业务范围界定
市场监管局分类的第一步，永远是“你到底做什么”。但AI大模型的业务范围，偏偏是“四不像”——既有技术开发，又有数据服务，还可能涉及内容生成，甚至跨界到行业应用。这时候，不能简单套用传统行业分类，得拆解核心业务链条。比如，有的公司专注于大模型底层研发（比如算法优化、框架开发），这明显属于“科技推广和应用服务业”；有的公司用大模型做行业解决方案（比如AI+金融风控、AI+医疗诊断），可能涉及“专业技术服务业”或特定行业分类；还有的公司只提供大模型API调用服务，本质是“信息技术服务业”中的“互联网数据服务”。
.jpg)
这里的关键是“主营业务”的识别。市场监管局会看你的收入构成、核心技术人员背景、实际经营场所的用途。比如某公司注册时写“人工智能技术研发”，但实际80%收入来自AI生成内容（比如AI写作、AI绘画），这时候市场监管局就会要求调整分类，纳入“广播电视、电影和录音制作业”或“文化娱乐业”，因为内容生成属于文化创意领域。我曾帮一个客户处理过类似问题：他们做AI教育大模型，一开始按“教育软件”分类，后来发现实际业务包含AI批改作业、学情分析，属于“教育数据处理服务”，市场监管局要求补充“教育大数据服务”的经营范围，否则就是超范围经营。
还有一个常见误区：认为“大模型”就一定属于“高端技术”，可以随便写“人工智能大模型研发”。但实际上，如果公司没有核心技术团队，只是调用第三方大模型做二次开发（比如基于GPT做垂直领域应用），市场监管局会认为你属于“人工智能应用服务”，而非“技术研发”。这时候分类就要更侧重“应用场景”，比如“金融AI应用服务”或“医疗AI应用服务”，对应的行业分类代码也会不同（比如“6940 信息技术咨询服务”或“7510 医疗服务”）。
值得注意的是，AI大模型的业务范围可能随发展动态变化。比如初创公司只做模型训练，后来增加了模型部署服务，这时候就需要向市场监管局申请变更经营范围和分类。我见过一个案例：某AI公司最初注册为“数据处理服务”，后来转型做大模型API商业化，市场监管局要求他们增加“互联网数据服务”和“人工智能公共数据服务”，因为模型部署本质上是对数据的“在线处理”和“服务输出”。这种动态调整，对创业者的前瞻规划能力提出了更高要求。
数据要素属性
AI大模型的“燃料”是数据，而数据的属性直接决定了市场监管的分类逻辑。市场监管局在分类时，会重点关注“你处理的是什么数据”——是公开数据、个人信息，还是重要数据/核心数据？这直接关系到公司是否涉及“特殊行业监管”。比如，如果公司处理的是个人信息（比如用户画像、行为数据），就需要额外遵守《个人信息保护法》，在分类时可能被纳入“数据服务”中的“个人信息处理服务”，对应的经营范围需要包含“数据处理与存储服务（含个人信息处理）”，否则就是违规。
更复杂的是“数据跨境”问题。如果AI大模型公司的训练数据或服务涉及跨境传输（比如用海外数据训练模型，或向海外用户提供API服务），市场监管局会联合网信办、工信部进行“数据出境安全评估”。这时候，公司的分类就不能只看“业务范围”，还要看“数据合规资质”。我曾帮一个客户处理过跨境数据业务：他们做跨境电商AI大模型，需要处理海外用户的支付数据，市场监管局要求他们先取得“数据出境安全评估证明”，才能在分类中纳入“跨境电子商务服务”，否则直接驳回注册申请。这种“数据前置”的分类逻辑，让很多创业者措手不及。
公共数据也是AI大模型的重要来源。如果公司利用政府开放的数据（比如交通数据、气象数据）做模型训练，市场监管局会认为你属于“公共数据服务”，分类时可能对应“7220 生态资源与环境数据服务”或“7230 经济社会数据服务”。这时候，经营范围需要明确“公共数据处理与利用”，并且可能需要与政府部门签订《公共数据使用协议》。比如某智慧城市AI公司，用城市交通数据做大模型预测，市场监管局要求他们补充“公共数据运营服务”的经营范围，否则就是“无证经营公共数据”。
数据的“权属”也会影响分类。如果公司处理的是自有数据（比如企业内部的生产数据、客户数据），市场监管局可能归为“企业数据服务”，纳入“7290 其他专业技术服务”；但如果处理的是第三方数据（比如购买的数据集、爬取的公开数据），就需要明确“数据来源合法性”，否则可能被认定为“非法数据处理”，直接影响分类结果。我见过一个案例：某AI公司用爬虫技术抓取社交媒体数据训练模型，市场监管局在分类时发现数据来源问题，不仅驳回注册，还启动了数据合规调查。所以说，数据属性不是“附加项”，而是分类的“核心变量”。
应用场景风险
AI大模型的价值在于“应用”，但不同的应用场景，对应的市场监管风险天差地别。市场监管局在分类时，会重点评估“你的大模型用在哪儿”——是低风险的通用场景（比如文本生成、图像识别），还是高风险的垂直领域（比如医疗、金融、司法）？这直接决定了分类的“严格程度”和“监管强度”。比如，大模型用于“医疗辅助诊断”，可能被纳入“医疗器械软件”范畴，需要药监局的注册审批；用于“金融风险评估”，可能涉及“金融信息服务”，需要金融监管部门的前置许可；用于“司法文书生成”，可能属于“法律服务辅助工具”，需要司法部门的合规审查。
低风险场景的AI大模型，分类相对简单。比如做通用文本生成（比如AI写作助手）、图像生成（比如AI绘画工具），市场监管局通常归为“软件和信息技术服务业”中的“人工智能应用软件开发”，经营范围写“人工智能应用软件开发、销售”即可。但即便是低风险场景，也要注意“内容合规”。比如某AI内容生成公司，因为生成的文本涉及虚假信息，市场监管局在分类时要求他们增加“内容审核服务”，否则就是“未尽内容管理责任”。这种“场景+内容”的双重考量，让分类逻辑更复杂。
高风险场景的AI大模型，分类时需要“前置沟通”。我曾帮一个客户做AI司法大模型项目，最初想按“普通软件公司”注册，但市场监管局明确告知：司法领域的AI应用涉及“法律辅助服务”，需要先取得司法厅的《法律服务科技产品备案证明》，才能在分类中纳入“74专业技术服务业”的“法律服务辅助”。最后我们花了3个月拿到备案，才完成注册。这种“先许可后分类”的模式，在医疗、金融、司法等强监管领域非常常见，创业者必须提前了解“场景准入门槛”。
还有一个容易被忽视的“场景交叉”问题：AI大模型可能同时涉及多个场景，比如既做教育AI（低风险），又做医疗AI（高风险）。这时候，市场监管局会要求“分类细化”，不能笼统地写“人工智能服务”，而是要区分“教育AI服务”和“医疗AI服务”，并分别对应不同的行业分类代码和经营范围。比如某公司同时做AI题库生成和AI医疗影像辅助，市场监管局要求他们拆分成两个经营范围：“教育人工智能服务”（对应“8390 教育辅助服务”）和“医疗人工智能服务”（对应“8310 医疗器械技术服务”），否则就是“超范围经营”。
经营范围核定
经营范围是市场监管局分类的“直接体现”，也是后续合规经营的“边界线”。AI大模型公司的经营范围核定，不能简单照搬模板，必须结合“业务本质+分类逻辑+监管要求”三重考量。市场监管局在核定时，会重点看“表述是否清晰”“是否涉及许可”“是否符合行业规范”。比如，不能只写“人工智能技术研发”，必须明确是“大模型算法研发”还是“大模型应用开发”；不能写“数据处理”，必须区分“数据处理服务”还是“数据存储服务”；涉及内容生成的，必须包含“内容审核”或“AI内容生成服务”。
许可经营项目和一般经营项目的区分是关键。AI大模型如果涉及特殊行业应用，比如“医疗AI软件”“金融AI风控”，就需要在经营范围中标注“（凭许可证经营）”，并在注册前取得相应许可证。比如某AI医疗公司，经营范围必须包含“医疗器械软件开发（凭医疗器械经营许可证经营）”，否则市场监管局直接驳回。我曾见过一个创业者，因为没搞清楚“许可”和“一般”的区别，把“金融信息服务”写成一般项目，结果在银行开户时被要求补充许可证，差点影响融资进度。
模糊表述是大忌。市场监管局对“人工智能服务”“大数据服务”这类笼统的表述非常敏感，因为无法判断具体业务范围和风险等级。比如某公司写“人工智能大模型服务”，市场监管局会要求拆解成“人工智能大模型研发服务”“人工智能大模型API调用服务”“人工智能大模型内容生成服务”等具体项目。我帮客户核定经营范围时，通常会建议他们用“动词+对象”的句式，比如“提供AI大模型文本生成服务”“开发AI大模型图像识别算法”，这样既清晰又符合监管要求。
动态调整也不可忽视。AI大模型的业务迭代快，今天做模型训练，明天可能做模型部署，后天可能增加数据标注服务。这时候，经营范围需要及时向市场监管局申请变更。比如某AI公司最初只做“大模型训练服务”，后来增加了“数据标注服务”，市场监管局要求他们补充“人工智能数据标注服务”的经营范围，否则就是“超范围经营”。我见过一个案例：某公司因为没及时变更经营范围，被市场监管局罚款2万元，理由是“实际业务与经营范围不符”。所以说，经营范围不是“一锤子买卖”，而是需要“动态优化”的经营指南。
伦理安全合规
AI大模型的“伦理安全”已成为监管的焦点，市场监管局在分类时，也越来越重视企业的“合规能力”。虽然伦理安全主要由网信办、工信部等部门监管，但市场监管局会通过分类“间接引导”——比如将具备伦理合规机制的企业归为“规范人工智能服务”，将存在风险隐患的企业归为“高风险人工智能服务”。这种“分类挂钩合规”的逻辑，让AI大模型公司的“软实力”成为分类的重要考量因素。
算法备案是关键环节。根据《互联网信息服务算法推荐管理规定》，具有舆论属性或者社会动员能力的算法推荐服务，都需要向网信部门备案。市场监管局在分类时，会核查企业是否完成算法备案。比如某AI内容推荐公司，如果没备案，市场监管局可能将其分类为“未合规人工智能服务”，并限制其经营范围中的“算法推荐服务”。我曾帮客户处理过算法备案问题：他们做电商AI推荐大模型，因为备案材料不合规，被退回3次，最后我们找了专业律师协助，才通过备案，市场监管局也因此将他们的分类从“一般人工智能服务”调整为“合规人工智能服务”，后续审批顺利了很多。
伦理审查机制也是加分项。如果公司建立了独立的伦理委员会，对大模型的应用场景、数据使用、内容生成进行审查，市场监管局在分类时会认为其“风险可控”，可能给予更宽松的经营范围。比如某AI医疗公司，因为设立了“医疗AI伦理委员会”，在分类时被允许先开展“临床试验AI服务”，再补充医疗器械注册。这种“合规优先”的分类逻辑，体现了监管部门对“负责任创新”的鼓励。
安全评估同样重要。如果大模型涉及“深度合成技术”（比如AI换脸、AI语音合成），就需要根据《网络音视频信息服务管理规定》进行安全评估。市场监管局在分类时，会评估企业的安全评估报告。比如某AI娱乐公司，因为安全评估显示其AI换脸技术存在滥用风险，市场监管局将其分类为“高风险人工智能服务”，并要求经营范围中增加“深度合成内容安全管理”项目。这种“安全导向”的分类，让企业在注册时就不得不重视技术风险。
创新包容监管
AI大模型是“新物种”，监管部门的分类逻辑也在“动态进化”。近年来，各地市场监管局纷纷推出“包容审慎监管”政策，对AI大模型企业给予分类上的灵活性。比如上海、北京、深圳等地设立了“人工智能企业白名单”，对符合条件的企业，分类时可以“先试先行”，允许使用“人工智能大模型研发”“人工智能创新服务”等新兴表述，而不必严格套用传统行业分类。这种“创新包容”的态度，为AI大模型公司提供了更大的发展空间。
“沙盒监管”是地方创新的重要实践。比如深圳的“人工智能沙盒”，允许AI大模型企业在限定范围内测试新技术、新业务，市场监管局在分类时会给予“临时分类”，待测试成熟后再正式核定。我曾帮一个客户参与过沙盒项目：他们做AI政务大模型，最初分类不明确，市场监管局允许他们以“人工智能试点服务”的形式注册，6个月后根据测试结果，正式核定为“政务人工智能服务”。这种“分类跟着创新走”的监管模式，大大降低了创业者的合规成本。
“容错机制”也让分类更人性化。对于AI大模型企业因“技术不确定性”导致的分类偏差，市场监管局可以给予“整改机会”，而不是直接处罚。比如某公司注册时按“普通软件公司”分类，后来发现业务涉及AI数据服务，市场监管局允许他们在1个月内补充经营范围，不视为“虚假注册”。这种“教育为主、处罚为辅”的原则，体现了监管对新兴业态的理解。
当然，“包容”不等于“放任”。市场监管局在给予创新空间的同时，也会设置“底线要求”。比如要求企业承诺“不生成违法内容”“不泄露用户数据”“不滥用技术优势”，并在分类时明确标注“创新人工智能服务（需遵守人工智能伦理规范）”。这种“底线思维”下的包容监管，既鼓励了创新，又防范了风险。
.jpg)