教会大模型,就等于培养了竞品?企业如何保护数据资产

教会大模型,就等于培养了竞品?企业如何保护数据资产

企业每一次通过大模型服务商将业务提示词发送至云端,都可能面临一场“数据豪赌”:在推理过程中,核心商业逻辑与交互数据是否会被持久化存储、又将流向何方。这些数据一旦被留存用于模型训练或意图分析,便能在无形中滋养竞品。

企业在接入大模型 API 时,多数服务商只承诺“数据不用于模型训练”。然而,数据失控的案例时有发生:媒体报道个别服务商会私自收集提示词数据,整理成数据集对外售卖;技术社群里也时常吐槽 API 中转商突然失联的情况,用户余额与过往交互数据一并蒸发,业务信息也滞留在无人监管的灰色地带。

因此,企业信任课题已从是否使用 AI,转变为如何选择值得托付的 AI 服务。除了模型能力、价格与稳定性等,平台能否在协议中提供清晰、有约束力的相关数据留存承诺,也变得愈发重要。

“不用于训练”之后,还需要追问什么

“不将数据用于模型训练”成为行业常见承诺,但这远非数据留存的终点。

首先,“不用于训练”仅约束了数据的用途,并未回答数据是否会被持久化留存。比如,即使有的模型服务商关闭将数据用于训练的功能,用户删除资料后,服务商仍会将数据保留 30 天。对于企业来说,敏感商业信息仍有泄露的风险。

独立于模型训练之外,数据本身具有分析价值。Anthropic 在 2024 年 12 月发布的 Clio 研究就展示了这一点:研究通过对大量用户对话进行主题聚类与分析,识别使用模式并改进安全措施。虽然研究采用了去标识化和聚合等隐私保护措施,但这也说明对话数据无需进入训练集,就能用于分析,了解用户群体的行为模式、关注焦点与意图需求。这意味着,数据只要留在服务商侧,即使不进入训练集,也存在被保存、被分析的可能。

由此可见,模型服务商“不用于训练”的承诺仅构筑了第一道防线。企业要真正守护核心数据资产,必须确保服务完成后交互数据不在服务商侧持久化存储,若授权存储,要有明确边界。

企业如何选择 API 服务商

“零数据留存(ZDR)”通常指:用户的提示词、输入材料及模型输出等交互数据,仅在完成当前任务所必需的内存/显存中处理,默认不进行持久化存储;除非用户明确授权存储或用于特定调试排查,否则请求结束后即释放。

以国内知名 Token 服务商硅基流动为例,其在官网明确指出:

除非得到您的授权,否则我们不会持久化保存交互数据,也不会将其用于大模型预训练、微调或其他用途;如您授权存储,我们会对此类数据进行加密。

这份承诺如何落实到交互数据的处理中?硅基流动指出,当用户从客户端发起请求,经 API 网关进入推理,再到结果返回,提示词与模型输出在内存、显存中处理,除非用户明确授权存储,否则全程不持久化存储;计费与运维侧仅接收 Token 用量、请求时间、状态码等必要元数据,这些元数据会按协议持久化用于计费、运维与安全审计,但不包含交互数据内容。

同时,企业选择模型服务商时还应该关注其商业模式:不训练模型、不做 AI 应用、不以数据变现为商业模式的基础设施服务商,通常缺乏将用户交互数据用于训练或变现的动机。相反,既做模型或应用、又做 API 服务的厂商,其数据使用边界需要更清晰地披露和约束。

企业守住数据资产,先划三条边界

关于大模型服务平台留存交互数据情况,也需要考虑三个问题:提供什么、交给谁、在哪里处理。划清边界,企业才能在借助 AI 使用多年积累的经验时,继续掌握这些资产的保存与使用范围。

资料边界:先分级,再脱敏、按需提供。根据敏感程度与授权范围,限定客户资料、报价底线和研发计划的处理环境;允许外部处理的材料,先脱敏,再提供任务所需的内容。生成续约方案,不意味着必须上传完整客户档案。

服务商边界:选择正规服务商,协议明确承诺交互数据不持久化存储,并说明授权存储、授权调试的边界;确保这些承诺落实到处理链路中。

部署边界:处理环境匹配资料要求。允许外部处理的业务,选择满足交互数据不持久化存储要求、且与客户无利益冲突的服务商;不能离开受控环境的资料,采用本地或私有化部署,并同步管理内部权限与日志。

例如,某头部能源央企采用硅基流动本地大模型服务部署方案,建设统一的模型与应用平台,试点采购助手、供应链问数和合同标书解析。通过内部部署和统一管理,项目初步实现了跨业务线的知识、模型与算力复用。在保护数据资产及满足合规要求的同时降低了应用开发门槛和部署复杂度,让内部经验能够在受控环境中支持更多业务。

企业将多年经验交给 AI,是为了做好自己的业务;这些经验是否会被保存、还能被谁使用,也应由企业自己决定。因此,在选择 API 服务商时,要先问清数据留存情况,再作决定。