定位
数据治理与合规是模型训练和部署能否持续进行的前提，而不是附属问题。
关注重点
- 数据许可：训练数据的授权与使用范围。
- 文本与数据挖掘（TDM）例外：部分法域对用于数据挖掘的版权作品设有例外条款。
- 透明度：公开训练数据概况、模型能力与局限。
- 风险分级：按应用场景的风险高低采取不同的监管要求。
- 知识产权与人类监督。
主要框架
- 欧盟《人工智能法》（EU AI Act，条例 (EU) 2024/1689）：2024 年 8 月 1 日生效，按风险等级监管人工智能。生效不等于全部义务立即适用；欧委会截至本次核查的说明为 2026 年 8 月 2 日起一般适用，部分条款另有时间表，且后续修法会影响具体安排。
- 美国 NIST《人工智能风险管理框架》（AI RMF 1.0，2023 年 1 月发布）：自愿性框架，围绕治理、映射、测量、管理四项核心职能；2024 年 7 月发布配套的生成式人工智能概要（NIST AI 600-1）。
- 经合组织人工智能原则（OECD AI Principles）：2019 年通过、2024 年 5 月修订的政府间原则，属于高层次的指导性原则。
实践建议
把治理嵌入数据与部署管线：建立数据来源台账、许可分类、模型卡、风险评估与红队测试记录。