夜雨聆风今年，AI Token 出海的生意明显热了起来。
这事儿看起来不复杂：国内模型接入、工程实现和成本控制上有一定优势，海外开发者和中小企业又需要便宜、稳定、好接入的 AI 服务。中间搭一层 API 网关，把 DeepSeek、智谱、通义等模型接起来，按调用量收费，看起来就是一门轻资产生意。
也正因为看起来简单，很多项目一开始只盯三件事：价格能不能打下来，并发能不能撑住，回款能不能顺。可真正决定这门生意能不能长期做下去的，往往不是这三件事，而是另外三条线：
模型能力从哪里来，你有没有权利转卖给海外客户；
下游客户的数据怎么走，能不能证明没有混进境内数据、没有被乱用；
服务卖到哪些国家，当地监管会不会按 AI、数据、消费者保护规则找你。
Token 只是计费单位，不是合规护身符。业务叫“AI Token 出海”，但风险不在 Token 这个词上，而在背后的供应链、数据流和目标市场。
一、模型从哪来：不是拿到 Key 就能转卖
很多团队的第一反应是：“接口能调通，下游客户也愿意付钱，为什么不能卖？”
问题就在这里。普通 API Key 通常只说明你可以调用，不等于你可以把这个能力重新包装、聚合、白标、分销，再卖给海外客户。这不是合同小字问题，而是这门生意到底是不是正经货源的问题。
拿货大致有三种情况。
第一种，是直接和模型厂商签。这个路径最清楚，但合同里要看硬点：能不能转售 API，能不能白标或二次封装，授权地域是否覆盖海外目标国家，下游客户行业有没有限制，下游客户数据会不会被用于训练，模型名称和能力宣传能不能对外使用。
第二种，是通过官方渠道商、授权代理、云厂商 MaaS 或Token 工厂拿货。MaaS 可以简单理解为 Model as a Service，也就是云厂商把模型能力做成一种可购买、可调用的云服务。这个路径不一定有问题，但不能只听对方说“我们正规”。你要看上游授权文件、再分销权、授权地域、结算凭证，以及上游一旦断供后下游客户怎么迁移。
第三种，是低价额度批发。低价本身不是问题，规模采购、推理优化、云资源折扣都可能带来低价。但如果低价来自账号池、教育优惠额度套利、共享账号、非公开接口、逆向调用，甚至盗刷额度，那就不是成本优势，而是把别人的雷搬进自己的业务里。
判断货源是否靠谱，可以先问一个很简单的问题：
我卖出去的每一次调用，能不能倒推出它来自哪个上游、哪份授权、哪张账单？
如果答案是否定的，就要小心。比如你每月对外卖了 500 万 Token 调用，但上游采购记录只支撑 100 万；或者下游客户问“是不是官方授权”，销售只能含糊回答“渠道没问题”。这种时候，风险已经不是理论问题，而是未来断供、封号、索赔甚至被追问接口来源的问题。
落到执行上，至少要做四件事：
授权链要闭合：从模型厂商、云厂商、渠道商到你，再到海外客户，每一层都有书面依据；
业务范围要闭合：调用、聚合、转售、白标、海外销售、下游客户行业，都要在授权范围内；
数据责任要闭合：下游客户数据给了谁、留多久、是否训练、是否转给第三方，要写进 DPA 和子处理者清单；
账单证据要闭合：上游采购合同、发票、付款记录，要能对应下游订单、用量和收款。
这不是为了“文件好看”，而是为了将来出问题时能说清楚：我卖的是有来源、有授权、可追溯的 AI 能力，不是从各种灰色接口里拼出来的调用额度。
二、数据怎么走：境外数据可以回境内算，但别混进境内数据
AI Token 出海经常会碰到一个问题：海外客户把 Prompt、文件、语音、日志发过来，境内服务器或境内模型做推理，再把结果返回给海外客户，这样能不能做？
按照国家网信办《促进和规范数据跨境流动规定》（第 16 号令）的规定，如果个人信息是在境外收集和产生的，传到境内处理后再向境外提供，且处理中没有引入境内个人信息或者重要数据，相关数据出境安全评估、标准合同、认证程序可以豁免。
图片来源：中央网络安全和信息化委员会办公室官网《促进和规范数据跨境流动规定》
换成业务语言，就是：
境外客户的数据，可以进来加工后再出去；但如果要适用这条豁免，前提是这条流水线里不能混进境内个人信息，也不能引入重要数据。
这扇门确实开了，但不能理解成“只要客户在海外，怎么处理都行”。企业仍然要承担数据安全、网络安全、个人信息保护责任。真正要证明的是：这条链路是境外收、境内算、境外回，过程清楚，边界干净。
最容易出问题的是五种“混入”：
境内用户混入：本来是海外业务，结果境内用户也能注册、调用、上传数据；
境内业务数据混入：把国内运营数据、画像标签、客户名单拿去一起分析；
存储资源混入：境内外数据共用同一套数据库、日志系统、训练样本池，没有隔离；
运维操作混入：工程师为了调试，把境内数据导入海外链路，或者把海外数据随意复制到本地；
重要数据混入：一旦引入重要数据，就不能再按普通豁免逻辑处理，需要回到安全评估等更严格路径。
最怕的是技术团队以为“法务会把条款写好”，法务以为“技术团队知道怎么处理”，最后谁也没有把数据流画清楚。
建议至少做一张内部数据流向图，把这些问题说清：
海外客户输入的 Prompt、文件、语音、图片分别进了哪里；
是否经过境内服务器、境内模型或境内运维人员；
输入输出是否留存，留多久，谁能看；
日志是否脱敏，能不能删除；
数据是否用于训练、微调或质量评估；
哪些底层模型、云服务商、日志服务商能接触到数据。
如果这张图画不出来，隐私政策和 DPA 写得再漂亮也很难让海外企业客户放心。对方真正关心的是：我的数据有没有被拿去训练？有没有被传给我不知道的第三方？如果监管或大客户问起来，你能不能拿出证据，而不是只说“我们非常重视隐私”。
三、服务卖到哪里：不是公司注册在哪，而是最终用在哪
很多出海团队喜欢把公司放在香港、新加坡、BVI 或其他离岸地，然后以为这样就避开了主要市场监管。
这个想法很危险。目标市场合规看的不是公司注册纸面，而是下游客户在哪里、终端用户在哪里、服务进入什么场景、数据流到哪里。
目标市场为什么重要？因为海外监管的罚款不是象征性的。
在欧盟，只要处理欧盟用户的个人数据，就不能把隐私合规当成格式文件。GDPR 对不同违规有不同罚档，其中涉及基本处理原则、个人权利、向第三国传输等严重违规，最高可能面临 2000 万欧元或上一年度全球营业额 4% 的罚款，而且取较高者。
欧盟 AI Act 管的不是“AI”这个概念，而是 AI 最终被怎么用。对于部分被明确禁止的 AI 应用场景，罚款上限可达 3500 万欧元，或上一年度全球营业额 7%，同样取较高者。换句话说，AI 出海不是“先卖起来再说”，一旦这套 API 被接进高风险或被禁止用途，平台至少要证明自己有边界、有筛查、有停用机制。
美国虽然没有一部统一的 AI 法，但儿童隐私、金融、医疗、就业、消费者保护都有各自的监管入口。比如下游产品面向儿童，就可能触发 COPPA；接进信贷、保险、招聘、医疗问答，也可能被行业监管或消费者保护规则盯上。
这些规则看起来是在管下游产品，为什么 API 中转平台也要关心？原因很简单：平台卖出去的不是一段静态代码，而是一种持续调用的 AI 能力。如果下游客户把这套能力接进明显敏感或违法违规的场景，平台却完全没有禁止用途、异常调用处理、暂停服务和配合调查机制，就很难再说“我们只是技术通道，别人怎么用都与我无关”。
当然，这也不意味着平台要把每个调用方都当成被审计对象，更不意味着前台注册时就设置一套复杂审批流程。更现实的做法，是先用服务条款划清红线：明确禁止违法违规、侵犯权利、绕过上游限制、滥用接口等用途，并保留限流、暂停、终止服务和配合调查的权利。等到企业客户、敏感行业、高并发调用或大客户尽调出现，再升级到用途说明、专项条款、日志留存和审计配合。
此外，平台的对外宣传也要克制。没拿到授权，不要写“官方直连”；底层模型可能切换，不要让外部误以为固定使用某一家模型；模型输出可能有幻觉，就不要承诺“绝对准确”；上游接口有用量和场景限制，就不要承诺“无限制使用”。
总之要记住，出海不是离开监管，而是进入别人的监管。
四、把三条线串起来：不要只看单点，要看整条业务链
来源、数据、目标市场不是三份互不相干的文件，而是同一条业务链。
放到一个 API 网关项目里看。如果它的模型来源里混了账号池、共享额度或逆向接口，上游说不清，来源就有问题；如果海外客户的 Prompt 和文件回到境内推理，但平台说不清是否留存、是否训练、是否转给第三方，数据就有问题；如果欧盟下游客户把它接进面向欧盟用户的产品，而平台没有准备 GDPR 下的 DPA、子处理者清单，也没有对高风险 AI 用途做限制，目标市场也有问题。
这时候，项目方不能只问三件事：
价格能不能再低一点；
并发能不能再高一点；
回款能不能更快一点。
还要问另外三件事：
我卖的模型能力，合同上到底允许我怎么卖；
下游客户数据走过哪些系统，出了事能不能拿出证据；
下游客户在哪些国家、哪些行业使用，我有没有设置红线和升级审查机制。
如果这三件事答得清，Token 就只是 AI 服务的计量单位；如果答不清，Token就变成了把供应链、数据和海外监管风险包装起来的一个名字。
五、合规做扎实，生意才跑得久
AI Token 出海的机会是真实存在的。中国团队在模型接入、工程实现和成本控制上有一定优势，海外客户也确实需要更便宜、更稳定、更好接入的 AI 服务。
但越是有机会的赛道，越不能靠灰色链路抢时间。
来源不清，早晚会遇到断供、封号、客户索赔；数据不清，大客户不敢接，监管也不会信；目标市场不清，今天是增长，明天可能就是投诉、下架、调查和融资尽调卡壳。
合规不是把风险写进免责条款，而是把业务链路做成一套能解释、能审计、能交付给客户的系统。
Token 出海真正要卖的，从来不只是更便宜的调用额度，而是一条经得起追问的 AI 能力供应链。
本文作者
关于曼昆
