数据合规成本成 AI 隐性门槛：从野蛮生长到可被审计
合规从"加分项"变成"入场券"
早几年做 AI 应用，能不能用、好不好用是核心；现在要把 Agent 卖给金融、政务、医疗客户，第一关往往是"过不过得了合规"。行业追踪显示，企业部署智能体时，要保留每一次 Prompt、工具调用与决策的审计日志，留存期按属地法规可达 3 到 5 年，还要设内部"Agent 道德官"对新部署签字放行。合规不再是上线后的装饰，而是立项前就要答完的试卷。
可被审计：每一次调用都要留痕
"可被审计"四个字，落地起来是一整套工程。它要求 Agent 的每一步——调了哪个工具、读了哪条数据、下了什么决定——都能被回放和复核。新加坡近期把反诈拦截放在设备端、做到零云外传，是一个极端但清晰的例子：不是不能智能，而是数据路径要可解释、可验证。对企业来说，没有日志的 Agent 等于没有刹车，再强的模型也不敢放进生产。
谁在买单：合规成本长什么样
合规不是免费的。它直接对应三类支出：其一是日志与可观测性基础设施，调用量越大存储与计算越贵；其二是评测与治理的人力，Prompt、模型、知识库都在变，需要持续跑评测；其三是组织成本，多出来的签字、审批与责任边界。中关村科金的选型指南把"评测能力决定后期运营成本"单独列出，正是这个意思——上线容易，长期合规地跑下去才烧钱。
区域差异：同一套 Agent，不同边界
合规的麻烦在于它没有统一标准。欧盟 GDPR 下日志保留约 3 年，新加坡要求 5 年，跨境业务还要叠加数据出境规则。同一套 Agent，卖到不同市场，数据路径、留痕周期、人工兜底要求可能完全不同。这对做出海或跨区业务的企业是真实负担：你写的不是一套系统，而是按区域切分的若干套合规模板。
中小团队的隐性门槛
对中小团队，合规是最容易被低估的隐性门槛。大厂可以养专门的治理与法务团队，小团队往往一个人身兼产品、工程与合规。结果就是：在能力上小团队能和巨头掰手腕，一旦进入需要审计追踪、私有化部署、三年 TCO 的采购流程，结构性劣势就暴露了。合规正在悄悄重写 AI 创业的"最低可行规模"。
把合规当设计，而不是补丁
应对之道，不是上线后再打补丁，而是把合规当设计前提。从第一天就埋好日志、定好人工兜底阈值、画清数据边界，比事后补一套审计系统便宜得多。对采购方，也建议把"是否可被审计"列为核心选型项，和模型能力同等权重。未来的 AI 公司，比的未必是谁更聪明，而是谁更"经得起查"。
