适用场景
涉及人工智能技术研发、应用或使用先进计算硬件的中国出海企业，特别是在获取或使用美国AI芯片、训练或部署大模型时需重点关注。
核心要点
1. 新规核心：系统性管制升级
美国近期发布的《人工智能扩散框架》是对其《出口管制条例》的系统性修订，不仅新增管制物项，还调整了实体性和程序性规则。企业需在整体EAR框架下理解新规，不能孤立看待单项条款。
2. AI芯片：全球许可与分级管控
新规对符合特定标准的AI芯片实施全球许可要求，即向任何国家出口、再出口或转让均需许可证。同时，根据目的地风险实施分级管控：对包括中国在内的D:5国家及澳门地区采取‘默认拒绝’政策；对低风险盟友国家有豁免；对其他国家设定了配额和例外。
3. AI模型权重：更严格的出口限制
AI模型权重（参数）被新增为独立管制物项。对其出口实施全球许可，且对中国等高风险国家采取‘默认拒绝’政策，限制严于AI芯片。通过‘外国直接产品规则’，使用美国技术或受控硬件训练的模型，即使在海外面向第三方出口也受管制。
4. 关键例外与豁免条款
新规设定了三类许可例外：AIA例外适用于低风险国家用户；ACM例外允许非政府实体将AI芯片用于推理等非训练目的；LPP例外允许向单一用户出口有限性能的芯片。此外，完全开源的模型权重可获豁免，但基于开源模型的深度训练可能重新触发管制。
实务建议
- 立即开展供应链排查：识别业务中是否涉及受新规管制的AI芯片（ECCN 3A090.a, 4A090.a等）或AI模型权重（ECCN 4E091）。
- 评估交易目的地风险：明确业务伙伴、数据中心或用户所在国家属于高风险（D:5国家及澳门）、低风险还是其他类别，以预判许可难度。
- 善用许可例外条款：若业务涉及低风险国家用户、芯片仅用于推理或交易量低于LPP阈值，可研究适用相应例外以规避许可申请。
- 审慎对待模型训练与出口：计划使用美国技术或受控硬件训练大模型，或对受控基座模型进行微调的企业，需提前评估模型出口的合规风险与可行性。
- 建立开源模型使用策略：优先考虑使用完全开源的模型基础，但需注意深度训练可能使衍生模型重新落入管制范围。
风险提示
- 误区：认为管制只针对高端GPU。实际上，符合特定性能标准的NPU、TPU甚至CPU集群都可能被定义为‘AI芯片’而受控。
- 误区：认为在海外训练模型就可规避管制。新‘外国直接产品规则’将使使用美国技术或受控硬件训练的模型权重在全球范围内受EAR约束。
- 注意事项：向‘第二级’其他国家出口大量AI芯片需关注年度配额限制，并提前规划。
- 注意事项：即使获得AI芯片，用于AI训练和用于推理（如ACM例外）的合规要求不同，需明确最终用途并确保一致。
- 注意事项：新规处于‘临时最终规则’阶段，120天内可能修订，企业需持续关注最终版规则的变化。