操的难点
讲完了制度框架，咱们来点实在的。我在嘉熙财税这十几年，最大的体会是：合规的难点不在“知不知道”，而在“做不做得到”。很多外资客户总部有全球准则，但拿到中国来就水土不服。比如一家德国AI公司，总部要求“任何算法决策必须可解释”，这在中国框架下当然也是加分项，但问题是他们的模型是基于深度神经网络，本身可解释性就差。为了满足审查，不得不额外开发一套解释层，成本增加了将近30%。客户问我值不值得，我说如果你不这么做，项目可能根本落不了地，那30%就是必要的合规成本。
另一个常见难点是数据跨境与审查的叠加。外资AI公司往往需要把中国用户数据传输到海外总部进行模型迭代，但审查会追问：这些数据出境后是否会被用于军事、情报或其他敏感用途？即使你签了标准合同条款，审查方仍然可能要求提供境外接收方的治理架构说明。我通常建议客户采取“数据本地化+模型联邦学习”的折中方案，虽然技术复杂度高一些，但能同时满足数据出境安全和审查的要求。去年有一家做智能语音的以色列公司就是这么操作的，最后顺利拿到了备案。
第三个难点是第三方评估机构的选择。目前国内能做AI评估的机构还不多，主要集中在中国信息通信研究院、部分高校研究中心和少数律所。外资客户常问我：能不能用四大或者国际咨询公司？答案是：可以，但他们的报告在部分地方网信办那里认可度不如本土机构。我一般建议“国际方法+本土落地”，即让国际机构做方法论框架，再找本土机构做实地评估和盖章。这样既满足总部的要求，也符合地方审查的口味。成本会高一些，但比反复补材料要划算。
还有一个实操细节：审查报告的有效期。很多外资客户以为做一次评估就一劳永逸了，其实不然。如果AI系统的核心算法、训练数据来源、应用场景发生重大变化，评估需要重新做。我通常建议客户在投资协议里设置“合规持续义务”条款，要求被投企业每年更新自评估，并在发生重大变更时及时通知投资方。这不仅是保护投资，也是保护投资方自己不被牵连。毕竟，如果被投企业出了丑闻，外资股东在声誉上的损失可能远大于财务损失。
案例中的经验谈
说两个我亲身经历的例子，可能比抽象原则更有帮助。第一个案例是一家美国顶级VC投资的AI药物发现公司。这家公司在中国设立了研发中心，核心业务是用生成式AI设计新分子。2024年初，他们在申请外商投资信息报告时，被要求补充“生物安全审查”意见。客户一开始很懵，觉得AI制药跟生物安全有什么关系？后来我帮他们梳理发现，因为他们的AI模型会生成全新的分子结构，而这些分子有可能被用于合成危险物质，所以触发了《生物安全法》下的审查要求。解决方案是：在模型输出层增加“双重用途风险过滤”机制，并邀请第三方生物专家出具评估报告。整个流程走了将近五个月，但最终顺利通过。客户后来跟我说，这个经历让他们重新理解了“负责任创新”的含义。
第二个案例是一家欧洲工业AI公司，做的是基于计算机视觉的自动化质检。他们在江苏某市设立了合资公司，外资占股49%。项目本身不涉及敏感数据，也不涉及公共安全，按理说审查应该很简单。但问题出在算法对工人岗位的影响上。当地人社部门在会商时提出：这套系统如果全面部署，可能导致该工厂质检岗位减少40%，要求企业提交员工转岗培训计划和社会影响评估。客户觉得这是小题大做，但我劝他们认真对待，因为在中国，就业稳定是社会的重要组成部分，尤其是在制造业密集地区。最后他们跟当地职业培训学校合作，承诺三年内培训200名工人转型为AI系统运维员，才拿到了备案回执。这个案例告诉我们，审查不是纸上谈兵，它跟地方治理目标紧密挂钩。
从这两个案例中，我提炼出几条经验。第一，不要用纯法律思维去应对审查，法律讲的是“法无禁止即可为”，讲的是“可能被质疑即需说明”。第二，尽早引入本土专家，他们更了解审查尺度和话术。第三，把合规写进投资协议和公司章程，让它成为公司治理的一部分，而不是一次性应付。第四，保持与监管部门的持续沟通，标准在变，你的合规策略也要跟着变。我见过太多外资客户，项目拿到备案后就再也不跟监管部门联系，结果下一次增资时发现标准已经变了，又得从头再来。
未来趋势的判断
站在2025年这个时间点往回看，我认为中国AI治理对外商投资的影响才刚刚开始。有几个趋势值得大家留意。第一，审查可能会从“项目制”走向“常态化”。现在很多地方还是在投资准入环节问一次，未来可能变成年度报告加随机抽查。第二，标准与数据出境、算法备案、安全评估的联动会更加紧密。也就是说，你不可能单独搞定某一项，必须做系统性合规。第三，行业细分标准会陆续出台。比如医疗AI、金融AI、自动驾驶AI，各自的审查要点会越来越不一样。第四，国际互认可能成为一个议题。中国已经在跟一些国家探讨AI标准的对接，未来如果外资母国和中国有互认安排，合规成本会降低。
对于专业投资机构来说，我的建议是：把AI合规纳入投资决策的前置条件，而不是投后管理的补救措施。具体来说，在Term Sheet阶段就要问清楚：目标公司的AI系统是否做过自评估？训练数据来源是否清晰？有没有算法影响评估报告？如果答案是否定的，要么要求创始人限期整改，要么在估值上体现合规成本。我见过一个基金，因为忽略了这个环节，投后才发现被投企业需要花2000万人民币做数据合规整改，直接吃掉了预期回报的15%。这种教训，一次就够了。
我也注意到一个有趣的现象：一些聪明的外资基金开始把“合规能力”当作投资标的的加分项。什么意思呢？就是同样的AI赛道，如果一家中国创业公司已经主动做了审查、建立了算法治理委员会，那么它在下一轮融资或者上市时，面临的监管不确定性会小很多。这种“合规溢价”在当前的资本市场环境中越来越明显。我在帮客户做尽调时，也会特意关注这一点，因为在AI领域，合规不是成本，而是护城河。这个观点可能还有争议，但从我经手的案例来看，趋势已经比较清晰了。
最后想说的是，中国在AI治理上的探索，本质上是在“创新发展”和“安全可控”之间找平衡。对外商投资而言，这既带来挑战，也带来机会。挑战是合规门槛提高了，机会是那些愿意认真做合规的企业，反而能获得更稳定的政策预期和更可持续的市场准入。我在嘉熙财税这十几年，见过太多外资企业从“被动合规”转向“主动治理”，这个转变虽然痛苦，但长远看是值得的。
总结与展望
回顾全文，我们围绕中国人工智能指导原则与外商投资审查这一主题，从制度背景、审查维度、准入门槛、实操难点、案例经验和未来趋势六个方面做了系统梳理。核心结论可以归纳为三点：第一，审查正在成为外资进入中国AI领域的一道实质性门槛，其影响力不亚于传统的负面清单和安全审查；第二，合规的关键在于“提前沟通+系统治理+持续更新”，任何试图临时抱佛脚的做法都可能导致项目延期或失败；第三，合规不是单纯的成本项，它可以转化为竞争优势，尤其是在资本市场对监管确定性要求越来越高的背景下。
对于未来的研究方向，我认为有几个问题值得深入探讨。一是AI审查的裁量基准如何进一步透明化，减少地方执行差异；二是跨境AI互认机制的可行性，特别是中国与欧盟、东盟之间的对接；三是合规对AI企业估值的影响量化，目前还缺乏系统的实证研究。对于投资机构而言，建议将AI尽职调查标准化，纳入投决会的必审清单，并考虑在投后管理中设立“合规官”角色。对于企业而言，建议尽早建立内部治理架构，不要等到监管找上门才行动。
展望未来，我相信中国在AI治理上的实践会越来越成熟，而外商投资在这一领域的角色也会从“被动适应”走向“主动共建”。那些能够把原则融入商业模式的外资企业，将在中国市场获得更持久的生命力。这个判断，我从业十四年来从未像现在这样确信。
作为嘉熙财税，我们长期服务外资企业进入中国市场的各个阶段，从公司注册、税务筹划到合规咨询。在AI与外商投资审查这个交叉领域，我们已经协助多家跨国公司和投资机构完成了自评估报告、数据出境合规方案以及投资架构设计。我们的视角很务实：不是挂在墙上的标语，而是可以操作、可以审计、可以写进合同的具体条款。如果你正在考虑投资中国的AI项目，或者已经投资但担心合规风险，欢迎跟我们聊聊。我们不提供标准答案，但可以提供基于十几年一线经验的风险地图和落地路径。毕竟，在这个快速变化的领域，有人帮你提前踩过坑，总比自己从头交学费要好。
