Reverse CFIUS系列:人工智能领域投融资的关键问题分析
作者 | 夏必康
YENLEX
在此前的两篇文章中,我们已经对于Reverse CFIUS的基础核心要素进行了详细的拆解。在本篇文章中,我们将围绕目前火热的人工智能领域,分析一下在AI赛道投融资时,应当关注的关键问题。
全文共1899字
阅读时间约3分钟
在Reverse CFIUS规定的受限业务中,人工智能领域长期以来一直是立法、投资、创投等多方的焦点,并且也是近期创投行业中最火热的赛道。在这之中,衍生出不少实操中的问题与不同的解读视角,例如:
●
如何界定对AI系统的“开发”(Develop)?
●
投资AI agent (而非底层大模型)是否也会落入Reverse CFIUS的管辖范围?
●
AI agent接入第三方底层大模型(而非自研大模型),是否构成Reverse CFIUS定义的“设计”(Design)或“实质性修改”(Substantive modification)?
●
对接入的第三方底层大模型的“微调”(fine tuning),是否构成Reverse CFIUS定义的“实质性修改”(Substantive modification)?
这些问题部分有相对明确的答案,部分还未形成共识。在本篇文章中,我们将围绕最有代表性的两个问题进行探讨。
(一) 投资AI agent(而非底层AI大模型)会落入Reverse CFIUS的管辖吗?
在此前的文章中,我们对Reverse CFIUS规则下人工智能领域的申报类与禁止类事项(统称“限制类事项”)进行了梳理,如下图所示:

有观点认为,既然限制类事项针对的是“开发(Develop) AI系统”,可能仅限于类似 Open AI之类的底层大模型,而不涉及AI应用层工具。另有观点认为,如果企业并非自研,而是基于现有其他大模型进行调整或者开发产品,是否可免于Reverse CFIUS的管辖?
为解答上述疑问,需要分析Reverse CFIUS规则下对于 “AI系统(AI system)”与“开发(Develop)”的界定。
( 1 )
何为“AI系统” (AI system)?
从字面理解来看,“AI系统”可能被视为较为复杂庞大且自成体系的完整系统,但其实这是一种误读。
Reverse CFIUS规则下对AI系统(AI system)的定义在§850.202条款,其主要内容可总结为:
一种基于机器的系统,能够感知现实和虚拟环境、构建模型,并通过分类、预测、推荐或决策影响环境,包括相关的数据系统、软件和硬件。
简而言之,Reverse CFIUS界定的“AI系统”,不仅包括大模型,也包括AI应用类工具和产品。换言之,凡涉及AI技术的产品,都有可能被认为是“AI系统”。
不过,被认定为“AI系统”并不自动意味着将受到监管,关键在于如何界定“开发(Develop)”。
( 2 )
何为“开发(Develop)”?
“开发 (Develop) ”的定义在法规中足够简单,但也相对微妙。在Reverse CFIUS的§850.211条款中,其指:
参与批量生产之前的任何阶段,例如设计(design)、实质性修改(substantive modification)…等。
若仅从字面理解,“开发”可能会被理解是一种复杂的、从头构建的过程。但其实际范围更为广泛。
在法规中,“设计(design)”的概念相对容易理解,但 “实质性修改(substantive modification)”却未有详细界定。美国财政部亦有意保留解释灵活性,以适应未来监管需求。
因此,这就引起了一些实操中的争议,例如:
●
企业直接调用其他大模型的API,或者基于其他大模型的参数进行定制(customization)、配置(configuration)或微调(fine tuning),是否构成 “实质性修改”,从而落入管辖?
●
企业不直接修改其他大模型的输出结果,仅对其输出进行收集、分析并优化,是否属于“实质性修改”?
(二) 企业对模型的调用或微调(fine tuning)会导致其落入Reverse CFIUS的针对范围吗?
这个问题的核心在于如何界定使用AI模型的算力运算量,换而言之,是否需要合并计算底层模型的算力,以及总运算量是否会超过1023这一阈值。
首先,为什么是1023这一标准?
根据美国财政部对于Reverse CFIUS法规的说明,若开发超过1023运算量的AI系统,即可能有助于相关国家在军事、情报、监视或网络能力至关重要的领域的能力发展。因此,对于超过1023运算量的AI系统,即可能落入Reverse CFIUS规则下的“申报类交易”,而更高的1024或1025运算量的AI系统则可能直接归入“禁止类交易”。
其次,是如何判断调用或微调AI大模型的行为突破1023的红线?
有观点认为,目前大多数有竞争力的主流大模型算力都超过1023,而且企业在计算其AI系统运算量的时候需要合并计算底层大模型的算力,因此,企业只要接入大模型即触发监管。但实际情况并不尽然。
问题的关键在于调用模型后,是否涉及对模型本身的调整与干预。目前相对主流的倾向性观点认为,如果对模型本身进行了调整,影响到了其输出结果,则可能需要合并计算底层大模型算力,运算量超过1023的概率较高。
但正如上文所述,美国财政部未对“实质性修改”作出明确定义,保留了灵活解释空间。这也使得相关行为处在不确定状态。为此,仍有必要对Reverse CFIUS的相关法规和实践中的案例予以持续关注。
(三)、结语
本文中探讨的两类问题是目前人工智能投融资中最广泛和常见的问题。对投资人来说,离开底层模型转而去投资AI agent赛道不代表可以不用考虑Reverse CFIUS的问题,反而更需要关注被投企业对于AI模型调用的方式与商业模式;对于作为融资方的企业来说,自身对于AI大模型的调用或微调方式,会实打实地影响自身的合规性,也是其在接受投资人的投资时,势必会被关注到的问题。
随着越来越多的创始人和投资人都在进入到人工智能赛道,这些都需要创始人、企业、投资人根据每个个案的不同情况深入分析与考量,并持续关注Reverse CFIUS的最新市场反馈。
文章作者
YENLEX
