AI立法如何影响开源模型开发者?

11月3日的发布会上，“覆盖人工智能全生命周期”这个提法，值得开源模型开发者多读几遍。对闭源厂商来说，全生命周期大致等于自家产品从研发到运营的链条；对开源项目来说，权重一旦发布，模型就被复制、微调、再分发到无数下游手里，生命周期的后半段并不由发布者掌握。监管若要贯穿全程，首先要回答的是责任在哪个环节切开。

责任切分比合规清单更关键

已披露方向中，“事件披露”对开源侧的触动最直接。若要求开发者和运营方及时公布安全威胁并向主管部门报告事件，开源发布者会面对一个现实困境：下游拿模型做了什么、出了什么问题，上游往往既不知情也无从核实。这类义务若原样落到开源场景，要么难以执行，要么被迫把责任压给实际部署方。细则如何界定“开发”与“运营”、是否区分模型发布行为与基于模型的服务提供，直接决定开源项目的负担。定期合规评估同理，评估对象锚定在权重快照、发布版本还是在线服务，不明确就没有落脚点。

数据与算力是另一条战线

同步推进的数据、算力、算法规则，可能比法律本身更早影响开源团队。训练数据的来源、授权与处理方式，算力资源的调度使用，一旦纳入更明确的规则框架，研发流程就需要前置合规设计，而不是事后补材料。头部机构有法务和安全团队承接，中小团队要在有限资源下自建流程，过渡期安排与细则宽严直接决定落地成本。

还有一个变量对开源社区影响最大，也最不明确：适用范围是否区分基础模型与应用服务、开源与闭源。这一点目前只出现在外界对立法方向的观察清单里，官方文本并未公布。若最终按开源与闭源分设要求，发布环节的义务会更清晰；若不区分，下游部署者的运营责任会被放大。

媒体报道把若干主要模型开发者列为潜在受影响对象，这属于对覆盖面的推断，官方并未点名。把“加快推进立法”理解为法律即将出台并立刻约束所有AI服务，同样过度。基础性法律的起草、征求意见、审议到生效通常需要较长周期，配套规则也可能分批落地。

对开源开发者来说，眼下能做的很具体：梳理训练数据的来源凭证与授权链条，记录算力使用情况，明确安全问题的接收与响应由谁负责。规则尚未落定，准备可以先走一步。