1. AI采购合同审查导论

AI采购与传统软硬件采购最大的区别在于：你买到的往往不是一件“成品”，而是一段持续运行的能力。模型API按调用量计费、算力按卡时租用、数据标注按条结算、定制开发按里程碑交付——四种场景的标的物形态、交付节奏和风险重心完全不同。合同审查的第一步，不是逐条读条款，而是先判断“这份合同到底在买什么”，再决定把审查火力集中在哪里。

一、四类典型场景：标的物不同，风险重心不同

模型API采购的标的是推理服务的调用权。合同通常约定模型名称与版本、QPS/并发上限、输入输出Token计费单价、SLA可用性、限流与降级策略。核心风险是“版本漂移”：供应商升级或下线模型，可能导致你的提示词效果骤降。审查时应要求约定模型版本变更的提前通知期、灰度期与回退权，并明确Token计量口径（是否含系统提示词、是否按字符估算）。

算力采购的标的是GPU/加速卡的算力资源。常见形态有包月独占、按卡时计费、预留实例。合同要点包括卡型与显存、互联带宽（如NVLink/IB）、存储与网络配额、故障卡替换时限、闲置计费规则。核心风险是“资源不达标”：标称A100但实际是降频卡，或共享带宽导致训练吞吐远低于预期。审查时应把可验收的性能指标写进附件，并约定未达标的计费减免。

数据标注采购的标的是带质量约束的标注成果。合同需明确标注规范、抽样验收的AQL（可接受质量水平）、返工责任、数据权属与保密、以及标注人员是否接触敏感数据。核心风险是“质量不可量化”：只写“准确率不低于95%”却不写抽样方法、样本量和判定口径，验收时必然扯皮。

定制开发采购的标的是从需求到上线的交付物，通常包含数据、模型、代码、文档。合同要点是里程碑划分、验收标准、知识产权归属、模型权属与再训练权、以及交付后的维护期。核心风险是“验收标准模糊”与“IP归属不清”：训练数据、微调权重、推理代码的权属可能分属不同主体，必须逐项约定。

二、合同审查的核心目标：四个“可”

无论哪类场景，审查目标都可以收敛为四句话：标的清晰、验收可量化、权属明确、退出可控。

标的清晰，是指合同能回答“买的是什么、什么版本、什么规格、多少量”。模型API要写清模型标识与版本号；算力要写清卡型、显存、互联方式；标注要写清标注规范版本与数据规模；定制开发要写清需求文档版本与交付物清单。标的模糊的合同，后续所有争议都无从裁判。

验收可量化，是指每一项交付都有可观测、可复现的判定方法。例如算力验收可约定：在指定基准任务（如固定batch的ResNet-50训练）下，单卡吞吐不低于合同附件的X samples/s；标注验收可约定：按批次随机抽取200条，由甲方双人独立复核，一致率不低于98%，分歧条目按规范仲裁。没有抽样方法、样本量和判定口径的“准确率95%”，等于没有标准。

权属明确，是指训练数据、微调权重、推理代码、提示词模板、标注成果的归属逐项写清。尤其注意：供应商用你的数据训练出的模型，权属归谁？你能否要求删除数据并停止再训练？这些必须在合同中正面回答。

退出可控，是指合同终止时你能带走什么、供应商必须配合什么。包括数据导出格式与时限、模型权重移交条件、API停服前的过渡期、以及未消耗预付款的退还规则。

三、风险地图：五条审查主线

把上述目标落到条款上，就形成五条审查主线，对应图中五个风险区。

① 标的与范围风险。典型表现是“模型名称写了但版本没写”“卡型写了但显存和互联没写”“标注规范只有口头约定”。审查动作：把技术附件作为合同不可分割部分，并约定附件与正文冲突时的优先顺序。

② 验收与计量风险。典型表现是计费口径不清。例如Token计量是否包含系统提示词、是否按字符数估算、失败请求是否计费。审查动作：要求供应商提供计量日志接口，并约定甲方有对账权与争议处理期。

③ 权属与合规风险。典型表现是数据授权链条断裂——供应商从第三方获取的数据是否获得再授权？标注人员是否签署保密协议？审查动作：要求供应商出具数据来源合规声明，并在合同中约定侵权赔偿与配合义务。

④ 服务与变更风险。典型表现是SLA只写“99.9%可用”却不写统计周期、排除项和赔偿方式。审查动作：明确可用性=1-不可用时长/统计周期，排除计划维护窗口，并约定未达标的服务抵扣比例。

⑤ 退出与救济风险。典型表现是终止后数据“只给CSV”或“30天内删除不保证”。审查动作：约定导出格式（如JSONL+原始文件）、导出时限、以及删除完成后的书面确认。

四、一个可复用的审查起点清单

拿到一份AI采购合同，可以先用下面这张清单做快速定位，再进入逐条精读。清单不替代专业判断，但能保证不遗漏高发风险点。