// 维基 · 指南 · 2026 年 9 月
AI资产尽职调查
文章草稿。AI公司交易的核查地图；核查范围与深度取决于具体交易结构。
供讨论的草稿。本文描述买方的核查逻辑；对创始人而言，同一份清单是融资轮或出售的备战清单。
简短回答
AI公司的价值在于模型、数据和团队，而不仅是代码和合同。常规法律核查几乎看不到这些资产：模型权重的权利、数据集来源、以及留住创造这一切的人，需要单独的板块核查。漏掉任何一项，购买技术就变成购买风险。
六大核查板块
1. 模型与代码权利
核查整条链条：架构、训练权重、代码和提示词库登记在谁名下。关键点：职务成果（民法典第 1370 条）——任务书与验收文件是否齐备；承揽与委托（第 1296 条）——自由职业者和机构的成果是否归属公司；公司设立前的开发——创始人是否转让了权利；程序和数据库在 Rospatent 的登记——作为争议中的证据。
2. 数据集
数据来源日志：来源、许可、同意、限制。争议类别：未经许可或授权的平台抓取、无依据的个人数据、整份他人数据库。详见文章 《在他人作品上训练模型》.
3. 第三方许可与 open source
SBOM——带许可的组件清单。关注点：服务端代码中的 GPL/AGPL、带商业限制的“源码可得”、条款不清的 SDK——参见 《公司产品中的 open source》.
4. 监管要求
生成内容参与推广时的广告标识；遵守第152号联邦法；商业秘密制度（向公共AI服务上传数据已是司法实践的对象，参见 《人工智能与商业秘密》）；产品强制要求地图—— 《AI监管地图》.
5. 团队
没有会继续训练模型的人，模型就是没有钥匙的盒子。核查事项：期权与 ESOP（是否签署、归属安排、池子）、竞业与保密协议、对一两名关键工程师的依赖、副产开发的权利。
6. 客户合同
合同之下生成内容和客户数据归谁所有；模型错误的赔偿责任上限；质量保证（可用性、准确性）；公司易主时转让合同的权利。
危险信号
| 信号 | 为什么代价高 |
|---|---|
| 没有来源历史的数据集 | 权利人的索赔随模型一并归买方 |
| 关键代码来自未转让权利的自由职业者 | 公司不拥有自己的产品 |
| SaaS 运行时中的 AGPL | 开放源码或重写组件的义务 |
| 合同项下客户生成内容权属不明 | 交割后立即与最大客户发生权利争议 |
| 模型的全部知识集中在一个员工脑中 | 一人离职即令资产贬值 |
保证与代价
查到的问题并不总是交易的终结：通常成为谈判筹码。工具：附损失赔偿的陈述与保证、针对数据集和许可的单独赔偿（indemnity）、整改前托管部分价款、剥离问题资产。但这些工具只在风险已被发现并指明之处起作用——因此核查比合同措辞更重要。