年报里的十一个单词，如今可能构成证券欺诈
我第一次真正理解“AI 洗白”，是在盯着一家公司年报里的某一段话时。十一个单词，大意是“我们的 AI 驱动平台实时分析风险”。一句干净、自信的话。就是那种营销团队五分钟写完、CEO 眼都不眨一下就批准的措辞。
然后我问工程师们：是哪个模型产出了那份分析，它跑在什么数据上，又在决策流程的哪个环节真正触发。整个房间安静了下来。不是因为他们在隐瞒什么，而是因为从来没有人把那句话和某个系统联系起来。那个声明活在申报文件里，系统活在生产环境中。而两者之间什么都没有——没有文档，没有映射，没有证据——把它们连接起来。
那道鸿沟就是全部的故事。AI 洗白讲的不是糟糕的 AI，而是你所说的 AI 能做什么、与你的 AI 实际能做什么之间的那段距离——以及你能否在被要求时随时弥合这段距离。美国证券交易委员会（SEC）、联邦贸易委员会（FTC）以及各州总检察长都已经看清，案子就出在这道鸿沟里。我创建了 Veriprajna 的AI 核验与反 AI 洗白业务，正是因为我一次又一次看到企业直到监管审查函寄到才发现这道鸿沟。
“你的 AI 能不能用”不再是那个问题的那一天
我是从证券执法工作走进这个领域的，是那不光鲜的一面——当文件调取函寄来时，负责把企业交给审查员的一摞摞卷宗整理出来。所以我读每一起 AI 洗白执法案件的方式，就像读一桩老旧的欺诈案：他们说了什么，做了什么，两者之间的落差又是什么。
这套模式一致得残酷。Delphia 和 Global Predictions，是 2024 年 3 月最早的两起 AI 洗白和解案，合计支付了 40 万美元——不是因为它们的 AI 差，而是因为 Delphia 声称自己搞机器学习驱动的投资，可它从来没有真正整合过。它们吹嘘喂给模型的那些数据？根本从未到达模型。
然后是 Presto Automation，2025 年 1 月——第一起针对上市公司的 AI 洗白案。Presto 的免下车点餐语音 AI 被宣传为能取代人工接单。SEC 查明，超过 70% 的订单仍需人工介入，在某些门店更是 100%。系统是真实的，只是它没有做营销所说的那件事。
接着是 Nate。2025 年 4 月，SEC 和司法部（DOJ）对 Nate Inc. 的创始人提起了平行诉讼，此人凭借一款 AI 驱动购物应用的承诺募集了超过 4200 万美元。而用 SEC 的话说，实际自动化率基本为零——菲律宾的数百名合同工在手工完成本应由 AI 处理的采购。DOJ 的指控最高可判 20 年。当有人告诉我 AI 洗白不过是营销披露里的一个脚注时，我脑中想到的就是这个案子。有一份署着创始人名字的新闻稿，底下压着一项刑事欺诈指控。
这些案子里的每一个都取决于同一道落差：申报文件承诺了什么，而生产环境中的系统实际做了什么。
2025 年 2 月，SEC 把这件事制度化了：它在执法处内部设立了一个专门的网络安全与新兴技术单元。而其 2026 年检查重点说得明明白白——审查员将“核查登记方关于其 AI 能力表述的准确性”。那句话就是一封等着寄出的文件调取函。
三家机构，同一招
当我开始梳理这一切时，让我意外的是各机构之间的执法逻辑差异有多小。它们都打同一套牌：把声明与现实一一对照，然后索要证据。
FTC 是通过《FTC 法》第 5 条切入的——针对不公平或欺骗性行为——依据的是它在 2024 年 9 月发起、名为“AI 合规行动”（Operation AI Comply）的专项打击。自封“世界第一个机器人律师”的 DoNotPay 就其无法兑现的声明达成了和解。Workado 把一款 AI 检测工具宣传为 98% 准确；而 FTC 自己的测试把其真实世界准确率定在 53% 左右。差不多是抛硬币，却当成近乎板上钉钉来卖。真正该让每一位总法律顾问胆寒的细节，是 FTC 的“工具责任”理论：责任沿链条向下传导，从基础模型开发者，到部署它的企业，再到最终用户。如果你在自己的材料里重复了供应商的准确率数字，FTC 就把它当作你的声明——而不是供应商的。
这一点我怎么强调都不为过，因为这正是我看到聪明的公司一头栽进去的陷阱。你许可了一个第三方模型，把供应商的基准数字抄进你的 10-K 或投资者演示材料里，然后想当然地以为那个数字归供应商所有。并不是。它一出现在你的申报文件里，就成了你的表述，而“我们的供应商是这么说的”并不构成独立的证实。
各州也拿出各自的工具跟进。纽约的 AI 伴侣法对每项违规最高可处每天 15,000 美元的罚款。科罗拉多州的《AI 法案》将于 2026 年 6 月 30 日生效，要求对高风险系统进行影响评估、消费者告知并尽合理注意义务，每项违规罚款 20,000 美元。得克萨斯州的《负责任 AI 治理法》已于 2026 年 1 月 1 日生效，凭一份投诉就赋予总检察长广泛的民事调查传唤权——一封消费者来信，文件调取函就摆到你桌上。而当联邦政府提出要优先适用、取代各州 AI 法律时，一个由 36 位州总检察长组成的两党联盟站出来反对。无论法院最终如何裁定，执法者都不会等。
连私人律师界也加入了。斯坦福证券集体诉讼资料库统计，到 2025 年上半年为止已有 53 起与 AI 相关的证券集体诉讼，和解金额中位数为 1150 万美元。其中之一，即 2025 年 6 月提起的 Tucker 诉 Apple 案，指控 Apple 在 WWDC 上关于 Apple Intelligence 的承诺，促使投资者基于诉状所称并无可用原型的功能而买入。一张主题演讲的幻灯片成了一号证据。
为什么“我们有一套 AI 治理政策”救不了你？
接下来这部分，是我早期犯错的地方，也让我搭错了方向、白白花了几个月。
刚开始为这件事做设计时，我以为答案是治理——那正是 Credo AI、IBM 的 watsonx.governance、Holistic AI、OneTrust 和 Fiddler 等平台已经服务得很好的类别。我们朝着一套治理姿态去建：政策、AI 清单、仪表盘、监督工作流。我把早期版本演示给一家中型公司的合规官看，还挺自我感觉良好。她让我讲完，然后问了唯一重要的那个问题：当审查员要求提供某一条具体声明为真的证据时，她该按哪个按钮？
没有那个按钮，也没有那份文档。我建出来的东西告诉她她应该把自己的系统记录下来。它并不包含那份文档。我搭出来的东西指向了那道鸿沟，却没有去填它。正是那次失败，让我为整家公司重新校准了方向。
治理告诉你，你应该把 AI 记录下来。证实本身就是那份记录——经过测试、标注日期，随时可交给一位冷读它的审查员。
那些治理平台在它们擅长的事情上做得很好。它们监控、清点、执行政策。但在它们底下有一层几乎没人去建：SEC 审查员或州总检察长真正要看的那条证据链。那正是我围绕它重建整个业务的那道鸿沟。
审查员实际会要求你拿出什么？
当我坐下来定义我们要交付什么时，我不是从产品规格出发的。我是从那份“请提供”清单出发的——就是执法函里那份实打实的文件调取清单——然后倒推回来。一份站得住脚的证实资料包，也就是我们如今搭建的东西，有几个承重的部件。
它始于一份声明到系统的映射：每一条公开的 AI 声明——来自 10-K、网站、新闻稿、路演材料——都连到交付它的那个具体模型、数据管道和决策节点。当申报文件说“AI 驱动的风险分析”时，这份映射会指明是哪个模型、哪些数据、哪个决策。这正是本可以救 Delphia 的那件产物，因为它逼你在监管者发问之前先问一句：“这条声明真的接到某个系统上了吗？”
接着是一份技术证据卷宗——架构、训练方法，以及针对你所声称的那个确切指标测出的性能基准。是经过测试的，不是理论上的。如果你的材料里写了一个数字，这份卷宗就要展示在真实世界方法论下产出该数字的那次测试，而不是精挑细选的演示。Workado 就是那个警世故事：宣传册上 98%，测试下 53%。
然后是运营验证，这正是 Presto 栽倒的地方。系统是存在的。缺的是能证明 AI 真正驱动了营销所描述的那些决策的证据，而不是它只是和真正干活的人并排运行。证明运营层面的真实，比证明一个模型存在要难得多，而这恰恰是审查员如今在深挖的东西。
在这一切之下，是一份AIBOM——AI 物料清单，一份机器可读的每个组件的清单：训练数据溯源、模型版本、第三方依赖、基础设施。用来把这件事做扎实的标准终于有了；SPDX 3.0 在 2024 年 10 月加入了 AI 配置文件，CycloneDX 1.6 支持机器学习物料清单，OWASP 的 AIBOM 项目也在推动工具化向前发展。老实说，如今大多数公司仍把这些跟踪在一张电子表格里，而模型一经重新训练，这张表格立刻过时。我打开过带着两轮重训练前旧版本号的模型卡——文档描述的是一个已经不复存在的系统。一份随管道一起更新的 AIBOM，正是快照与活记录之间的区别。
最后是持续监控证据——漂移检测结果、自动化测试日志，以及声明在上线之后仍然成立的持续证明。一份证实资料包不是你归档后就抛诸脑后的一次性卷宗。它是一份持续呼吸的记录，因为你的模型在不断变化，而你的申报文件不会。
没有人计入资产负债表的那笔幻觉账单
这件事还有第二条战线，正是它把我从证券申报拉进了内容本身。
一条声明，不只是你在披露文件里就自己的 AI 所说的话。它也是你的 AI 生成、而你署上自己名字的每一份输出——那份报告、那份分析、那份面向客户的摘要。而这些输出会产生幻觉。斯坦福 RegLab 发现，大语言模型在特定法律查询上产生幻觉的比例在 69% 到 88% 之间。如今已有 600 多起有据可查的 AI 幻觉出现在法庭文件中的案例，牵涉 100 多名律师，法官处以的制裁金额超过 10,000 美元。
企业成本高得惊人，却诡异地隐形。一项分析将 2024 年 AI 幻觉造成的全球损失定为 674 亿美元，各公司仅在缓解上每名员工每年就花费约 14,200 美元——就是人们花在核查自家工具的那些工时。当近乎一半的企业 AI 用户都曾基于幻觉内容做出过重大决策时，“是 AI 生成的”并不是抗辩。它是自认。
这就是为什么内容核验与声明证实同属一项业务：两者都关乎溯源。欧盟《AI 法案》第 50 条将于 2026 年 8 月生效，要求 AI 生成的内容机器可读、可被识别为 AI 所生成，并随之出台一套内容标注行为准则。C2PA 溯源标准——三星和谷歌的旗舰手机已经原生签名支持的那一套——正在成为证明一段内容从何而来的管道。如果你的 AI 产出了一份报告，日后发现其中含有捏造，那么横在你与责任之间的唯一东西，就是一条回溯到源头的审计轨迹。大多数公司并没有。
溯源也会反过来起作用。2023 年有 65% 的企业报告发生过深度伪造事件，而检测市场正从 55 亿美元一路冲向到 2026 年预计的 157 亿美元。证明你自己的内容是真的，正变得和证明别人的内容是假的一样紧迫——而那个为你的 AI 输出做认证的同一枚 C2PA 签名，也正是让你能否认一份披着你品牌外衣的伪造品的那一枚。
我常被问到的问题，以及我希望被问到的问题
人们总问我，ISO 42001 认证是不是能搞定这一切。它有帮助——那是一套真实、可审计的标准，第三方认证在董事会和采购那里也有分量。但它第一年要花 9 万到 20 万美元以上，需要将近一年时间才能建起来，而且它认证的是你拥有一套管理体系，而不是任何某条具体的营销声明为真。认证和证实是两件不同的活儿。你可以拿到认证，却仍然回答不了审查员关于你 10-K 里某一句话的问题。
另一个问题，通常来自创始人，是这是不是只是大公司的麻烦。Nate 募集了 4200 万美元，其创始人正面临刑事指控。Delphia 也不是什么家喻户晓的名字。得州总检察长凭一份投诉就能立案调查。执法风险的大小，取决于你所做声明的大小，而非你公司的大小。
问题不再是你的 AI 能不能用，而是你能否证明它做的正是你的申报文件所说它做的事。
如果我能在每一位读到这里的总法律顾问和首席合规官心里种下一个念头，那就是：营销与工程现实之间的鸿沟如今已是一项贴着美元标价的法律责任——而唯一能弥合它的，是你在任何人开口之前就已建好的证据。这就是我们在 Veriprajna 所建之物的全部前提：不是又一个告诉你该记录 AI 的仪表盘，而是证实资料包本身——声明到系统的映射、证据卷宗、AIBOM、溯源轨迹——在文件调取函落地之前就已组装好并经过测试。
我总是一次次回到那份年报。十一个单词，归档后被遗忘，背后什么都没有——没有映射，没有卷宗，没有把那句话连到某个系统的日志。它底下的模型多半跑得挺好；大多数都跑得好。缺的是 SEC 审查员、FTC 调查员和原告律师都会用同一句平淡的话索要的那一样东西：拿证据给我看。写下你能证明的声明，并在任何人开口之前就把证明建好。
