十年来，刘昉在蔚来与极氪两家新能源领军企业留下了精彩的职业注脚。当中国汽车加速驶向海外时，作为总法务顾问兼首席合规官，她带领团队从0到1构建企业全球法务与合规体系，主导企业在纽交所上市，统筹完成近200亿美元融资，助力企业快速进入全球50多个国家和地区。如今，AI重构时代格局，她又完成了一次关键跨界——从新能源汽车进入AI投资领域。

刘昉

多年全球化实战淬炼出的经验告诉她：合规不是成本，是企业全球化的核心竞争力，而风险控制与扩张效率的平衡艺术，则决定了一个企业真正的天花板。

从为企业护航到为产业赋能

记者：过往在做法律合规工作时，您是否一直在维持商业与合规的平衡？最大的压力和成就感分别来自哪里？

刘昉：我一直坚持将合规内嵌于企业流程和业务，在扩张中坚守底线，在创新中明确边界，不搞“一刀切”，也不盲目冒险。这其中最大的压力是当全球化高速扩张时，各国监管环境产生了巨大差异，同时，新兴法律法规频繁出台、更新，导致业务节奏和合规要求经常出现时间差，需要快速决策、动态调整。最大的成就感是我带领团队用专业能力，护航两家中国新能源车企从0到1、成功登陆纽交所，走进全球市场，亲眼见证中国新能源汽车产业从初起到成熟并走向引领世界的阶段。

记者：这次跨界转型的内心驱动是什么？

刘昉：首先，新能源汽车本质是智能移动终端，而AI是智能化的核心引擎，两者在数据、算法、安全、出海合规上高度相通，投身AI领域，可以使我之前在新能源汽车产业的经验派上用场。另外，我希望与时俱进，通过对全球最先进AI企业的了解，紧密跟进AI行业发展趋势及全球重要地区在AI方面的立法和监管趋势，把我个人服务单一企业的能力升级为赋能AI科技企业的能力，用全球化、资本化、合规化的实战经验，赋能和陪伴更多硬科技公司成长。当前，AI正处在产业化落地及全球扩张的关键期，合规与风险治理能力决定了企业长期的成败，这也正是我想长期深耕的领域。

记者：过往的法律合规背景，为您从事现在的投资工作带来了哪些独特优势？

刘昉：风险前置判断能力能提前识别技术跨境转让授权、数据隐私、贸易合规、伦理、地缘政治等隐性风险，协助企业提升投资前风险识别能力并降低投资踩坑的概率；熟悉多国监管规则，这种跨境合规穿透能力能给被投企业提出全球化合规管理建议，制定快速落地合规方案；从企业融资、并购到IPO及上市后融资我都深度参与过，这种全流程资本运作经验能让我陪伴企业从早期走向成熟；我的合规体系搭建及管理能力，能帮助企业完善全球化公司治理构架，提升机构认可度与估值确定性。

记者：您希望在新的职业生涯中实现怎样的职业目标？

刘昉：短期目标是把产业+合规+投资深度融合，梳理出一套成熟的跨境AI投资和合规管理方法论，挖掘并赋能优质硬科技企业；长期目标是成为连接中国与全球的AI投资专家，推动技术创新在全球化合规、安全和可持续的轨道上发展，助力更多科技企业实现全球化与资本化。

中国AI企业的机会与约束

记者：面对全球复杂多变的监管环境、产业规则，中国AI企业出海、跨境布局有哪些机会？

刘昉：整体来看，中国AI企业出海的核心机会在于全球刚需、工程化优势与欧美市场的商业化空间。目前，数字化和AI化转型是刚需，且该需求在持续释放。全球产业智能化升级趋势明确，各行业对AI工具、自动化、数据分析需求旺盛。中国AI企业经过本土大场景验证，产品成熟度、交付能力具备全球竞争力，在东南亚、中东、欧洲等地区具备广泛落地的机会。

欧盟市场规则透明将为中国AI企业带来合规红利同时也带来巨大挑战。欧盟的《人工智能法案》是全球首个系统性AI监管框架，风险分级、认证流程明确。中国AI企业在智能制造、视觉检测、企业级应用、客服与营销AI等中低风险场景，工程化能力强、落地效率高，只要完成合规认证，就能快速填补市场缺口。高风险场景应用需注意和落实合规落地，否则企业将面临巨额行政处罚的风险。当然，欧盟司法实践以规则为导向，虽然立法和执法严苛，只要合规到位，市场准入相对稳定。

美国市场的创新生态与商业化空间较大。目前，美国采取“联邦引导+州级立法+诉讼驱动”模式，整体鼓励AI创新与商业化应用，资本市场较为成熟。中国AI企业在垂直行业解决方案、算法优化、成本效率上具备优势，可对接美国大量企业客户与成熟资本生态，快速实现收入。在当地，司法更注重事后追责，事前创新空间相对宽松。

同时，我们能观察到的是，随着全球AI监管收紧，具备跨境合规、数据治理、算法伦理、跨境合规治理能力的团队会更受国际资本、客户和渠道的认可，形成新的竞争壁垒。

记者：在这样的环境下，企业会面临哪些约束？

刘昉：约束存在于欧盟强监管、美国安全审查、三地规则冲突与双向合规压力。

欧盟市场强监管、高罚则、数据跨境严格。依据其《人工智能法案》，高风险AI需满足严格测试、算法透明、人工监督、CE认证，大模型还要接受强制审计；企业最高可罚全球营业额7%。司法实践对数据隐私、算法歧视、儿童安全等方面执法严厉。同时，欧盟不认可中国的数据保护标准与GDPR（通用数据保护条例）充分对等，导致数据跨境受限，远程访问与集中管控难度大。

美国市场安全审查趋严、规则碎片化、准入壁垒高。联邦层面以国家安全、出口管制、CFIUS（美国外国投资委员会）审查为核心，对大模型、算力、敏感技术和核心零部件交易限制明显；州级AI与隐私立法，如加州人工智能透明度法案、CCPA（加州消费者隐私法）等高度碎片化，合规成本高、诉讼风险大。司法与行政实践对中资背景企业审查更严格，市场与生态存在隐性壁垒，企业信任成本更高。

在中国，AI企业要面临双向合规压力。国内《生成式人工智能服务管理暂行办法》《数据出境安全评估办法》等要求算法备案、安全评估、数据出境管控，企业出海必须同时满足境内境外双向监管，架构设计、数据流动、模型训练均受双向约束。

当前，中国、欧盟、美国三地存在AI和数据立法冲突，数据跨境几乎无法统一打通，企业必须做本地化部署。同时，训练数据版权、专利侵权诉讼增多，而海外市场的认证、资质、本地化要求正在抬高准入门槛，企业合规成本显著上升。因此，企业出海必须坚持合规先行、属地化部署、差异化布局，才能在全球监管格局下稳健发展。

全球立法趋势重塑AI投资格局 

记者：哪些因素会影响AI项目的投资价值判断？

刘昉：主要看五点。一是技术壁垒与落地能力，项目的算法、算力、数据是否与竞争对手形成差异化，能否转化为真实营收；二是商业化与现金流，商业模式是否清晰、可规模化、具备长期盈利能力；三是数据隐私合规与安全能力，项目的数据来源、数据治理、隐私合规、跨境流动是否合规，这是AI企业的生命线；四是团队产业背景，是否懂行业场景、有全球化落地经验；五是监管适应性，能否适应全球各区域在AI立法、数据安全、算法伦理、隐私保护及贸易合规方面的规则。

记者：全球AI立法在不断探索，对算法合规、数据安全、伦理规范等要求持续收紧，这些趋势会如何重塑全球AI投资格局？

刘昉：当前全球AI监管持续收紧，欧盟人工智能法案、美国联邦与州级AI规则、中国生成式AI及数据安全相关法规，正从投资逻辑、资金流向、区域布局、投资策略四个方面，深度重塑全球AI投资格局。

投资逻辑正在发生转变，合规成为核心估值因子。欧盟以风险分级、强制认证、高至全球营收7%的罚则形成了强准入门槛，司法实践强调事前合规；美国以诉讼驱动、事后追责紧盯数据版权与算法伦理；中国坚持安全与发展并重，要求算法备案、数据出境评估、内容合规。三者共同推动行业告别野蛮生长，合规从成本项变成核心壁垒，没有合规体系的项目将直接失去投资价值。

资本流向发生结构性分化，向合规头部与刚需赛道集中。资本加速向合规能力强、治理完善、场景明确的头部企业集中，中小团队因合规成本高快速出清。AI安全与科技合规、企业级垂直AI、算力基础设施三大赛道获得确定性溢价；高风险、弱合规、数据管理不规范的项目融资难度显著上升。

全球布局走向区域化，属地合规先行。欧盟投资更趋谨慎，强调本地认证与落地；美国受安全审查、出口管制影响，跨境投资门槛提高；中国强调数据安全可控、跨境流动规范。整体呈现区域化、碎片化、属地化部署趋势，统一全球架构很具挑战，跨境投资需考虑“一地一策”。

最后，投资策略升级，投早、投硬、重合规。目前，投资阶段合规审查向前移，更看重早期就具备合规基因的团队；投后赋能把跨境合规、政策对接、治理搭建作为标配；退出环节，合规记录完整成为IPO与并购的关键通行证。

记者：结合您的合规从业经验，AI行业在风险防控、合规管理层面，有哪些区别于其他赛道的核心逻辑？

刘昉：AI行业在风险防控与合规管理上，和其他赛道有着本质不同的核心逻辑。

第一，风险前置，设计即合规。传统行业多是事后补救、流程合规，但AI从数据采集、模型训练到算法生成，风险源头化、架构固化，和智能汽车一样必须在产品设计阶段就嵌入合规，否则后期整改难度非常大。

第二，全生命周期数据治理是核心。其他行业数据相对单一、静态，AI则依赖海量多源数据持续迭代，采集、标注、训练、存储、跨境、删除全链路必须可追溯、可审计，任何一环不合规，整个模型都面临监管风险。

第三，算法可解释+伦理审查是刚性要求。传统产业只看结果合规，AI必须满足算法透明、无歧视、可监督，这是中欧美监管共同强调的强制义务，也是其他赛道几乎不涉及的合规维度。

第四，跨境合规冲突更尖锐，必须属地化。AI的模型、数据、算力全球流动，中欧美三地规则并不兼容和一致，必须一地一策或产品设计全球化合规、本地化部署。相比之下，传统行业跨境合规压力要小得多。

最后是动态迭代合规，持续适配监管。AI技术发展极快，AI立法和监管更新也很快，合规体系不能一成不变，必须同步迭代、动态预警、快速调整，这对企业的合规响应能力提出了远超其他行业的要求。

新能源汽车行业应形成合力

记者：结合当前中国新能源汽车企业出海的整体现状，您认为行业普遍面临的挑战有哪些？

刘昉：当前中国新能源车企出海主要面临五大挑战：一是各国数据隐私、网络安全、车规认证规则差异大，合规成本极高；二是贸易壁垒、补贴政策、高额关税引发的本地化生产和迁移要求不断变化；三是车端数据采集量大、跨境传输复杂，监管严格；四是知识产权、反垄断、劳工环保等多重合规压力叠加；五是ESG合规已成为一个新增且长期的合规要求和义务，多数企业还未适应。

记者：中国新能源汽车企业该如何建立长效合规机制，应对全球监管差异？

刘昉：要建立长效机制，关键做到以下几点：搭建全球统一的合规管理架构，实现总部统筹加属地化执行的管理模式；把合规嵌入研发、生产、销售、售后服务和海外业务全流程，实现全流程及全业务领域合规；建立政策监测与预警机制，实时跟踪各国监管更新，并及时更新内部合规管理；定期合规审计与演练，快速应对检查与危机；组建本地化合规团队，与当地专业机构深度合作。

记者：从产业视角来看，新能源汽车行业的数据合规难点，与其他科技行业相比有哪些不同？

刘昉：其独特难点首先在于，数据采集更刚需、更持续、也更敏感。汽车领域不是用户主动上传数据，而是传感器、摄像头、雷达24小时自动采集包括位置、轨迹、车外影像、人脸、车牌、驾驶行为的数据，数据量大、敏感度极高，远超普通消费类产品。而且，自动驾驶研发必须大量使用这些真实数据，和隐私保护存在天然矛盾。

其次是数据跨境刚需强，但合规门槛极高。车企全球研发、售后服务诊断及算法训练要求数据必须跨国流转，但中国、欧盟、美国的跨境规则严格又冲突。中国要求重要数据境内存储、出境要评估；欧盟GDPR对数据出境限制极多，倾向本地部署，合规路径少、成本高。

然后是监管部门多、规则重叠、容易冲突。汽车数据要同时受网信、工信、公安、自然资源等多部门监管，在欧盟还要同时满足GDPR、数据法、《人工智能法案》好几套规则，多头管理、标准不一，合规复杂度远高于一般科技企业。

最后，一般消费品迭代快、周期短，而汽车生命周期太长，时间跨度10年至15年，数据合规要覆盖研发、生产、销售、售后、报废全流程，长期管控、持续更新的压力非常大。

记者：面对这样的局面，汽车企业的突破路径是什么？

刘昉：搭建全生命周期数据合规治理架构。从顶层设计入手，建立覆盖研发、生产、销售、车联网运营、售后OTA、报废全流程的数据合规管理体系，明确重要数据与个人信息的识别标准、管控责任与审计流程，同时强化供应链与第三方合作方合规管理，形成可落地、可追溯、可验证的治理闭环。

架构前置，在产品设计阶段嵌入合规。坚持数据最小化、隐私设计优先原则，在车型开发、传感器配置、车机架构阶段就明确数据采集边界，杜绝超范围收集。同步建立数据分级分类与标签化管理机制，对高敏感数据优先采用本地存储，从源头降低上云与跨境传输压力。

运用技术手段实现脱敏与匿名化，从根源降低风险。综合使用数据脱敏、人脸/车牌模糊化、轨迹泛化等技术，对路测与训练数据做去标识化处理，使其不再属于可识别个人信息，在符合中、欧、美数据法规的前提下，安全支持自动驾驶研发与算法迭代。

建立多法域适配的跨境数据流动机制。针对欧盟、美国、中国等不同监管要求，组合采用数据出境安全评估、SCC标准合同条款、本地部署与分区隔离等方案，平衡研发数据跨境需求与监管规则。同时建立全球政策监测与应急响应机制，动态适应法规更新。

记者：您曾呼吁过新能源汽车行业法律人探索建立知识与经验共享机制，为什么？你认为应该如何助力中国车企破解全球化合规中的共性难题？

刘昉：之前呼吁新能源汽车行业法律人探索知识与经验共享机制，源于我在两家车企的工作中体会到：中国车企出海遇到的合规难题高度重合，重复试错成本太高，各个车企单打独斗做重复性工作，导致整个行业成本增加，若能形成一定合力，可以为行业大幅降低研究和复制成本。

在助力中国车企破解全球化合规共性难题上，我认为可以从三方面推进：搭建行业合规共享平台，统一整理各国监管动态、合规模板、案例复盘，形成可直接复用的工具包，大幅降低企业从零搭建合规体系和工具的成本；形成行业最佳实践与统一口径，针对欧盟、美国等重点市场，共建标准化或最佳实践方案，快速提升中国车企的整体合规水平和实践能力；建立跨境风险预警与协同应对机制，政策变动、监管执法、合规危机时，行业同步响应、协同处理，降低单一企业应对风险和紧急事件的困难并同时提升整个行业的应急反应能力；遵守合规底线不是企业间的竞争，而是中国车企出海的共同底线，如果行业内的法律人能携手，经验共享、体系共建，必能赋能中国新能源车企走得更稳、更远。

来源｜《法人》杂志，图片由受访者供图

作者｜《法治日报》记者 辛红 《法人》见习记者 李辽