第一编 生成式人工智能的技术机理与产业发展
第一章 生成式人工智能的前世今生
生成式人工智能与人工智能生成内容的定义
生成式人工智能的发展历程
前深度学习时代（20世纪50年代-20世纪80年代）
深度学习时代（20世纪80年代至今）
生成式人工智能的技术原理
芯片层
深度学习框架层
模型层
应用层
生成式大模型的技术特点
生成式大模型以海量数据为学习基础
生成式大模型以深度神经网络为学习架构
人类可以对大模型进行一定程度的干预
生成式大模型是基于概率预测生成内容
生成式人工智能的应用
从一个例子看人工智能在应用中发挥的重要作用
从应用场景看人工智能原生应用
从投融资角度看人工智能原生应用
AIGC产业发展情况和展望
MaaS打造AIGC新业态
AIGC应用从to-B和to-C两端构建生态
聊天机器人应用场景多样化
多模态、跨模态
AI Agent（智能体）将获得更广阔的角色价值与发展空间
第二章 生成式人工智能的风险
硬件层：人工智能芯片短缺风险
数据层
数据质量风险
数据安全风险
使用版权数据做预训练的侵权风险
数据爬取导致的不正当竞争风险
数据孤岛与数据交易不足风险
算法层
算法安全风险
算法公平风险
算法透明度风险
算法归责风险
应用层
内容安全风险
著作权法律风险
新型不正当竞争和垄断风险
侵犯人格权、肖像权等风险
伦理风险
第二编 生成式人工智能技术和产品合规要点
第三章 生成式人工智能产品准备阶段的合规要点
训练数据集合规要点
数据来源合规
数据集的预处理工作
数据安全
算法/模型合规要点
准入类资质
算法备案
算法机制机理审核研究
安全评估
科技伦理审查
第四章 生成式人工智能模型训练阶段的合规要点
训练阶段
预训练
优化训练
训练阶段的合规要点
采取完善的数据治理措施
编制技术文件
日志记录和保存义务
解释说明的义务
管理优化训练中的标注人员
模型的安全性测评
内容输出阶段
知识产权合规要点
信息发布审核
平台内容管理
标识要求
协助监管
生态治理
第五章 生成式人工智能的基准和评估
安全性评估标准
评估“模型欺骗”或“模型出逃”的风险
评估被“滥用”的风险
安全评估的方法及要求
合规评估标准
算法备案的合规标准
欧盟“高风险人工智能系统”的合规标准
第六章 生成式人工智能部署环节的合规
大模型垂直部署
保证数据质量的义务
全周期的内容评估义务
大模型开发者的提示义务
基于API调用的部署
开源合规
数据合规
安全评估和算法合规
内容合规
基于插件模式的部署
插件模式下反馈信息的合规问题
生成式人工智能基于插件模式调用第三方程序合规问题
“一站式”大模型集成平台
内容管理
用户管理
应急处理
第三编 生成式人工智能域外合规要览
第七章 欧盟生成式人工智能合规框架
欧盟生成式人工智能合规监管体系概述
欧盟生成式人工智能技术产业现状
欧盟生成式人工智能治理的基本原则
主要监管部门及职责
主要规定与历史沿革
监管法律及其历史沿革
主要监管及激励措施
合规要点
高风险人工智能系统的合规要求
有限风险人工智能系统的合规要求
通用人工智能模型提供者的合规要求
第八章 美国生成式人工智能合规框架
美国生成式人工智能合规监管体系概述
美国生成式人工智能治理的基本原则
主要治理主体及职责
主要规定与历史沿革
美国生成式人工智能联邦监管立法及政策概述
《人工智能基础模型透明法案》重点制度框架
合规要点
生成式人工智能大模型训练数据合规
知识产权保护合规
产品准入及前置程序合规
内容安全及伦理安全
第九章 英国生成式人工智能合规框架
英国生成式人工智能合规监管体系概述
英国生成式人工智能治理的基本原则
主要监管部门及职责
监管框架思路、依据、风险
主要规定与历史沿革
《国家人工智能战略》提出的未来立法监管规划
英国生成式人工智能监管规则概览
英国治理体系特征
秉承去中心化监管理念，以行业自主治理为主
重点行业治理特点与制度
合规要点
确定适用的人工智能监管规范与范围
展开
