导语：2026年9月14日，微软人工智能部门发布面向自研MAI模型的首版《人本人工智能行为准则》草案，并启动为期六周的公开征求意见。与常见的原则宣言不同，这份文件试图把“不得欺骗、不得攻击、不得逃避人类控制”等要求放进指令层级、绝对约束、运行监控与模型评测之中。对国内人工智能产品而言，真正值得讨论的不是口号是否严厉，而是这些禁令能否被转化为可测试、可追踪、可复核的工程证据。
从价值声明转向模型行为规则
微软将这份准则定位为MAI模型未来的主要治理文件，但明确说明当前版本仍在开发和咨询阶段，尚未直接用于训练现有模型，修订版计划在2026年晚些时候发布，并用于指导2027年及以后的模型开发。这一点十分关键：它代表的是一套待验证的治理方案，而不是已经实现的安全能力，更不能被理解为模型从此不会产生违规行为。
草案建立了“行为准则、运营方政策、用户偏好”的指令层级。用户可以提出任务，企业运营方也可以配置模型，但两者都不能覆盖绝对安全约束和人类控制要求。如果完成任务必然违反准则，模型应把合规置于任务成功之前。这样做的价值，是把“安全优先”从宣传语改写成冲突发生时可执行的决策顺序。
“禁止欺骗”需要哪些审计证据
准则提出，MAI模型不得利用自适应、欺骗、串通、自我强化等机制逃避监督，也不得隐瞒会妨碍审计的推理或行动痕迹。要让这类要求真正可审计，企业至少需要保留以下证据：
- 身份与意图披露：模型应明确自身是人工智能，不能冒充真人、管理人员或权威机构；当答案存在不确定性时，应展示必要的限制说明。
- 决策轨迹：对调用外部工具、访问数据、修改文件及委派子代理的行为，记录发起者、权限、参数、结果和时间，避免只保存最终回答。
- 纠正与关闭测试：通过周期性评测验证模型能否被暂停、重定向、覆盖和关闭，并检查它是否通过改写目标或调用其他代理继续执行。
- 对抗性评测：使用提示注入、角色冒充、分步诱导和上下文污染等测试，观察模型是否会绕过上层约束，或者隐藏真实操作。
审计并不意味着公开模型完整的内部思维过程。更可行的做法，是生成结构化的操作记录、策略命中原因、权限判断和工具调用链。审计者需要看到足以复核模型行为的证据，同时避免日志泄露个人信息、商业秘密或安全敏感内容。
“禁止攻击”不能等同于屏蔽安全知识
在网络安全方面，草案禁止模型发起或协助具有实操能力的攻击，包括生成可用攻击代码、攻击工具、目标选择方法、入侵流程和规避技术；同时保留合法授权的防御性使用空间，例如漏洞发现、恶意软件分析、安全教学和受控环境中的概念验证。第三方报道也核验了这一核心边界，即模型不得帮助实施网络攻击，但并非一概拒绝防御研究。
要审计这条边界，不能仅检查回答里是否出现“攻击”或“漏洞”等词，而应综合判断授权主体、运行环境、目标归属、输出可执行程度以及潜在影响范围。例如，同一段漏洞分析用于企业自有测试环境可能属于防御工作，若附带真实目标、持久化方法和规避检测步骤，则风险性质已经改变。因此，高风险工具调用应采用最小权限、隔离沙箱、目标白名单和人工审批，而不是依赖模型自行判断一句“仅供学习”。
以“九不准”和“七条底线”审视落地方式
面向中文论坛和国内产品，可以把“九不准”所强调的违法有害信息禁区，以及“七条底线”所强调的法律法规、社会主义制度、国家利益、公民合法权益、社会公共秩序、道德风尚和信息真实性，转化为本地化合规检查框架。微软准则中的反欺骗、反冒充、反大规模有害操纵、禁止攻击及维护人类控制，与其中的信息真实性、合法权益和公共秩序要求具有可对照之处，但不能直接替代中国现行法律法规及平台审核责任。
产品团队可以建立“规则条款、风险场景、测试样例、拦截策略、责任人员、审计记录”的对应清单。每条红线都应配置正向样例、违规样例和边界样例，并分别计算拦截不足与过度拒绝。准则本身也承认，模型既可能因过度宽松而提供危险能力，也可能因过度谨慎而拒绝正常需求。可审计的约束必须同时回答两个问题：危险请求为什么被拒绝，合法请求为什么能够通过。
企业可采用的四层约束机制
- 训练层：把禁止欺骗、冒充、越权和攻击的行为写入训练规范，并用多语言、多轮对话和代理协作样本进行覆盖。
- 运行层：在模型与工具之间配置权限网关，对代码执行、外部通信、批量发布和敏感数据访问实施独立控制。
- 监测层：记录策略命中、拒绝原因、工具调用和人工接管情况，对异常目标扩张、重复尝试及跨代理协同设置告警。
- 治理层：由安全、法务、内容治理和业务负责人共同评审高风险场景，定期发布评测范围、已知局限和整改结果。
总结
微软此次草案的重点，不只是列出“不能做什么”，而是尝试为模型建立不可被用户覆盖的约束层级，并把中断、纠正、关闭、日志留存和行为评测纳入人类控制体系。对人工智能企业来说，可审计的模型约束应当形成从规则文本到测试集、从权限系统到事件日志、从人工复核到整改闭环的完整链条。只有当外部审计者能够根据证据复现判断过程，“禁止欺骗与攻击”才会从企业承诺变成可以持续验证的产品能力。
事件及资料日期：微软于2026年9月14日发布MAI模型《人本人工智能行为准则》草案并启动公开咨询，相关适用范围、咨询状态、指令层级、绝对约束及人类控制要求见微软官方公告和行为准则原文。TechCrunch于2026年9月14日报道并交叉核验了其中禁止网络攻击、欺骗性逃避监督及恶意深度伪造等核心内容，见第三方报道。
