人工智能迎来全产业链突破，将加快《人工智能法》立法

（基于 2026-07-31 国家发改委发布会权威信息整理，可直接用于简报、评论、PPT 文稿）

一、核心新闻背景

7 月 31 日国家发改委新闻发布会明确： 我国人工智能实现全产业链多点突破，在此产业加速发展背景下，将加快推进 **《人工智能法》立法进程 **，统筹高质量发展与高水平安全，实现 AI 产业 “既跑得快，又跑得稳”。

上半年 AI 全产业链关键突破要点

1. 算力底座 全国智能算力规模大幅增长，全国产大规模 AI 超算集群落地，算力供给持续扩容，夯实大模型发展硬件基础。
2. 基础模型（大模型） 本土企业持续迭代万亿级 MoE 通用大模型（包含 DeepSeek V4 系列等），国产开源大模型全球下载量突破 100 亿次；模型、国产芯片双向适配持续优化。
3. 数据要素 高质量人工智能数据集持续扩容，打通算力、模型、数据要素流通链条。
4. 产业应用 多模态、AI 智能体成为创新主线；AI 加速融入制造、政务、金融、服务各行各业，新质生产力价值持续释放。

二、为什么产业突破倒逼加快《人工智能法》立法？

1. 产业规模扩张，亟需顶层统一法治框架 当前我国已有《生成式人工智能服务管理暂行办法》《深度合成管理规定》等部门规章，规则较为分散。通用大模型跨行业、跨场景扩散，碎片化监管难以应对系统性风险，需要综合性法律统筹全链条治理。
2. 通用 AI 风险呈现新特征 万亿参数大模型、自主智能体快速落地，算法偏见、虚假信息、知识产权争议、数据滥用、就业冲击、境外技术风险等挑战同步放大。立法提前划定行为底线、明确权责边界。
3. 平衡创新激励与安全防控 法律将兼顾两大目标：鼓励基础模型研发、支持行业场景落地；落实分级分类监管，防控高风险人工智能应用，给企业稳定预期。
4. 争夺全球 AI 治理话语权 欧盟《AI 法案》已经实施，美日韩加快本土 AI 规制立法。加快综合性立法，形成中国特色人工智能治理方案，参与全球规则制定。

三、《人工智能法》立法定位与方向

1. 立法定位：综合性基础法律 覆盖算力、数据、算法、模型研发、服务运营、应用落地全产业链，不是单一领域监管法规。
2. 核心治理思路 坚持统筹发展和安全、包容审慎、分级分类、人机协同；坚持人工智能由人主导、为人所用。
3. 重点拟规范方向（学界与政策共识）

• 基础大模型研发、训练、上线安全评估制度
• AI 生成内容知识产权、训练数据合规规则
• 高风险人工智能应用准入、备案、持续审计机制
• 算法透明度、公众权益保护、算法歧视治理
• AI 安全风险监测、应急处置、跨境流动规制
• 扶持本土人工智能技术创新、算力基础设施建设相关制度

四、产业影响解读（企业视角）

✅ 利好一面

1. 高位阶法律落地后，行业监管规则更加清晰，减少政策不确定性，利于长期规划投入；
2. 立法将配套创新支持条款，利好本土基础模型企业、算力厂商、AI 应用服务商；
3. 统一监管标准，降低跨区域经营合规成本。

⚠️ 合规挑战

1. 超大参数通用大模型（V4-Pro 等旗舰模型）将面临更严格安全评估义务；
2. 训练数据版权、数据集治理、输出内容管控合规要求持续提升；
3. 高风险场景（医疗、金融、政务、自动驾驶）准入门槛提高。

五、精简短评版本（新闻标题配套）

国内大模型、算力、应用全链条快速崛起，人工智能进入规模化落地窗口期。技术狂飙之下，制度供给必须及时跟上。加快《人工智能法》立法，一方面以法治护航技术创新，释放新质生产力动能；另一方面筑牢安全底线，防范通用人工智能衍生各类社会与安全风险，推动我国人工智能产业走上创新有序、安全可控、行稳致远的发展道路。

《人工智能法》立法全景解读（截至 2026 年 7 月最新官方口径）

先明确关键事实：我国尚未正式出台《人工智能法》法律文本，属于综合性专门立法（预备立法项目）；当前生效规则以部门规章、国家标准为主。 定位：未来将成为人工智能领域基础性法律，统领所有 AI 相关监管规则，地位高于《生成式人工智能服务管理暂行办法》等部门规章。

一、立法最新进展（官方权威信息）

1. 顶层安排 全国人大常委会 2026 年度立法工作计划：人工智能健康发展立法列入预备审议项目，抓紧调研起草，视情安排审议。 国务院 2026 年度立法工作计划：加快推进人工智能健康发展综合性立法，统筹算力、算法、数据、知识产权、场景监管。
2. 立法节奏判断 处于草案研究、学界研讨、产业征求意见阶段，短期内不会进入一审；遵循 “先实践、后立法”，依托现有规章积累经验，再上升为法律。
3. 现有规则（过渡期合规依据） 《生成式人工智能服务管理暂行办法》《算法推荐管理规定》《深度合成管理规定》、三法（网安法、数安法、个保法）；未来《人工智能法》实施后，将理顺所有规则的上下位关系。

二、立法核心背景：为什么一定要制定《人工智能法》

1. 现有制度短板

• 规则碎片化：大模型、自动驾驶、工业 AI、医疗 AI、算法推荐分属不同规章，缺少统一上位法；
• 权责模糊：AI 侵权（AI 幻觉、深度伪造、算法歧视）下，开发者、运营者、使用者责任划分缺少法律明确规定；
• 基础要素规则空白：训练数据版权、模型权属、算力基础设施安全、大模型跨境输出缺少高位阶法律依据；
• 监管机制不统一：多部门协同监管缺少法定授权。

2. 战略目标（立法底层逻辑：统筹发展和安全）

不同于欧盟 AI Act 偏向权利保护、美国偏向创新优先，我国立法主线： 安全底线守住 + 保障产业创新 + 培育新质生产力 + 参与全球 AI 治理规则制定 不是 “限制 AI”，而是给行业明确法治预期，消除监管不确定性。

三、学界与官方共识：未来《人工智能法》预期核心框架

原则（总则）

• 坚持创新发展、安全可控、分类分级治理、科技伦理、权责一致、开放合作；
• 确立国家鼓励人工智能基础研究、算力基础设施建设法定导向。

核心制度 1：分级分类风险监管（最核心制度，对标欧盟 AI 法案，但适配国内场景）

主流方案四级划分：

1. 不可接受风险（禁止类） 危害国家安全、公共秩序、人身基本权利的 AI 应用，法律直接禁止。 典型方向：无差别公共场所实时生物识别、非法情绪预测、操纵舆论、自动化社会歧视评分。
2. 高风险人工智能系统（强管控） 覆盖医疗诊断、自动驾驶、教育测评、招聘筛选、信贷风控、关键基础设施控制、政务决策辅助、通用基础大模型。 义务：安全评估、备案、持续审计、重大变更重新评估、建立风险应急熔断机制、人工兜底。
3. 有限风险（一般约束） 面向公众的生成式 AI、智能客服、虚拟数字人；核心义务：AI 生成内容标识、不得欺骗用户。
4. 低风险（宽松自律） AI 修图、推荐音乐、文字翻译、普通娱乐 AI；以自律为主，一般无需前置审批。

重点区分：基础大模型（通用人工智能）极大概率单独设立特殊监管条款，实行全生命周期管控（训练、微调、部署、迭代、退出）。

核心制度 2：AI 全链条主体责任体系

明确四类主体法定义务：

1. 模型研发者（基础大模型企业）：训练数据合规、模型安全测试、防范涌现风险；
2. 服务运营者（面向公众提供 AI 服务厂商）：内容治理、用户保护、日志留存；
3. 行业应用者（企业采购 AI 用于业务）：场景风险评估，不能转嫁全部责任给模型厂商；
4. 使用者：禁止利用 AI 从事违法活动。 解决长期争议：AI 造成损害，谁来赔，建立分层追责规则。

核心制度 3：训练数据、知识产权关键规则（产业最关心）

1. 界定训练数据合法边界，平衡著作权保护与 AI 训练合理使用；
2. 明确 AI 生成内容权属、AI 模型知识产权保护规则；
3. 规范公共数据开放用于 AI 训练、禁止数据垄断、算法壁垒。

核心制度 4：人工智能伦理与权益保护

• 禁止算法歧视；保障弱势群体、未成年人 AI 使用权益；
• 政务 AI 必须保留人工干预通道，杜绝算法 “一言堂”；
• 科技伦理审查法定化，高风险 AI 强制伦理评估。

核心制度 5：安全、跨境与监管机制

• 建立 AI 安全监测、重大风险报告、应急处置制度；
• 规范大模型、AI 技术、训练数据跨境流动；
• 明确网信、科技、工信、公安等部门监管职责，建立协同执法机制。

核心制度 6：法律责任

设置梯度处罚：警告、责令整改、暂停服务、吊销许可；对严重违法行为设置高额罚款，衔接民事赔偿、刑事责任。

四、《人工智能法》 vs 《生成式人工智能服务管理暂行办法》关键区别

表格

维度	《人工智能法》（未来法律）	生成式 AI 暂行办法（现行规章）
法律层级	全国人大立法，法律（上位法）	多部委联合规章（下位规则）
适用范围	全部人工智能：大模型、自动驾驶、工业 AI、机器人、算法系统，覆盖研发、训练、应用全链条	仅限面向公众的生成式 AI 互联网信息服务；不覆盖工业、车载、本地私有化模型
监管逻辑	统一分级分类顶层框架	针对生成内容专项管控
效力	未来所有 AI 监管规则的立法依据	过渡期专项规则，后续将依据人工智能法修订

简单概括：暂行办法只是 AI 法律体系里一小块专项规则；《人工智能法》是整个赛道的 “根本大法”。

五、对企业 / 行业的影响预判

利好

1. 统一监管标准，消除各地差异化执法带来的合规成本；
2. 从法律层面确认 AI 创新的合法空间，明确合法训练、数据使用边界；
3. 建立清晰负面清单，企业知道 “红线在哪里”。

合规压力

1. 高风险场景企业、基础大模型厂商合规成本显著上升：常态化安全评估、年度审计、文档留存；
2. 分级分类制度落地后，大量 AI 产品需要完成风险定级；
3. AI 内容标识、算法透明度、风险溯源成为法定义务，不再只是监管倡导要求。

六、全球横向对比（方便理解治理路线差异）

1. 欧盟《人工智能法案》AI Act：强权利导向，严格市场准入，侧重防范侵害公民基本权利；
2. 美国：联邦暂无统一 AI 法律，依靠行政令、行业自愿承诺、各州分散立法；
3. 中国《人工智能法》立法思路：发展安全并重，分类分级、柔性监管，避免一刀切，兼顾产业竞争力与风险防控。

七、当前从业者行动建议（立法落地前过渡期）

1. 严格遵守现行《生成式 AI 暂行办法》《深度合成规定》等规章，作为前置合规基础；
2. 提前梳理自身产品：区分通用大模型 / 高风险场景 / 普通应用，提前开展内部风险评估；
3. 完善训练数据溯源、内容标识、日志留存机制（大概率上升为法律强制义务）；
4. 跟踪立法征求意见稿，一旦草案公开，及时调整内部合规制度。