投资（收购）AI项目公司，律师的关注重点及角色重构

投资早期AI项目，团队是核心资产。法律尽调中对核心人员的核查，不仅要确认其背景的真实性，更要评估其长期稳定——后者对商业持续性的判断具有直接意义。

（一）履历信息的核验：态度本身就是一种信号

创始团队提供的履历信息，尽调中需要通过公开渠道或第三方工具进行基本核验：学历学位的真实性、过往任职的起止时间与职级、上一段创业的退出方式及与前投资人之间是否存在未决争议。

这一工作的法律意义不仅在于防范虚假陈述风险，更在于观察团队对待信息管理的态度。一个对自身履历信息管理严谨的团队，在技术底层、数据合规等更复杂的问题上，通常也会保持同样的审慎及认真。反之，如果在基础信息上存在美化或隐瞒，则需要在其他领域以更高的验证标准对待。

从商业判断的角度看，履历核验的成本极低（学历验证数十元，任职经历可通过交叉印证完成），却能为投资人对团队诚信度的判断提供早期依据。实务中曾出现过因履历不实导致交易终止的案例——并非因为不实信息本身改变了核心能力的判断，而是信任基础一旦出现裂缝，后续的技术合规承诺也难以让人信服。

（二）竞业限制：核心人员可用性的法律底线

AI行业的人才流动与竞业限制高度伴生。技术合伙人从前雇主（尤其是大厂或前沿实验室）离职后加入初创团队，是否仍受竞业限制义务、保密义务约束，是需要重点核查的法律问题。一旦触发，后果往往是核心人员被迫离岗、核心代码被要求剥离、产品功能直接受阻。

律师在这一事项上的工作不应止于口头询问。需要落实的包括：取得核心人员的书面声明，确认不处于竞业限制期内或已取得前雇主书面豁免；追溯技术成果的形成时间线，排查是否存在使用前雇主设备、工作时间或商业秘密的情形。

上述工作的成果直接服务于商业判断：如果团队能够主动提供前雇主的豁免文件，说明其风险管理能力成熟，投资人对团队稳定性的信心可以提升；如果团队对竞业问题语焉不详、寄望于“不会被追查”，则需要在交易文件中设置相应的陈述保证条款或交割后义务，甚至调整估值以反映该不确定性。

（三）股权结构：反映团队治理的健康度

股权结构不仅是法律权属的安排，更是团队稳定性和治理水平的重要观察窗口。尽调中需要关注以下几个方面：

核心技术人员是否持股？若仅拿工资而无股权，其被竞争对手挖走的法律障碍很低，直接影响技术团队的稳定性预期。

创始人之间的权利义务是否以书面股东协议固定？口头约定在法律上缺乏保障，一旦出现分歧，可能导致公司治理僵局。

是否预留了期权池？种子轮未预留期权池，未来引进核心人才时将面临激励空间不足的问题，届时调整股权的交易成本远高于当下。

从商业判断的角度看，股权结构中的上述特征并不直接构成“风险”，但可以帮助投资人判断团队的管理成熟度。一个在早期就建立规范股权治理结构的团队，在处理后续更复杂的合规问题时通常也更有章法。

种子轮AI公司几乎没有成体系的合规制度，这是行业常态。律师的任务不是指出现状不完善，而是做出两类判断：第一，目前缺失的合规事项，是“尚未完成”还是“客观上无法完成”？第二，这些缺失对商业计划的影响程度如何？

（一）算法备案与大模型备案：上线前必须完成的法律门槛

大模型备案和算法备案是AI产品上线运营的法定要求。种子轮阶段未完成备案完全正常，但律师需要回答两个对商业计划具有关键影响的问题：

第一，按照公司规划的业务方向，能否完成备案？如果产品涉及深度合成、新闻信息、金融信息、医疗健康等敏感领域，备案门槛可能显著提高，甚至需要前置审批。这不是团队通过努力就能跨越的障碍，而是结构性的市场准入问题。律师需要结合现行法规，对备案可行性做出专业判断，并将这一判断明确写入尽调报告——它直接决定产品的上线时间表，进而影响融资用途和里程碑设置。

第二，创始团队是否具备备案意识？如果团队对备案要求毫无所知或态度轻慢，意味着未来的合规整改很可能依赖外部推动而非内生驱动，这会增加投后管理的难度。反之，若团队能够主动说明备案计划和时间表，则说明其对合规路径有清醒认知，属于加分项。

从商业判断的角度看，备案完成进度在同一赛道中往往构成竞争要素。率先完成备案的企业，比竞争对手更早获得合规信用，这一因素在估值谈判中可以作为支撑依据。

（二）数据来源合法性：将“灰色地带”转化为可管理的风险

大模型训练数据的来源合法性，是全球AI领域争议最大的问题之一。种子轮企业不可能完全解决这个问题——即使是头部大厂，在严格审查下也难以保证全无瑕疵。但律师可以通过以下工作，帮助投资人对这一风险形成可管理的认知：

要求团队提供训练数据来源清单，分类标注：公开数据集、爬取数据、用户上传数据、第三方采购数据。针对每一类数据，评估潜在的法律风险（版权侵权、个人信息保护违规、不正当竞争等）及发生概率。在此基础上，判断团队是否具备风险识别能力和整改意愿。

真正值得警惕的不是“数据来源存在瑕疵”，而是“团队对这一问题缺乏基本认知”。一个能够主动说明问题所在，认识到风险，并已有相应解决方案或计划的团队，其风险管理能力远胜于声称“网上搜到的就能用”的团队。

律师在这一事项上的输出，不是简单的“存在风险”结论，而是对风险敞口的大小、发生概率、整改路径及成本的专业评估。这些信息直接服务于投资人对项目整体风险的定价。

（三）用户数据的隔离与授权

产品上线后，用户在使用过程中输入的内容是否会被用于模型训练或优化，需要在隐私政策中明确告知并取得用户同意。种子轮阶段产品未上线，这一问题尚不紧迫，但技术架构设计时即应考虑训练数据与用户数据的物理或逻辑隔离。律师可以在尽调中了解团队的技术方案，并提示其数据合规的最佳实践路径。

从商业判断角度看，提前规划数据隔离架构，可以避免未来因监管趋严而被迫重构技术系统的高昂成本。这一细节反映的是团队的技术治理水平。

律师在法律尽调中不需对代码质量、模型能力等技术指标做出评判，但可以围绕技术资产的法律属性，提出对商业判断具有实质影响的问题。

（一）技术依赖的可持续性：API调用模式下的供应风险

如果目标公司的产品完全建立在调用第三方大模型API的基础上，律师需要审查API依赖协议中的关键条款：服务等级承诺、断供后的过渡期安排、价格调整的提前通知期限等。种子轮阶段的此类协议往往不完善，律师需要明确指出合同缺失条款可能带来的商业后果——API提供方随时可能变更条款、调整定价甚至终止服务，目标公司对此没有控制权。

这一法律发现对商业判断的意义在于：如果技术壁垒完全建立在API调用之上，且团队没有替代方案或自研计划，那么项目的护城河可能比想象中要浅。投资人需要据此调整对技术优势持续性的预期。

（二）开源组件的使用边界与许可证合规

AI公司普遍使用开源框架和模型，这是合理的技术选择。律师的工作是对所使用的开源许可证进行合规审查，区分强传染性许可证（如GPL、AGPL）和宽松许可证（如MIT、Apache）。如果强传染性许可证被用于核心产品的代码中，可能导致公司自研代码被“传染”为必须开源的代码——这对未来有上市计划或寻求高估值融资的公司而言，是需要从技术架构层面予以规避的结构性问题。

律师需要要求团队提供所使用开源组件的清单，并评估许可证兼容性风险。这一审查的结论，直接关系到公司技术资产的自有性和独占性，是估值判断的重要依据。

（三）技术壁垒的形成原因：可复现性与竞争窗口

这一问题的法律属性较弱，但律师可以在管理层访谈中将其作为必问项：公司的核心技术优势，是因为攻克了他人未能攻克的难题，还是因为大厂暂时未将目光投向这一方向？如果是后者，优势的保质期可能需要被审慎评估。

创始人的回答方式—是能够给出经得起推敲的论证，还是顾左右而言他—本身即是团队战略思考深度的体现。律师可以将这一观察以适当形式反馈给投资人，帮助其形成对项目竞争壁垒的更全面判断。

AI行业变革迅速，某些外部变量的变化可能导致项目在跑通商业模式之前就被淘汰。律师无法替代投资人对赛道做出商业判断，但有义务将那些可能触发项目提前出局的法律和政策信号逐一标注出来。

（一）政策敏感度：业务方向是否触碰监管红线

需要关注业务方向是否涉及深度合成、自动化决策、算法推荐等监管密集关注的领域。这些领域的合规要求仍在快速演进，政策窗口的不确定性本身就是一种需要被定价的风险。

如果业务完全建立在某一项临时性政策红利之上，政策一旦调整，业务基本盘可能直接消失。律师需要在尽调中追问：公司目前的商业计划，有多少是建立在“政策不会变”的假设之上的？

涉及深度合成内容的业务（如数字虚拟人、AI生成视频等），还需特别关注内容标识义务的落实情况。这方面的监管要求已在2025年后明显趋严，从“鼓励标识”转向“强制标识”，合规成本持续上升。律师应结合最新法规，评估公司的合规准备情况。

（二）客户集中度与合同稳定性

种子轮公司可能只有一两个标杆客户，这在早期完全正常。但律师需要审查客户合同中的关键条款：是否存在随时解约权？是否有排他条款限制公司接洽其他客户？标杆客户流失后的现金流压力有多大？

这些合同条款的法律分析，对商业判断的意义在于：如果技术优势并非不可替代，而客户关系建立在低价或既有关系之上，那么当大厂以更低价格或免费策略进入时，客户留存率可能极低。投资人需要据此调整对收入稳定性的预期。

（三）商业模式的底层法律假设

如果业务本质是依靠信息差获取利润——例如在公开渠道获取数据、加工后提供服务——而数据来源的合法性存在结构性问题，那么这不是成长中可以逐步修正的瑕疵，而是根本性问题。律师需要明确指出：这类问题不会随着公司长大而自动愈合，只会在监管趋严或权利人维权时风险彻底爆发并可能发酵。

总结前述四个维度的实务经验，可以清晰地看到AI项目尽调与传统项目尽调的本质区别：传统尽调中，律师的输出是一份“风险及问题清单”，也会有相应的法律问题解决方案，投资决策层在此基础上自行判断；而在AI项目尽调中，由于大量风险具有高度的不确定性和动态变化特征， 

这要求律师具备更多元的角度去进行分析和判断，为客户更好的提供服务，本身也完成一次根本性的角色重构，以法律为基础，多维度协助客户进行商业判断以及风险控制。

（一）风险控制者的核心工作

传统意义上的法律尽调报告列出若干风险点，标注高、中、低等级，提供相应解决思路或方案，然后交由投资人自行决定。这种模式在业务成熟、法律规则清晰的领域尚可适用。但在AI领域，风险的演化路径往往超出静态判断：一个今天被标注为“低风险”的开源许可证问题，可能因为公司商业模式的调整（例如从软件服务转向分发）而骤然升级为高风险；一个今天尚处灰色地带的数据来源问题，可能因为新的司法解释或监管案例而一夜之间变为红线。

如果律师仅仅罗列风险而不参与后续的风险控制方案设计，投资人获得的信息是不完整的。

作为风险控制者，律师的工作贯穿交易的全流程，包括但不限于以下几个方面：

第一，风险的概率评估与分级控制。律师需要结合行业实践和监管动态，对每一项风险的发生概率给出专业判断，而不仅仅是“是否存在”。同时，区分两类风险：一类是“清零型风险”——只要发生就足以摧毁项目价值（如核心代码因GPL传染被迫开源）；另一类是“成本型风险”——发生之后可以通过金钱赔偿或技术替代来缓解（如部分训练数据存在版权瑕疵）。前一类风险需要在交割前完成控制（例如要求更换开源组件），后一类风险可以通过交易文件中的赔偿条款或估值折让来管理。

第二，通过交易结构设计实现风险隔离与控制。律师可以主动设计交易结构，将投资人的资金暴露与特定风险的解决进度挂钩。例如：对于备案尚未完成的项目，可以设置分阶段交割，首期资金仅用于完成备案，备案完成后第二期资金再行支付；对于数据来源合规性尚待厘清的项目，可以将约定部分投资款托管，待团队完成数据清洗或取得必要授权后释放；对于竞业限制存在潜在争议的核心人员，可以要求将其部分股权设置为分期归属，并连同投资款的支付与竞业问题的解决状态绑定。

第三，交易文件中的风险控制条款。陈述与保证条款、交割后义务、赔偿条款、先决条件等传统工具，在AI项目中需要被精细地重新设计。例如，针对开源许可证合规风险，可以要求公司在交割前提供完整的开源组件清单及许可证分析报告，并以此作为交割先决条件；针对数据来源问题，可以设置专门的赔偿条款，明确因训练数据侵权导致的第三方索赔由创始人承担。

第四，交割后的持续风险监控。对于无法在交割前完全解决的风险，律师可以建议投资人保留投后的监督权，例如要求公司定期报告备案进展、数据合规整改情况，或在重大合规事件发生时赋予投资人特别的知情权和决策权。

（二）从风险控制到价值创造

值得强调的是，风险控制并不等同于规避风险。在早期AI投资中，完全不承担任何风险的交易几乎不存在。风险控制者的目标，是将风险控制在可接受的范围内，使其被充分识别、被合理定价、被主动管理，而不是简单地将项目拒之门外。

从这个意义上说，优秀的风险控制者同时也是价值创造者：通过清晰的风险定价和结构设计，帮助投资人在不确定性中找到可以下注的位置，帮助创始团队以合规的方式加速成长。这正是AI时代投融资律师不可替代的核心竞争力。

AI项目的法律尽职调查，正在推动律师从传统的“合规守门人”向“风险控制者”演进。我们帮助投资人理解“在什么条件下可以做什么、以什么样的代价做、如何把风险控制在可接受的范围之内”。这种转变的核心，是将法律判断嵌入商业决策的全流程，

让进场的人清楚地知道自己正在为哪些风险买单、哪些风险可以通过交易结构或者其他措施缓释、哪些风险只能接受——并且确保这些风险被主动控制而非被动承受——这才是尽职调查在AI时代的真正价值所在。