AI出口管制如何区分技术出口与服务出口

出口管制里最容易被混淆的，是"技术出口"和"服务出口"这两件事。一份目录修订草案把大模型、AI智能体、算力集群等23项AI技术列入禁止或限制方向，同时又明确把API提供和SaaS服务排除在管理范围之外，这个反差本身就说明了监管的划界逻辑：管的是技术本身的跨境转移，不是用技术提供服务。

判断的分水岭：转移的是能力还是调用权

技术出口的实质，是让境外主体获得对某项技术的掌握或控制，典型形态包括模型权重转让、技术授权、源代码交付、训练方法披露。这类行为的共同点在于，接收方拿到了可以自行复现、修改甚至二次开发的能力。

服务出口则是另一回事。境外客户通过接口调用模型能力，拿到的是推理结果，既接触不到权重，也拿不到训练方法。草案把API和SaaS排除在外，正是承认了这种形态下技术能力并未发生跨境转移。

对做应用层产品的公司来说，这条边界直接决定了合规成本。只要业务不涉及权重或核心技术的对外交付，通过接口向境外客户提供服务这一模式，目前不在草案划定的管理范围内。

量化门槛针对的仍是技术本体

草案对大模型权重设定了三个维度的认定标准：参数规模、训练投入的算力规模、训练所用数据类型。这套标准的指向很明确——它衡量的是技术本身的敏感程度，而不是商业模式的形态。

参数规模较大的基础模型比垂直小模型更容易被纳入；训练算力投入越高，被认定为受管技术的可能性越大；使用国家重点敏感数据训练的模型，可能直接落入禁止类而非限制类。企业需要留意的是，草案尚未公布完整的门槛数值口径，合规判断应以正式发布的目录文本为准，不宜依据二手报道中的转述数字提前下结论。

几类容易被忽略的技术出口场景

技术授权与转让是最直观的一类。合作涉及模型权重、训练方法、核心算法的对外许可时，需要先判断是否落入禁止类或限制类，再评估是否需要申请许可。

共同开发的边界更模糊。与境外团队联合训练模型，若训练数据涉及国家重点敏感数据，或模型规模触及量化门槛，技术成果的归属和跨境流动安排需要提前设计，否则容易在成果交付环节被动触发审查。

模型开源与发布同样属于技术出口行为。向境外开源社区发布权重或技术文档，性质上与商业授权没有本质区别，需要纳入同一套评估流程。

登记与许可不是一回事

草案配套提出出口前临时登记要求，但登记与许可是两个层级的程序。登记更接近前置的信息报备，许可则是实质性审批。对仍处于征求意见阶段的草案而言，临时登记的具体操作流程、申报材料、办理时限等细节，仍需等待正式配套文件明确。

一个务实的判断是：已生效的临时登记要求与仍在征求意见的目录条款，在时间效力上并不一致。企业不宜把两者混为一谈，也不宜按草案文本提前调整全部业务流程。

现阶段更合理的做法，是梳理自身业务中是否存在技术出口行为——权重是否出境、训练方法是否披露、开源是否面向境外——而不是依据草案文本做提前的业务调整。最终落地版本与征求意见稿之间，通常还会有实质性变化。