本文内容
融资前 AI MVP 的技术尽职调查清单
对 AI MVP 的技术尽职调查会审查与任何定制软件开发评审相同的层面，包括代码、基础设施、安全、依赖和团队风险。还应检验 AI 专属证据：评测设计、提示词和模型配置、保护隐私的追踪、故障行为、任务级经济性，以及训练或检索数据的权利。演示和少量精选输出无法证明预期工作负载下的性能。带代表性案例和可追溯记录的版本化评测流程，能提供可供审查的证据。
这是工程清单，不构成法律、投资或鉴证意见。证据要求会随买方、投资者、行业和交易而变化。我们于 2026 年 9 月 2 日重新核对了监管和标准来源。
想在融资前做一次独立的技术尽职调查吗？
预约免费咨询为什么要证据，而不是演示
基准结果取决于具体工作负载，但能说明演示为何不足。斯坦福一项预注册研究使用了 200 多个开放式法律问题，在测试当时发现 Lexis+ AI 与 Ask Practical Law AI 超过 17% 的回答含有错误信息，Westlaw AI-Assisted Research 则超过 34%。这些数字不能转移到其他领域或当前产品版本，但说明专用界面本身并非可靠性证据。审查者需要针对产品预期和可预见用途的测量，并记录不确定性、故障样例和限制。参见斯坦福研究摘要与论文。
应补充的 AI 专属检查项
这些检查扩展常规软件评审。每项说明应检查的内容和危险信号。
- 评测集。覆盖预期、边缘、无法回答、对抗和相关群体案例的版本化样本，并带参考标签或评分量表与抽样依据。单元测试仍适合确定性属性；需要判断的输出还需校准评分。危险信号：只有精选样例，没有覆盖或不确定性分析。
- 回归评测。在提示词、检索、模型、策略或工具发生重大变更时，于发布前运行相关套件，并监控生产信号。频率和阻止规则应与后果严重性相称。危险信号：行为变化未与批准基线比较就上线。
- 保护隐私的可观测性。只记录调查质量、安全、延迟和成本所需的最少元数据。原始提示词和响应可能含个人、机密或特权信息，应论证、脱敏、限制访问并按期删除。危险信号：完全无法追踪，或无限制永久记录内容。
- 提示词、模型和配置记录。对提示词、检索设置、策略、工具和模型标识做版本管理。供应商即使保持标识不变也可能改变行为，因此应保存评测结果和发布元数据，而非承诺精确复现。危险信号：无法确定某次事故使用了什么配置。
- 故障处理。定义超时、有限重试、降级行为、人工上报和恢复目标。第二供应商只是选项，不是通用要求，也会带来成本和一致性风险。危险信号：外部依赖故障时没有经过测试的用户路径。
- 任务级经济性。按成功任务测量输入、输出、缓存、工具、媒体、重试和人工复核成本，包括真实调用分布。危险信号：毛利预测只采用理想单次调用或假设供应商价格不变。
- 数据权利和合法使用。逐来源保存出处、许可或其他法律依据、合同限制、所依赖的同意、删除义务及允许的训练或检索用途。危险信号：无法解释的抓取语料，或来源不可追溯的数据。
- 经过测量的故障模式与控制。报告具体任务的错误类别、严重性和置信区间，并将每项重大风险连接到检索、验证、拒答、上报或其他经过测试的控制。危险信号：声称"RAG 解决幻觉"，或只有一个总分而无故障分析。
- 模型选择与集中风险。记录所选模型和托管方式为何满足质量、隐私、可用性、司法辖区和成本要求。在重要处测试可移植性，不要假设抽象层让供应商可以互换。危险信号：面对重大供应商或模型变更没有退出方案。
证据室应准备的资料
具体要求会变化，但这些资料让审查者无需依赖创始人的记忆即可检验主张。具备这些资料并不保证融资或估值。
| 资料 | 尽职调查为何在意 | 缺失时的危险信号 |
|---|---|---|
| 架构图（注明日期，列出外部依赖） | 支持审查信任边界、扩展假设、集中风险和关键人物风险 | 重大依赖或责任归属不清 |
| 数据流图与处理清单 | 说明每一方收到什么数据、为何接收、位于何处以及保留多久 | 无法解释个人或机密数据流 |
| 评测报告（版本化工具链、数据集、配置和结果） | 支持审查覆盖、不确定性、故障及回归决策 | 只有精选样例或无法解释的总分 |
| 模型、提示词、检索、策略和工具登记表 | 将发布或事故关联到服务配置 | 无法把生产行为归因于具体配置 |
| 运维手册、服务目标和事件响应 | 说明责任、发现、上报、恢复和沟通 | 故障路径和负责人未经测试 |
| 当前 SBOM、许可证审查和漏洞流程 | 支持依赖、许可证和已知漏洞审查 | 依赖和修复责任未知 |
| 知识产权与数据权利链 | 按适用合同和法律说明员工、创始人、承包商、开源、模型及数据集权利 | 核心资产没有书面权利人或允许用途 |
| 基于风险的安全证据 | 可包括威胁建模、安全开发记录、测试报告及相关独立鉴证 | 主张未对应系统威胁与控制 |
数据、隐私与来源
对于欧盟部署，应把 GDPR 义务映射到实际处理活动和各方角色。可能包括第 30 条要求的处理记录、合法依据、在可能对个人权利和自由造成高风险的处理开始前进行第 35 条 DPIA，以及存在处理者关系时的第 28 条条款。模型提供方可能是控制者、处理者或次级处理者，取决于事实和合同链。EDPB 第 28/2024 号意见要求逐案评估匿名性。根据修订后的 EU AI Act，第 50 条包含多项特定于角色和系统的透明度义务，大多数自 2026 年 8 月 2 日适用。附件 III 高风险规则自 2027 年 12 月 2 日适用，附件 I 产品内嵌高风险规则自 2028 年 8 月 2 日适用。应记录实际适用的分类、角色、义务和日期。
审查者可以检验的问题
审查者可以检验产品是否依赖单一模型或供应商、差异化主张是否有证据、毛利是否包含全部推理和复核成本、留存假设是否经过测量，以及评测结果是否反映生产使用。交易文件、留任安排、陈述和赔偿条款均取决于具体交易，通用清单不能预测条款。AI 辅助代码的安全与权利问题见关于 Lovable、Bolt 和 Replit 尽职调查的文章；评测设计见何时值得构建 LLM 评测。
"演示只展示一条路径。治理完善的评测流程会说明测量了什么工作负载、故障频率以及发布是否改变结果。这才是审查者可以检验的证据。"
常见问题
AI 初创公司的技术尽职调查是什么？
审查者可能检查 AI MVP 的哪些方面？
我应准备哪些评测证据？
AI 尽职调查与普通软件尽职调查有何不同？
尽职调查需要 SBOM 吗？
什么是知识产权与数据权利链？
GDPR 如何影响欧盟的 AI 尽职调查？
EU AI Act 已经适用于我的 MVP 了吗？
奥地利的技术尽职调查是否不同？
如何表明产品不只是模型封装？
最终思考
AI MVP 的技术尽职调查比通用代码审查更广。AI 专属层应把评测证据、服务配置、任务级经济性、故障控制、隐私及数据和模型权利，与产品主张对应起来。
在审查前准备证据：治理评测集、记录发布、测试故障路径、从真实追踪计算成本、记录权利并保持资料更新。这不会让尽职调查变成走形式，但能让主张可检验，并在仍有时间修复时暴露缺口。
想在融资前把评估集和资料都准备好吗？
预约免费咨询本尽调指南使用的主要来源
本清单参考公开的 AI 风险、安全开发、隐私、产品安全和欧盟法律资料。