去年开始，无论是办讲座还是见客户，话题总绕不开AI，大家包括我自己，都对新工具充满了狂热。 作为知产律师，我个人一个粗浅的体感是： 在当下的商业语境里，知识产权依然是企业的“存量”，而AI仅仅是“变量”。 对于文化创意（重版权）、科技研发（如重专利与商业秘密的软件SaaS、生物医药）、新消费与连锁品牌等以知识产权为核心资产或重要资产的企业来说（我常称之为受AI冲击较大的“敏感型企业”），产品的本质就是“智力成果”。 这些经过确权的知识产权，是耗费极大成本积累下来的“存量”，是企业在牌桌上和资本、和客户要价谈估值的真正底牌。 AI冲进场后，确实是一个极具爆发力的“变量”和效率杠杆。 它能极大缩短研发周期，成倍降低生产成本，但当我们用体系化的思维去审视这两者的碰撞时，会发现，如果盲目追求变量带来的效率，可能会无意识地消耗掉公司的存量基本盘。 这种消耗首先体现在版权资产的稀释上。 引入AI后，团队一天能出几百张图，产能翻倍，但从目前的法律实务来看，纯AI生成的物料极难确权。 未来，随着立法完善，AI生成物的版权边界一定会逐渐清晰，但在当下这个阶段，企业如果只顾着疯狂用AI产出，结果就是表面上产能惊人，但公司真正拥有的核心无形资产不仅没增加，反而缩水了。 另外一个风险点，是商业秘密泄露。 为了让AI干活更准，很多员工图方便，直接把公司未公开的核心代码、内部数据“喂”给了外部的公开大模型。 除非公司有预算做大模型的本地化私有部署，否则这种行为很危险。用核心存量的安全，去换取短期的效率增量，这笔账我认为并不划算。 写下这些感悟，绝对不是让大家抗拒AI。 真正务实的状态是：用变量去撬动增量，但必须用机制死死守住存量。 社会上已经开始有不少应对技术，但对于大多数企业来说，目前性价比最高的，是至少做好这两个动作： 一是在内部立规矩，在没有本地化部署条件的情况下，严禁核心业务数据与外部公开大模型的随意连接，防止商业秘密泄露； 二是对外改标准，AI生成的物料只能作为基础素材，最终交付的商业成果必须要求团队保留足够比例的“人工实质性修改”以及创作过程的留痕。 这两点并不足以解决AI时代所有的合规问题，但它是绝大多数企业当下立刻就能落地、且能挡住大部分低级风险的基建。 技术浪潮里跑得快固然好，但越是风口，越要清楚手里真正值钱的是什么。 守好基本盘，再去借AI的东风，才是长期主义者的赢面。 #AIGC