人工智能训练个人信息处理合规边界

作者：邹丹莉 王珊珊

一、问题的提出

大模型的能力建立在规模化语料处理之上。人工智能至今仍是数据驱动型技术，语料不仅能够影响模型学到什么，也影响其准确性、适配性与智能化水平。高质量语料的短缺，已成为制约大模型发展的现实瓶颈。

然而，语料的规模扩张与个人信息保护之间存在天然张力。模型训练需要大量语料，其中可能包含可识别自然人的信息。取得语料或获得访问权限，并不当然意味着可以将其中的个人信息用于训练。

2026年9月7日，最高人民法院发布《关于依法审理涉人工智能纠纷案件的意见》（法发〔2026〕10号，以下简称“《涉AI意见》”），首次以司法文件形式为人工智能训练中的个人信息处理确立裁判规则，为判断训练数据使用的合法边界提供了最新的规范坐标。本文结合《涉AI意见》，围绕两个层面展开讨论：一是个人信息进入训练语料前，应当具备何种处理依据并受到哪些边界限制；二是个人信息参与训练后，企业如何落实保障个人信息主体权利实现之义务的落实。

二、已公开个人信息：公开不等于任意使用

（一）合同传导将是主要通道

《个人信息保护法》第十三条第一款第六项与第二十七条[1]允许在合理范围内处理个人自行公开或者其他已经合法公开的个人信息，但个人明确拒绝的除外；处理对个人权益有重大影响的，还应依法取得个人同意。

《涉AI意见》第（六）条[2]在此基础上确立了“训练安全港”：为人工智能模型训练，在合理范围内处理个人自行公开的或者其他已经合法公开的个人信息，且个人未明确拒绝的，一般不认定为侵害个人信息权益的行为。基于此，企业不能仅以“已公开”即主张相关数据可自由获取并用于训练，而应依次审查以下三项重要因素。

（二）确认个人信息已经依法公开且个人未明确拒绝

首先，需厘清个人信息“公开”的边界，法律意义上的“已合法公开”，包括个人自行向不特定对象公开，以及国家机关等主体依据法律规定或者合法授权公开。暗网、黑市等非法公开的个人信息，不属于“合法公开”之列；需要登录、付费或者通过技术措施限制访问的信息，不能因为爬虫能够取得就被视为已公开。

其次，关于“未明确拒绝”：个人通过页面声明、个人平台设置、直接通知等方式明确表示不得商用、不得用于人工智能训练的，即属于“明确拒绝”，企业不得以个人信息“已公开”为由继续收集和使用。需要强调的是，“未明确拒绝”并非法律上的默示同意，更不是对训练活动的概括授权，而只是已公开个人信息在同时满足合理范围等条件时，不被认定侵权的条件之一。当然，此处也有一个问题值得进一步探讨，即：个人在社交媒体等平台公开其个人信息且未明确拒绝合法利用，但是平台自身设置了Robots协议等声明限制或禁止抓取的，该等个人信息是否属于已合法公开且可合法利用的个人信息？从个人信息主体意思表示的角度，我们认为其符合个人信息主体依法主动公开且未予明确拒绝的要件，平台限制或禁止抓取而仍抓取的，则根据抓取行为、抓取后果，可能涉及对平台竞争利益的侵犯，或触犯刑法有关网络安全、数据安全保护的规定。

（三）对个人权益有重大影响的仍需取得同意

个人信息已经公开，并不意味着可以任意用于模型训练。《个人信息保护法》第二十七条与《涉AI意见》第六条均明确，处理已公开的个人信息，对个人权益有重大影响的，仍应依法取得个人同意。对于模型训练而言，尤其要关注用于训练的已公开个人信息是否属于敏感个人信息。

根据《个人信息保护法》，敏感个人信息，是指一旦泄露或者非法使用，容易导致自然人的人格尊严受到侵害，或者人身、财产安全受到危害的个人信息，包括生物识别、宗教信仰、特定身份、医疗健康、金融账户、行踪轨迹等信息，以及不满十四周岁未成年人的个人信息。实践中，涉及人脸图片或视频、包含原始声纹的音频信息、精确定位和征信信息等，均应作为高风险数据重点审查。相较一般个人信息，法律对其处理设置了更高门槛：处理者须具有特定目的和充分必要性，采取严格保护措施，履行特别告知义务，并在处理前开展个人信息保护影响评估；以个人同意为处理依据的，还须取得单独同意。处理不满十四周岁未成年人个人信息的，应当取得其父母或者其他监护人的同意。个人信息的公开状态不会消除该等信息的敏感性，也不构成上述义务的豁免。

（四）在合理范围内综合考量三因素——训练目的、潜在影响、场景范围

认定合理范围，应综合考量三项因素：处理目的与模型功能的必要性和适当性，信息的类型、敏感程度及对个人权益的潜在影响，公开时的场景及可合理预期的使用范围。第一，训练数据的数量、类型和颗粒度应与模型功能相匹配，不能因“未来可能有用”而无差别收集；以公开信息训练检索、聚合特定自然人隐私的“人肉搜索”式功能，通常难以证明其必要性和适当性。第二，如纳入训练预料的个人信息未去标识化或容易被反向识别、或模型训练的过程和模型应用可能对特定个人信息主体产生潜在影响，则应采取排除、脱敏、限制用途等措施，以减轻对个人信息主体利益的潜在影响。第三，个人为社交、求职展示或者参与特定社区而公开信息，并不当然可以合理预期其信息被大规模汇集后用于无关模型训练。

对于前述第三点，校友录头像被爬案[3]对此提供了直观参照，法院认定涉案照片虽能被搜索引擎抓取，但校友录主要服务于熟人社交，用户上传头像的通常目的，是在有限范围内寻找同学、好友，而非向全网发布。即说明技术上的可访问性不能替代对公开场景和合理预期的判断。

三、未公开个人信息：处理依据须覆盖训练用途

（一）“告知－同意”不能止于概括授权

除法律、行政法规规定的其他情形外，未公开个人信息进入训练语料，应适用“告知－同意”规则。根据《个人信息保护法》，告知内容应包括处理者身份、训练目的、处理方式、信息种类、保存期限和个人行权方式；同意应在充分知情的前提下自愿、明确作出。将原本为履行合同、提供平台服务或者保障安全而收集的数据改用于训练，属于处理目的或者处理方式发生变化的，应重新审查处理依据，不能以“改善服务”等概括表述当然覆盖。

这一要求同样适用于购买、共享等间接取得的数据。企业应核验上游取得信息的合法性、原始授权是否覆盖训练用途以及对外提供是否具备依据。全国首例AI生成声音人格权侵权案[4]中，配音演员仅授权录制录音制品，相关声音却被用于AI化处理；法院认定，对录音制品的授权并不当然延伸至声音的AI训练和生成利用。该案恰是论证，对于个人信息的使用不能越过权利人最初授予的用途边界。

受登录权限或者平台访问规则限制的简历，更不能因技术上可以抓取而按公开信息处理。巧达科技案[5]所涉企业通过技术手段批量获取招聘平台中的简历信息，风险最终由数据来源合规问题上升至刑事追责。对未公开个人信息而言，是否合法取得是先于训练目的的门槛；取得行为本身违法，后续清洗、脱敏或者限制用途均不能补正其合法性。

（二）用户输入不得自动沉淀为训练语料

用户使用人工智能服务时提交的提问、文件、图片、声音和使用记录，往往包含未公开个人信息，甚至包含他人信息。《生成式人工智能服务管理暂行办法》第十一条要求，提供者不得收集非必要个人信息，不得非法留存能够识别使用者身份的输入信息和使用记录。因此，人工智能服务提供者为完成当次服务而处理这些数据，并不当然意味着可以继续用于预训练、微调或人工评测。企业应区分“提供当次服务”与“改进模型”两类目的：原告知和处理依据未覆盖模型训练的，应另行告知并取得相应同意；涉及人脸、声纹等敏感个人信息且以同意为处理依据的，还应取得单独同意。

（三）匿名化改变适用范围，去标识化仅能降低风险

经匿名化处理，无法识别特定自然人且不能复原的信息，不再属于个人信息。匿名化必须达到不可识别、不可复原的实际效果，并考虑模型记忆、数据拼接和外部数据匹配造成的再识别风险。仅删除姓名、替换账号或者采用编码映射，通常只构成去标识化，而去标识化后的数据仍属于个人信息。

四、个人权利响应及模型端处置

（一）权利响应以数据可追溯为基础

个人依法享有知情、决定、限制或者拒绝处理的权利，并可以请求查阅、复制、更正、补充和删除。企业应设置统一、便捷的权利响应入口，核验申请人身份，定位相关数据并及时反馈。数据台账应覆盖预训练、微调、对齐和评测数据，关联数据来源、处理环节、训练批次、模型版本及备份，避免个人信息在多次复制后失去踪迹。

（二）删除义务不仅限于清理原始语料

删除请求成立时，企业应删除或者隔离仍可定位的原始语料、训练集副本、缓存和备份，留存处置记录，并阻止相关数据进入后续训练。个人信息已经影响模型参数的，直接定位并移除往往存在技术困难。企业可视风险采取机器遗忘、局部重训、模型版本替换、检索库删除或者输出拦截等措施，并测试模型是否仍会复现相关信息。法律规定的保存期限尚未届满，或者删除在技术上难以实现的，应停止除存储和必要安全保护措施之外的处理。

数据由第三方提供或者委托处理的，权利响应还应延伸至供应商和下游部署方。合同应明确协助检索、删除、停止使用和证明处置结果的义务；发生争议时，企业应能够说明数据来源、处理依据、训练批次、采取的措施及复核结果。

总的来说，《涉AI意见》回应了人工智能时代对于训练数据的合理需求，明确了在合理范围内使用已合法公开且当事人未明确拒绝的个人信息用于模型训练的合法边界。但是，个人信息权利是《民法典》所界定的“人格权”之一，与个人权利和人格尊严密切相关，受到《民法典》《个人信息保护法》等相关法律的严格保护。企业在利用个人信息进行模型训练时，应严格遵循法律法规规定，建立个人信息保护影响评估机制，对于已公开个人信息，从其公开的合法性、当事人是否明确拒绝、处理目的与模型功能的必要性和适当性、信息的类型和敏感程度及对个人权益的潜在影响、公开时的场景及可合理预期的使用范围等多角度评估将其用于模型训练的合法性；而对于未公开个人信息，则应该严格遵守“告知-同意”的要求，取得个人信息主体充分和必要的授权。同时，为保障个人信息主体权利的行使，企业还应依法建立相应的权利响应流程和机制。

注释：

[1]《个人信息保护法》第十三条 符合下列情形之一的，个人信息处理者方可处理个人信息：……（六）依照本法规定在合理的范围内处理个人自行公开或者其他已经合法公开的个人信息；……依照本法其他有关规定，处理个人信息应当取得个人同意，但是有前款第二项至第七项规定情形的，不需取得个人同意。第二十七条 个人信息处理者可以在合理的范围内处理个人自行公开或者其他已经合法公开的个人信息；个人明确拒绝的除外。个人信息处理者处理已公开的个人信息，对个人权益有重大影响的，应当依照本法规定取得个人同意。

[2]《涉AI意见》:（六）依法认定人工智能训练过程中侵害个人信息权益的民事责任。为人工智能模型训练，在合理范围内处理个人自行公开的或者其他已经合法公开的个人信息，且个人未明确拒绝的，一般不认定为侵害个人信息权益的行为。对个人权益有重大影响的，应当依照法律规定取得个人同意。在认定合理范围时，应当综合考量处理个人信息的目的与模型功能的必要性和适当性，所涉个人信息的类型、敏感程度及对个人权益的潜在影响，个人公开信息时的场景及可合理预期的使用范围等因素。

[3] 孙长宝诉北京百度网讯科技有限公司等人格权纠纷案，北京互联网法院（2019）京0491民初10989号民事判决（2020年9月10日宣判）。

[4] 殷某桢诉北京某智能科技公司等人格权纠纷案，北京互联网法院（2023）京0491民初12142号民事判决（2024年4月23日一审宣判，双方均未上诉，判决已生效）。

[5] 王正华等侵犯公民个人信息再审审查与审判监督案，北京市第一中级人民法院（2022）京01刑申46号驳回申诉通知书（2022年10月20日）。通知书认定，巧达科技（北京）有限公司爬取公民个人信息数据未遵循正当途径，且未取得被收集者同意，属于非法获取公民个人信息，情节特别严重，构成侵犯公民个人信息罪，其法定代表人作为主犯被定罪量刑。