引言

面对AI技术带来的复杂挑战，各国普遍将透明度制度作为主要治理手段之一。这一制度在赋予公众以及其他市场主体知情权的同时，降低了企业的合规阻力与政府监管成本。本文将梳理主要立法实践在训练数据、模型与算法、生成与交互标识以及重大事件报告等环节所设定的具体透明度要求，选取欧盟、美国加州及我国的立法实践进行分析。

一、训练数据透明度义务

训练数据从根本上决定了AI模型的知识储备、性能表现与价值取向。然而，训练数据的不当编制和处理可能引发侵犯知识产权、输出歧视性内容或者虚假信息等问题。因此，建立训练数据透明度制度有助于促进政府、公众与利益相关者对AI开发者的监督，从训练数据入手实现源头治理。

（一）欧盟

 欧盟《人工智能法案》（EU AI Act）第53条对“通用人工智能模型”（general-purpose AI model，下称“GPAI模型”）的提供者施加了训练数据透明度义务。首先，第53条第1款第(a)项规定了应要求向欧盟AI办公室和国家有关部门提供技术文档的义务，该文档至少应包含Annex XI所列明的信息，具体包括数据的类型和来源、数据整理方法、数据点的数量、范围及主要特征、数据的获取和选择方式、检测数据源不适当性的所有其他措施、检测可识别偏见的方法（如适用）等。

 此外，第(b)项规定了向模型的下游应用者提供信息和文档的义务，其中同样要求包含训练数据的信息。最后，第(d)项规定了模型提供者制作和公开训练数据摘要的义务。2025年7月，欧盟委员会发布了与之配套的《通用人工智能模型训练内容公开摘要模板》。

 （二）美国加州

 2024年8月，加州通过了关于生成式AI训练数据透明度的AB 2013法案。该法案要求生成式AI的开发者在2026年1月1日以前发布含有训练数据概要（high-level summary）的文档。该概要应含有包括数据集的来源、使用目的、数据点数量与类型、知识产权情况、个人信息情况、消费者信息情况、数据清洗情况等至少12项内容。而以“维护安全和完整性”“操作飞机”和“国防军事”为目的的生成式AI则可豁免上述义务。

二、模型与算法透明度义务

模型与算法架构构成了人工智能系统的推理逻辑、决策机制与运行基座。然而，算法运作的“黑箱”特性与内在复杂性可能掩盖隐性歧视、导致决策不可解释或掩护恶意操控行为，从而引发伦理与安全风险。因此，模型与算法构成透明度义务的关键一环。

（一）欧盟

 EU AI Act分别针对高风险人工智能系统（high-risk AI systems，下称“HRAIS”）和GPAI模型设定了不同的透明度义务。根据第13条，HRAIS的提供者有义务向处于下游的部署者（deployer）提供该AI系统的使用说明（instructions for use），确保部署者能够充分理解系统性能、局限性、鲁棒性、准确性、人类监督措施及硬件要求等。此举有助于明确系统的适用边界与操作规范，防止因对技术局限性认知不足而引发的误用或滥用风险。

而对于GPAI模型，第53条第1款第(a)项以及Annex XI规定，GPAI模型的提供者有义务向AI办公室和国家主管机关提供模型的架构、参数、输入输出模态和格式、训练过程等信息。此外，根据第53条第1款第(b)项及Annex XII，GPAI模型提供者还需向试图将模型整合至其系统中的下游提供者披露必要的技术文件，包含模型预期任务、架构与参数数量、输入输出模态等通用描述，这有助于实现模型的有效集成与二次开发。

 （二）美国加州

 对于一般前沿模型的开发者，《前沿人工智能透明法案》（Transparency in Frontier Artificial Intelligence Act，下称“TFAIA”）规定，在部署新的前沿模型或现有前沿模型的重大修改版本之前或同时，前沿开发者应当在其网站上清晰显著地发布透明度报告，其中包括关于模型与算法的内容，例如输出模态、预期用途以及使用的任何一般性限制或条件。

 若开发者满足了前述市场规模门槛、从而成为“大规模前沿开发者”，则会进一步触发多项透明度义务，包括：（1）在透明度报告中额外加入关于对前沿模型进行的灾难性风险评估相关的内容；（2）定期向加州应急服务办公室（Office of Emergency Services）提交任何关于其前沿模型内部使用产生的灾难性风险评估摘要，并提供书面更新；（3）编写、实施、遵守并在其互联网网站上清晰显著地发布“前沿AI框架”，包含该大规模前沿开发者如何将国家标准、国际标准以及行业共识的最佳实践纳入其前沿AI框架等事项。

三、生成与交互透明度义务

随着人工智能生成的内容日益逼真，虚假信息传播、身份冒充及恶意内容生成等风险随之而来，严重削弱了公众对网络信息的信任。对此，针对AI生成物的透明度制度旨在通过标识来区分“人类创作”与“机器生成”；而确立与AI交互过程中的透明度制度，要求系统主动披露机器身份，旨在保障用户的知情权并防止沉迷。

（一）欧盟

EU AI Act对AI系统的提供者与部署者均设定了针对生成内容与交互内容的透明度义务。第50条第1款规定，AI系统的提供者应确保AI系统在与自然人交互时，能够让其知晓其正在与AI系统交互；第2款规定，生成式AI系统的提供者，应当确保输出的内容带有机器可读格式（Machine-Readable Format）的标记。

 而对于AI系统的部署者，第50条第3款规定，涉及人类情感识别或生物特征分类的AI系统，必须向该对象告知其使用；第4款规定，对于生成深度伪造（deep fake）的图像、音视频以及生成与公共利益有关的文本的AI系统，部署者必须披露（disclose）相关内容系生成。

通过上述双重主体与双重面向的透明度义务，欧盟建立了从模型到系统，从交互到生成的全流程披露义务。目前，欧洲委员会人工智能办公室正在针对上述制度起草实践准则，预计将于2026年发布。

 （二）美国加州

 《加州人工智能透明度法案》（California AI Transparency Act）确立了涵盖“强制标注”与“用户选择”的双重AI生成物披露制度。首先，达到一定市场规模的AI系统提供者应当赋予用户选项，使其能够自主选择是否在AI生成的图像、音频或视频中加入显性披露（manifest disclosure）；此外，相关提供者还负担隐性披露（latent disclosure）的强制义务，要求提供者必须在上述生成物中嵌入包含提供者链接、系统信息、创建时间及唯一识别码（unique ID）等内容的隐性数据，且该数据须具备可被AI检测工具识别的技术特性。值得注意的是，文本生成物当前并未被纳入上述强制标注的适用范围。

 至2025年10月，加州通过AB 853法案对既有透明度制度进行了修订与补强。该法案一方面强化了平台责任，要求社交媒体、文件共享平台及搜索引擎等大型在线平台主动检测发布内容是否由AI生成并向用户披露；另一方面确立了源头管控机制，明确禁止生成式AI托管平台提供未按法律要求植入披露功能的模型，从而在技术分发端堵塞监管漏洞。

 与AB 853同期颁布的SB 243法案则聚焦于“AI伴侣聊天机器人”（companion chatbots）的特殊风险治理。法案要求运营商在交互可能导致用户误认为真人的情形下，必须明确披露其AI身份。针对未成年用户，该法案设定了更为严格的防沉迷机制，强制要求系统每隔不超过三小时发送一次“休息通知”，并再次重申机器人的非人类属性，以防止情感操纵与认知混淆。

 （三）中国

 2025年3月，我国颁布了《人工智能生成合成内容标识办法》，其系统性地规定了各主体对人工智能生成内容的标识义务，并已于2025年9月1日正式生效。其中，第四、五条规定了服务提供者作为源头的双重责任：不仅要求在文本、音视频及虚拟场景中添加显式标识，还要求在文件元数据中嵌入隐式标识，涵盖内容属性、服务提供者名称及内容编号等核心制作要素。第六条针对传播平台确立了“核验、提示、追加”的义务体系。平台必须核验隐式标识，依据结果在发布内容周边添加显著提示以告知公众，同时须在元数据中追加传播平台名称等信息。第七条则要求应用程序分发平台在上架审核时必须确认开发者是否提供生成服务，并核验相关的合规材料。此外，第十条严格规范了终端用户行为：一方面要求用户发布内容时主动声明并使用标识功能；另一方面严禁恶意删除、篡改、隐匿标识，或为此类违规行为提供工具支持，从而构建起从源头到终端的严密治理闭环。

四、重大事件报告义务

在全生命周期的人工智能治理中，事后监管占据着同等重要的地位。针对人工智能所发生的重大事故或者严重隐患，应当建立强制的报告义务，为政府迅速介入提供保障，以便在第一时间有效控制事态、减轻损害、保障公众的知情权，这已成为当前AI治理的普遍共识。

 （一）欧盟

 EU AI Act对HRAIS和具有系统性风险的GPAI模型都设定了具体的事件报告义务。EU AI Act第73条规定，HRAIS的提供者（或在特定适用情况下的部署者）必须对任何“严重事故”向事故发生地成员国的市场监督机构进行报告。所谓严重事故，是指直接或间接导致人员死亡或健康严重受损、关键基础设施运行严重中断、违反基本权利保护义务或造成广泛侵权的事件。提交报告的时间不得晚于提供者知悉事故后的15天，其中对于造成人员死亡的事故不得晚于10天，而对于广泛侵权或涉及关键基础设施的事故不得晚于2天。

 而对于有系统性风险的GPAI模型提供者，EU AI Act第55条规定，在发生严重事件时，应立即向人工智能办公室及国家主管部门跟踪、记录并报告有关该严重事件及为应对该事件可能采取的纠正措施的相关信息。

（二）美国加州

 根据TFAIA，前沿模型开发者在发现“关键安全事件（critical safety incident）”后，必须在15天内向加州紧急服务办公室报告。此外，若该事件构成“死亡或严重身体伤害的紧迫风险”，报告时限则缩短至24小时。

 TFAIA将“关键安全事件”定义为四种情形：（1）导致死亡或身体伤害的模型权重遭到未经授权的访问、修改或外泄；（2）灾难性风险的实现并实际造成了损害；（3）一个“失控的”前沿模型直接导致人员死亡或身体伤害；（4）模型通过欺骗性技术绕开并颠覆开发者的控制，从而显著增加了灾难性风险。此外，TFAIA还要求大规模前沿开发者每三个月（或按照紧急服务办公室书面通知的其他合理时间表）提交一份内部生成的灾难性风险评估摘要。

 （三）中国

 2023年，我国颁布的《生成式人工智能服务管理暂行办法》为产业发展奠定了基础规范遵循。其中，第十四条核心规定了服务提供者的“双重报告义务”：在内容层面，一旦发现违法内容，提供者须在采取停止传输、模型优化等整改措施的同时，履行向主管部门报告的义务；在用户层面，对于利用服务从事违法活动的使用者，提供者亦须在实施功能限制或停服等处置后，保存相关记录并上报。这一规定明确将“报告”作为服务提供者的法定义务，健全了监管协作机制。

在此基础上，2025年9月，全国网络安全标准化技术委员会发布了《网络安全标准实践指南——生成式人工智能服务安全应急响应指南》。尽管该指南不具备强制法律效力，但其对涉人工智能的安全事件提供了具体的分类分级方法与应对方案。该指南将生成式人工智能安全事件分为“信息内容安全事件”“数据安全事件”“网络攻击事件”等10类，进而根据事件严重程度分为四个级别，并相应给出了全周期响应流程。该指南构建了一套系统化的人工智能安全管理框架，有力推动了我国人工智能治理水平向精细化迈进。

结语

深度伪造、算法歧视、版权侵害、用户沉迷等问题对人工智能治理带来了前所未有的挑战。如何在有效防范风险与创新活力之间寻求平衡已成为全球人工智能治理的核心命题。贯穿数据、模型及交互全流程的差异化透明度义务，参与共同构成了当前全球AI治理的重要组成部分。展望未来，人工智能治理应当始终坚持“以人为本”，并以此为导向不断健全风险防范机制，提升人工智能治理水平，从而在确保“技术为人”的前提下，真正释放人工智能技术的无限潜力。