数据隐私与脱敏

把客户名单、未公开代码、内部薪酬喂给公有云 AI 之前，先想清楚三件事。

阅读约 6 分钟更新于 2026-07

大模型服务商会怎么用你的数据

主流大模型 API 的默认条款是：用户输入和模型输出可能被用于训练改进、模型评估、安全研究。除非你开通"关闭训练"或使用企业版、数据驻留版本，否则你输入的每一段文字理论上都可能进入下一轮训练。日志保留期限各家不同，从 30 天到永久不等。即便服务商明文承诺不训练，他们内部的工程师在排查问题时也有权限看到你的对话——这是行业普遍现实，不是某个服务商的特殊问题。

哪些数据绝对不能直接喂

客户与员工的个人信息（姓名、身份证号、手机号、地址、健康信息）；未公开的商业数据（财报、合同、未发布的产品规格、定价策略、内部代码）；任何受合规约束的内容（金融机构的客户交易、医疗记录、未成年人数据、政府未公开文件）。这些数据一旦上传就难以真正"删除"——即使服务商配合删除，训练数据中的影响也无法完全抹除。涉及这些内容的任务，应该走"私有部署"或"本地工具"路线。

企业内自建的取舍

把模型部署在自己机房里（或私有云里），数据不离开公司内网，是最稳的方案。但代价明确：需要采购和维护 GPU 集群、需要有人维护推理服务、需要定期升级基础模型。开源大模型（Qwen、DeepSeek、Llama）已经接近闭源旗舰的水平，对于多数企业内部应用（客服、文档问答、报告生成）效果够用。决策的核心问题是：你的数据值多少钱、泄露一次要赔多少？这个数字除以部署成本，能给出一个相对清晰的判断。

脱敏不是万能的

在发请求前把姓名、手机号、身份证号替换成占位符（"客户A""北京客户"）是常见做法，但它解决不了"上下文泄露"——两个看起来无关的细节组合起来可能识别到具体人。真正安全的脱敏需要在数据进入模型之前由专人对领域知识做判断：哪些是直接敏感信息、哪些是组合敏感信息、哪些是结构敏感的（合同金额、合作方关系）。建议在团队里指定"AI 数据守门人"角色，负责审查对外请求的数据范围。