【垦丁】生成式人工智能海外合规白皮书（东南亚篇）

东南亚生成式人工智能合规白皮书总结

核心内容概述

本白皮书全面解析了新加坡、越南、泰国、马来西亚、印度尼西亚和菲律宾等东南亚国家在生成式人工智能（GenAI）领域的法律合规要求。各国家的监管框架、合规核心问题及行业现状各具特色，但均围绕数据保护、内容安全、知识产权、透明度和用户权利保护等关键议题展开。

各国生成式人工智能监管框架概览

新加坡

• 监管方式：采用“软法”为主，通过指南和倡议进行治理，而非强制性法规。
• 主要机构：IMDA、PDPC、MAS、CSA、MOH。
• 关键政策：
  • 《国家人工智能战略》（NAIS）：推动AI发展，建立“进步和可信”的环境。
  • 《生成式人工智能治理模型框架》（MGF for GenAI）：指导AI治理实践，强调透明度、公平性、问责制和可解释性。
  • AI Verify：提供AI系统测试和验证工具，鼓励企业进行自我评估和透明披露。
  • 《个人信息保护法》（PDPA）：规定数据跨境传输的合规要求，强调数据主体的知情权和选择权。

越南

• 监管方式：尚未形成完整的AI法规体系，但监管趋势向欧盟靠拢。
• 主要机构：科学技术部、信息与通信部、公安部。
• 关键政策：
  • 《2030年人工智能研究、发展和应用国家战略》：推动AI发展，强调数据安全、透明度和合规性。
  • 《数字技术产业法》（征求意见稿）：首次在法律中设立专章，明确AI合规框架。
  • 《个人数据保护法令》（PDPD）：对个人数据的收集、使用、处理提出明确要求。
  • 《网络安全法》：规定数据本地化要求，以及数据跨境传输的条件和限制。

各国生成式人工智能合规核心问题

1. 基础模型和AI产品关系及定性

• 新加坡：未明确分类，但强调需遵守PDPA和MGF for GenAI的透明度、公平性等要求。
• 越南：尚未分类，但强调需关注数据安全、隐私保护及特定领域的合规性。

2. 大模型预训练使用公开数据合规

• 新加坡：强调数据质量、匿名化处理及数据最小化原则，鼓励使用开源数据集，但需遵守PDPA及《指南》要求。
• 越南：强调数据的合法性、透明性和目的性，要求数据需为非个人信息或已去标识化。

3. 数据本地化和数据跨境

• 新加坡：鼓励数据本地化，但数据跨境政策相对宽松，强调数据保护和合规性。
• 越南：数据本地化要求较为严格，跨境传输需经评估和审批，且涉及国家安全的敏感数据需特别注意。

4. 开发者安全责任

• 新加坡：强调开发者需确保模型的安全性、可解释性和透明度，鼓励使用AI Verify工具进行测试和验证。
• 越南：未专门立法，但《网络安全法》和《个人数据保护法令》对数据控制者和处理者提出责任要求。

5. 内容安全

• 新加坡：要求AI生成内容符合社会道德和价值观，禁止歧视、偏见及非法内容的生成。
• 越南：强调AI内容需符合法律规范，避免生成危害国家安全或社会秩序的内容。

6. 生成物知识产权可版权性

• 新加坡：认为AI生成物需有“人类智力的运用”，强调创造性努力，不包括数据收集或训练过程。
• 越南：尚未明确AI生成物的版权归属，但强调数据的合法使用和去标识化。

7. 大模型透明度

• 新加坡：要求AI系统在决策过程中保持透明，但不强制披露知识产权或源代码。
• 越南：强调AI系统的透明度和可解释性，以增强用户信任。

8. 用户权利保护

• 新加坡：依据PDPA，保障用户的数据访问、更正、删除、反对等权利。
• 越南：依据PDPD和相关法律，保障用户对个人数据的知情权和控制权。

生成式人工智能产业现状与主要企业案例

新加坡

• AI Rudder：提供对话式AI解决方案，应用于金融、客服等场景。
• ADVANCE.AI：提供企业级AI服务，如人脸识别、风险评估等。
• 科大讯飞：推出星火认知大模型，支持本地IP访问。
• 字节跳动：在新加坡设立SPRING公司，推广AI应用，如ChitChop平台。

越南

• FPT：越南最大科技公司，推出AI Mentor虚拟助手，支持本地IP访问。
• VinBigData：专注于计算机视觉和智能健康，开发ViGPT模型。

总结

东南亚各国在生成式人工智能的监管和合规方面呈现出多样化的特点，既有以新加坡为代表的“软法”治理模式，也有越南等国逐渐引入“硬法”监管趋势。各国家在数据保护、内容安全、透明度和用户权利等方面均设定了明确要求，强调AI技术的负责任使用和合规发展。企业在该地区开展AI业务时，需充分了解各国的法律框架和合规要点，以确保技术应用的合法性与可持续发展。