第二层：身份权限的“最小颗粒度”。大多数企业的IAM系统管的是“人”，但现在调用AI的还有Agent、自动化脚本、CI/CD流水线。一个典型的翻车场景：研发部署了一个Agent，Agent调用大模型时用的是申请人的身份，但发起任务的其实是运营部门——出了安全问题，IAM日志显示研发在调用，可研发根本没操作过。解法是在IAM之上叠加AI调用身份映射，真人员工走SSO，Agent和应用走服务账号，权限粒度打到模型、操作、环境和额度级别。
第三层：数据管控的“实时拦截”。员工把客户身份证号、手机号、合同条款直接贴进对话框的场景比想象中普遍得多。据行业媒体报道，有团队在一家200人公司一周内检测到47次包含可识别个人信息的AI调用请求，其中12次发往境外模型。据行业解读，41号文所列标准计划要求在数据进入外部模型之前完成识别和管控。工程做法是在调用出口做实时检测：PII自动识别、敏感词过滤、按数据密级决定放行、脱敏还是阻断。
四、三条方法论
从Thomson Reuters模式中可以提炼出三条具有普遍性的方法论原则。
单一数据源不是“一个数据库”，而是“一套治理规则”。物理集中不等于逻辑统一。很多企业误以为把数据搬到一个数据湖里就解决了问题，实则不然——数据定义不一致、口径不统一，AI依然会“胡言乱语”。真正的单一数据源是语义层的统一：无论数据存放在哪里，AI读取时都使用同一套业务定义和计算规则。据人民邮电报报道，OceanBase为蚂蚁灵光设计的方案提供了一个技术参照——3,000万个“闪应用”共享同一套物理存储，但每个应用在操作层面拥有独立的逻辑表结构。共享物理存储+独立逻辑映射，正是“单一数据源”在AI时代的正确打开方式。
合规不是AI上线的“终点审查”，而是架构设计的“起点约束”。许多企业的做法是：先跑通AI功能，再补合规文档。但据行业解读，41号文所列标准计划要求的“全链路审计追溯”意味着合规能力必须内生于系统架构——每一次AI调用、每一次数据访问、每一次权限变更都应当被自动记录，而非事后人工补录。据行业媒体报道，Anthropic发布的《Zero Trust for AI Agents》白皮书指出，传统访问控制很难阻止Agent滥用“本来就合法”的权限，因此企业必须从一开始就按照“默认不可信、持续验证、假设已被攻破”的原则来部署Agent。合规不是“补丁”，是“地基”。
插件生态的“虚”必须以数据底座的“实”为支撑。“一切皆插件”让企业可以快速组装AI能力，但这种灵活性也意味着风险点的指数级扩散。Agent Plugins 1.0.0的发布意味着插件将变得更加标准化和易获取——但标准化的只是接口协议，而非数据治理。每一个插件的接入都涉及新的数据流、新的权限点和新的审计节点。如果底层没有“单一数据源”作为可信数据锚点，插件堆叠得越多，系统的不可控性就越强。插件的“虚”必须以数据治理的“实”为锚——否则就是沙上建塔。
五、从“插件优先”转向“数据优先”
2026年8月的时间节点具有特殊意义。国内，据全国标准信息公共服务平台，41号文所列标准计划项目周期18个月，自2026年6月27日起算，预计2027年12月左右完成；欧盟，高风险AI系统义务虽经Digital Omnibus延期至2027年12月2日，但透明度义务大部分仍从2026年8月2日起适用（2026年8月2日前已上市的系统有3个月宽限期至2026年12月2日）。企业没有观望的余地。
面向从业者的具体行动建议如下：
第一步：盘点AI资产，建立“可见即可管”的基础。以41号文所列标准计划的安全能力框架为参照，对企业内部所有AI调用——包括API、开源模型、Agent、员工自购工具——进行全面盘点。关键不在于“填表”，而在于建立自动化的持续盘点机制。
第二步：重构数据治理，以“单一数据源”为目标。这不是要推翻现有系统，而是要在现有数据资产之上建立一个统一的语义层——让AI在读取数据时使用同一套业务定义。可以参考Thomson Reuters的做法：以一个治理平台为锚点，逐步将分散的数据源纳入统一的治理框架。据媒体报道，华为云与滴普科技联合发布的“数据—治理—模型—智能体”全链路方案，正是这一思路的产业落地。
第三步：将可审计性写入架构DNA。确保每一次AI调用都可追溯、每一次权限变更都有记录、每一次数据访问都可审计。据行业解读，41号文所列标准计划要求“全链路审计追溯”——这不应被视为负担，而应被视为AI系统可信度的基础设施。
第四步：选型时考察“治理能力”而非“插件数量”。在AI应用开发平台选型时，不应只看功能丰富度，更应考察其在数据治理、权限管控、审计日志等方面的能力。一个插件再多但数据不可控的平台，带来的不是效率而是风险。
2026年的企业AI化，不再是“谁家的模型更强”的竞赛，而是“谁的数据更可信、谁的合规更扎实”的较量。“一切皆插件”提供了前所未有的灵活性，但只有以“单一数据源”为锚点、以合规架构为底线，这种灵活性才不会变成失控的源头。技术与合规的协同，不是AI落地的“成本项”——它是AI从“玩具”变为“工具”、从“试点”走向“规模化”的唯一通道。
---
本文为「数字新财报」针对上市公司与持牌金融机构数字合规问题的深度研判。本团队专注服务 A 股 / 港股科创上市公司、持牌金融机构，为企业提供数字合规专项尽调、监管检查应对、合规整改落地、常年合规顾问等高端法律服务，企业可后台留言主体名称与业务类型，预约一对一深度研判咨询。
免责声明：本文仅供一般性信息参考，不构成任何法律、投资或专业建议。文中观点仅代表作者个人或整理时的理解，可能与实际监管口径、司法裁判情况存在偏差，企业具体合规事宜请结合自身主体资质、业务场景开展专项咨询。
---
作者：张烽，万商天勤律师事务所合伙人，
上海金融与法律研究院副院长，
国富量子（00290.HK）创新研究院副院长，
上海市浦东新区科幻协会理事，
上海市浦东管理咨询行业协会理事，
香港RWA全球产业联盟学术委员会副主任，
中国移动通信联合会元宇宙与人工智能产业工作委员会常务委员，
上海区块链技术协会智库专家和科技评价专家，
中国人工智能产业联盟安全治理委员会委员，
中国信通院法律大模型应用评审专家，
国版链数据要素合规专家。
系列专辑：
数字资产
AI
量子科技
国富量子创新
稳定币理论思考与监管及案例分析
数字发展全球研报
币股联动战略系列解析
活动资讯
祝维沙论加密业务
RWA项目操作指南
香港数字资产发展政策宣言2.0系列解读
香港稳定币条例系列解读
RWA理论思考与监管及案例分析
留言写留言还没有留言，来写首评
