ARTICLE · 1119939
176 号令落地:AI 算法开始被查,老板的台账还是空的|老板避坑清单 07
你公司多半正在用好几个 AI 。
客服机器人。内容推荐。员工内部那个知识库问答。
国庆假期刚过，有件事得提前提醒你：这几个动作，现在归公安查了。
10 月 1 日，《公安机关网络空间安全监督检查办法》，也就是公安部令第 176 号，正式施行，替代 2018 年那份 151 号令。
名字换了。以前叫"互联网安全"，现在叫"网络空间安全"。多出来那两个字，是数据，是算法。
传业点评：对老板来说，这不只是又多了一部法规。是多了一张每年都可能来敲门的检查表——而它要看的，往往正是你日常最拿不出来的东西。
先别慌。我把它查什么、怎么查说清楚，再给你五个坑。这五个，我在企业现场都见过。
一、这次查的不是服务器，是你有没有管住 AI
《办法》第七条列了十一项重点检查内容。其中两项，直接把 AI 圈了进去——"算法安全主体责任"，还有"数据安全和个人信息保护"。
说白了：只要你的算法在给用户做推荐、做排序、做内容分发，你身上就背了一份算法安全责任。
检查谁？条文写得很宽。网络运营者、数据处理者、个人信息处理者、互联网服务提供者、关键信息基础设施运营者、网络产品和服务提供者，一个不落。
也就是说，你有没有一张"互联网公司"的牌照，根本不重要。有机房、有系统、存着客户和员工资料的，都可能在名单上。
怎么查？不是全等着上门。网络信息巡查、信息审核能力测试、漏洞扫描、远程渗透测试、现场检查，五种方式接力。对等保三级及以上、关键信息基础设施的运营者，每年至少来一次现场检查。
而且，这已经不是纸面上的事。 2026 年 3 月 20 日，无锡和三亚两地网信办同一天公开约谈了两家本地公司，这是国内第一批针对算法备案、安全评估义务的执法案例。无锡那家，被责令立即下线。
传业认为：过去几年，老板们养成了一个习惯，先上车、再补票，因为监管总慢半拍。这回轮到 AI ，半拍可能没有了。底层逻辑就一条：谁的业务跑在网上，谁就归这张表管。
二、坑一：你以为"我不是互联网公司，轮不到我"
第一个坑，最常见，也最要命。
不少老板的判断标准特别朴素：我不做 App 、不做平台，监管的枪打不到我身上。
错。不对，更准确地说——被查的资格，从来不看你的规模，只看你的角色。
很多老板还在赌运气，觉得自己公司够小——这个赌注，迟早要吃亏。
176 号令的检查对象里，有一个身份叫"数据处理者"。你手里那张客户名单，是数据。员工的身份证、银行卡、健康信息，是数据。每天进出的订单、报价、合同，也是数据。
只要你处理这些数据，你就是数据处理者。跟你做什么生意，没关系。
换个角度讲，检查表不是按行业发的，是按"你在网络空间里的角色"发的。你可能不是网络运营者，但你很难是"没有数据的人"。
怎么避？先做一张底数台账，回答三个问题：你有哪些系统在联网？哪些数据在系统里、归谁管？哪些 AI 正在用、用在哪？
答不上来的那几格，就是今年最该补的作业。拖着不补，迟早是坑。
三、坑二：你以为"只调了 API ，模型备过案，跟我没关系"
第二个坑藏得最深，因为它听上去特别有道理。
"我们没自研模型，就是调了某家的 API 。备案是模型方的事，跟我有什么关系？"
这句话，无锡那家公司也说过。
它的做法很典型：网站通过 API 接口，直接调用一个已经备案的大模型，向用户提供问答。它觉得，模型都备案了，自己只是个使用者。
网信部门的判断是：你面向公众提供生成式 AI 服务，就得履行应用登记，还得做安全评估。你一样没做，结果就是约谈、下线、限期整改。
金诚同达律所 8 月的一篇实务文章把这事说透了：底层模型备案，只说明模型服务走完了程序，替代不了你作为应用方要办的登记和持续合规。这是两条线。
判断自己要不要办手续，其实就四个问题，按顺序问：是不是面向中国境内公众提供服务？是不是直接调用已备案的模型？有没有对模型做实质性训练和改造、形成自己独立控制的能力？有没有舆论属性或社会动员能力？
问完，你大概就知道自己是"使用者"还是"服务提供者"了。这两个身份，责任天差地别。少问一句，就可能多跑一趟网信办。真正离谱的是，等到检查那天，你才发现这四个问题一个都没想过。
四、坑三：你以为"内部用 AI ，总没人管我吧"
第三个坑，是我最想跟老板较真的一个。
内部用 AI ，确实不触发大模型备案。这一点，没错。
但"不用备案"，不等于"没有义务"。
你的内部知识库里，装着员工的绩效、客户的底价、供应商的合同。把这些喂给一个公网模型之前——个人信息的告知同意你做了吗？商业秘密的保护措施你上了吗？数据有没有出境，你清楚吗？
2026 年 8 月，市场监管总局公布了六起侵犯商业秘密的典型案例。其中杭州那起"孙某侵犯人工智能大模型商业秘密案"，被明确定性——全国首例 AI 垂类大模型商业秘密案。
它最扎人的地方是：被认定为商业秘密的，包括提示词。
对，就是你随手写、随手存的那几段 prompt 。这批案例，专门打脸那些觉得"内部用就没事"的人。
传业点评：很多老板觉得公司资产是设备、是客户、是现金流。这个案子告诉你，那几段你以为不值钱的提示词，可能已经是一门生意的一部分了。真到泄露那天，后悔也白搭。
怎么避？给内部 AI 划一条数据边界。哪些库能喂、哪些打死不能喂，写下来，让每个用 AI 的人签字。
五、坑四：你以为"检查前临时补材料就行"
第四个坑，专治侥幸。
《办法》里最狠的一层意思，藏在"日常可查、可追溯"这几个字里。
原文没这么直说，但通篇的检查方式、证据要求，指向的都是这个意思。它要的不是你接到通知后突击一周，是你平时就有一摞随时能调出来的东西。
一位安全厂商的解读里有句话点了穴：做过，不等于可证明。
你扫过漏洞？证据呢。你改过配置？记录呢。你演练过应急预案？照片、签到表、复盘报告在哪。
检查组要看的，是这么一摞：制度文件、资产台账、上网日志、等保材料、漏洞扫描和复测记录、风险评估报告、应急预案和演练记录。
这些材料，临时凑的和平时攒的，一眼能看穿。临时抱佛脚，多半是白费。
更别提新口子。今年多部门接连提示，"OpenClaw 类"智能体权限过高、默认配置不安全，容易引发数据泄露；全国网安标委还专门就这类智能体的安全指引公开征求意见。
智能体接得越猛，你越是把一堆"能自己动手的账号"，铺到了员工桌面上。这是很多老板还没意识到的尴尬。
别把迎检当成走过场，那纯属自己忽悠自己。
怎么避？把迎检拆成日常动作。台账每月更一次，日志定期导出归档，智能体权限每季度清一遍——别让它躺在硬盘里吃灰。
六、坑五：你以为"AI 上线，不用过合规这一关"
最后一个坑，是节奏上的。
技术接入，可能只要几天；监管身份的转变，往往就在一瞬间。
你上午还是个"内部使用者"，下午把 AI 塞进小程序面向用户，就成了"应用运营者"。责任跟着变，手续跟着变，而你的产品排期表上，大概率没给这一格留位置。
这事，连大厂都在补。
10 月 1 日， IBM 宣布它的 AI 编程平台 Bob 支持"自托管部署"——模型可以在企业自己的机房、私有云，甚至在物理隔离的内网里跑，代码和数据不出门。理由说得直白：金融、政府、医疗这些受监管行业，数据必须留在自己手里。
研究机构 Futurum 给过一个预测：到 2030 年，混合和边缘部署会占 AI 基础设施市场的 44%，公有云的份额往下走。
风向已经很清楚了。数据待在哪儿，正在变成和"能力有多强"一样重要的采购标准。
怎么避？在你自己的上线流程里加一道固定动作： AI 功能上线前，先做一次身份判断，问清楚我们是使用者、还是提供者？要不要登记、要不要备案？
合规这件事，越晚动手，老板越焦虑。
这一步花不了两天。省掉它，可能换来一次约谈。这笔账，怎么算都是亏。
七、检查表上的四个空格
不用记条文。记住四个空格就行。
底数清不清。身份明不明。记录全不全。权限收没收。
就这么四句。
我脑子里有个画面，说出来你可能会有点不舒服。
检查组进门那天，你让人去导日志。俩小时过去，导出来一堆格式对不上的表格，缺了几天的，干脆查不到。你想解释，张了张嘴，发现除了一句"我们做了"，什么也拿不出来。
那一刻你才明白，这一年省下的那点功夫，全变成现场的尴尬。
不是监管太严。是你把"证明做过"这件事，一直当成了别人的事。等到被查的那一天，后怕就来不及了。
需要自查的时候，这四句话，就是你的起点。
【转发】如果你公司也在用 AI 做推荐、客服、知识库，把这篇转给负责技术和合规的那个人——让他先对着这四条过一遍。
我是传业，16 年技术 + 管理经验，人大管理学硕士、经济师、FDE、企业AI落地教练，为企业提供AI落地服务，承接 AI 增效、流程重构、定制开发、企业培训等服务。