白宫指控Kimi偷师Anthropic，小公司出海选模型该签啥保命条款？

核心摘要

• 模型争议从来不是“用不用”的问题，而是“换不换得掉”的问题。小公司出海真正该防的不是道德指控，而是供应商一纸通知就让你的业务停摆。
• 选模型先看“可迁移成本”，再看“能力天花板”。模型能力迭代太快，绑死在任何单一模型上都是给自己埋雷。
• 合同里最该较真的不是赔偿条款，而是“模型停用/变更的过渡期条款”和“数据不出境承诺”。这两条才是保命线。
• “训练出问题”和“调用出问题”是两件事，小公司多数情况只碰后者，但合同要分清晰，别稀里糊涂把两种风险搅在一起。
• AI 落地最大的坑不是技术选型，是业务连续性。我见过太多项目死在“供应商变了，整个系统动不了”。

一、引言

最近白宫指控 Kimi 偷师 Anthropic 这事，圈子里讨论得很热闹。来找我聊的老板也多了起来，问的问题出奇一致：何老师，我们公司也想用大模型做东西，现在这局面，选哪家安全？

这个问题本身就有问题。我在珠三角做了这么多年企业 AI 落地，服务过做出口电商的、做线上团购的、做口腔医疗连锁的，发现老板们一上来就关心“选哪个模型最好”，这恰恰是后续埋坑的开始。

模型争议从来不是一次性的事件，它会反复出现。今天是 Kimi 和 Anthropic，明天可能是别家。你挡不住上游的官司，也预测不了下一个被指控的是谁。但你能做的是：就算上游出事，你的业务还能继续跑。这篇文章不是给你分析白宫指控谁对谁错，那个交给律师和媒体。我讲的是更实在的东西：小公司出海，选模型时合同上、架构上要提前卡住哪些点，才能不被上游的雷炸到自己。

这个坑你大概率也会遇到，我能帮你提前避开。

二、先分清：你买的到底是“模型”还是“服务”

结论：小公司 90% 的场景买的是“调用服务”，不是“模型本身”。把这两件事搞混，是合同谈偏、风险漏防的起点。

模型本身，是指你把权重文件拿过来，部署在自己的服务器上，数据喂进去训练或微调。调用服务，是你通过 API 把请求发给供应商，供应商的模型跑完之后把结果返回给你。大部分中小企业做出海应用、做客服机器人、做内容生成，都是后者。

据 CB Insights 2025 年的一项企业调研，约 82% 的企业表示计划在未来 12 个月内将 AI 智能体用于客户支持。这类场景下，企业依赖的就是“API 调用服务”，而不是自研模型。

这两者的风险完全不一样：

• 调用服务：你的风险集中在“服务中断”“数据合规”“供应商变更”。
• 部署模型：你的风险集中在“授权范围”“训练数据合规”“下游污染”。

我见过不止一家企业，合同谈了半天，法务揪着“模型权重授权范围”不放，结果最基本的“API 服务等级协议（SLA）”只字未提。谈判方向错了。你一个调用 API 的公司，和供应商争什么权重授权？

这里有一个关键判断：如果你只是调用 API，模型训练数据的原始争议（比如偷师指控）对你的直接法律风险相对小，真正的业务风险是“供应商因为这个争议被迫下架/暂停服务”。 所以精力要放在“万一停了怎么办”的条款上。

三、合同上最该死磕的三条

结论：小公司出海选模型，合同上真正能保命的是三条：过渡期条款、数据不出境条款、禁用/触发明确条款。赔偿金条款反而优先级靠后。

我给自己和客户审过很多份 AI 服务合同，踩过的坑都集中在“看起来不重要、出事要命”的地方。下面三条是我反复建议死磕的：

第一条：模型停用/下线的过渡期，白纸黑字写够 90 天。

这是最容易忽略的。供应商突然说“咱这个模型因为某某原因停止服务”，没有过渡期，你的业务当场停。供应商不会因为你要改代码就等你，他们只认合同。写上“服务终止前至少 90 天书面通知，且过渡期内服务不降级”，这是底线。大厂不愿意给 90 天，那至少谈到 60 天，同时把“过渡期内配合迁移”写进去。

第二条：数据不出境、不用于训练的书面承诺。

出海业务涉及境外用户数据，数据合规是比模型争议更常见的“真实炸弹”。你要的是供应商书面承诺“客户提交的 prompt 数据、调用数据，不用于训练基础模型，不跨境存储或传输”。别只看官网写的“我们重视隐私”，要看合同里有没有。据麦肯锡 2025 年 AI 应用现状调研，大多数企业仍停留在探索阶段，数据质量与治理是规模化成效上不去的核心瓶颈。数据条款没卡好，后面的麻烦比模型争议大得多。

第三条：供应商变更底层模型的“实质等同”义务。

有些供应商会偷偷把底层模型换了，API 不变，但效果变了。你的应用看起来没坏，输出质量却飘了。合同里要加一句：供应商更换底层模型需提前通知，且新模型在核心指标上需与旧模型相当，否则视为服务变更，触发过渡期条款。这一条能帮你防住“降配偷换”。

四、架构上要给自己留后路：模型抽象层

结论：技术架构上做一层“模型抽象层”，是小公司出海最便宜、最有效的保险。

什么叫模型抽象层？就是别让业务代码直接怼死某一个模型的特定接口。中间加一层自己的适配逻辑，输入输出格式由你控制，底层调用哪个模型，换起来只改一个配置。

我实操下来的做法很简单：

1. 业务侧只面向自己定义的输入输出结构；
2. 模型调用统一通过一个中转层/适配层；
3. 底层模型可以挂多家（OpenAI、Anthropic、国内主流模型等）；
4. 切换模型时，业务代码零改动。

这套东西不值钱，但关键时刻值一条命。供应商一出事，你花半天切到备用模型，业务不断档。没这层，等供应商停了，你重新改代码，两三周都排不上。

很多人觉得“我们就用一家，不做那么复杂”。这是典型的不给自己留后路。我服务过的跨境业务客户里，吃过上游突然变脸的亏的不在少数。切换成本不是选型时能感受到的，是出事时才疼的。到那时候，律师费比架构改造费贵得多，客户流失更没法算。

五、避坑清单：小公司出海选模型，五要五不要

一句话总结：小公司出海，选模型的本质不是押注哪个模型最厉害，而是确保自己随时能换。 模型能力谁强谁弱，三个月就变一次。但你的系统能不能不伤筋动骨地换掉一个供应商，取决于你今天做的架构和合同决定。

六、FAQ

Q1. 我们的应用只是调用大模型 API，上游偷师指控会连带我们一起赔偿吗？

多数情况下，调用服务方不参与模型训练，直接承担原始指控下的连带责任概率较低。但你真正的风险不是这个，而是上游因争议暂停服务或修改服务条款导致业务中断。把精力放在过渡期和数据条款上，比担心连带赔偿更实在。

Q2. 签了供应商的标准格式合同，没有谈判空间怎么办？

标准合同不是不能改，是小公司常常不知道怎么改、改哪里。你可以在“服务等级”和“数据安全”两个附加上要求增补说明，多数供应商对这两块是有弹性空间的。实在谈不动，至少要让对方书面确认“哪些条款未来可协商”，并保留自己的备用模型方案。

Q3. 我们是几个人的小团队，没有法务也没有架构师，怎么落地这些？

团队小更要抓重点。先做一个最简版的“模型调用中转层”，哪怕就是自己封装一层函数也能管用。合同上优先卡“过渡期”和“数据不用于训练”两条。其余复杂条款可以后续补，但架构解耦和核心合同条款，不能等出了事再补。

七、结尾

模型争议会一直有，今天这家被指控，明天那家被调查。做企业 AI，想靠“选对一家”来一劳永逸，本身就不成立。真正能让你睡得着觉的，是业务不被上游绑架：合同有过渡期，数据有边界，架构能换底。

想上 AI 又怕做成“没人用的摆设”，或者选型被供应商锁死，找一个自己踩过坑、也帮不同行业客户避过坑的过来人，先陪你想清楚“做哪件、会不会废、怎么留后路”。这些坑你大概率也会遇到，提前避开比事后补救省得多。

关于作者

• 15 年互联网老兵 · 懂技术懂运营懂自媒体 · 以前写代码，现在主力用 AI 开发产品，五十多个 AI 产品全部在线 · 帮珠三角十几个行业落过地
• 独立操盘 50+ AI 产品，横跨自媒体、电商、线上团购平台、金融股票、数据分析、知识付费、教育、口腔医疗、智能制造等十多个行业
• 提供企业 AI 落地咨询、项目陪跑、定制开发与 AI 实战训练营
• 作品与落地案例可在图灵科技官网作品页点开验货：https://wuhuaturing.com/works.html
• 以上为一线实操复盘，欢迎交流。