数据主权视角下的模型选择

数据主权视角下的模型选择，指的是把「数据能去哪、能留多久、谁能看见」当作第一约束，先筛掉不合格的候选，再比较剩下的模型是否够用。顺序反过来，通常会得到一份效果漂亮但无法上线的候选清单

主权问题分三层

• 存放：数据、向量索引与运行日志各自存放在哪个司法辖区，备份是否也在同一辖区。
• 使用：服务方能否把数据用于训练、能否由人工查看、能否转交第三方处理。
• 删除：服务终止后多久删除、以什么方式证明已删除、日志与备份是否一并清除。

三层里最容易被忽略的是「使用」。合同里常见的表述是「不会用于训练通用模型」，但人工查看、质量抽检这类环节是否包含在内，往往需要单独确认。

约束怎么收窄候选集

把三层问题逐条变成筛选条件，候选集通常会缩得很快

• 要求数据不出域，就排除了所有必须上传原文的外部分析形态。
• 要求删除可验证，就把仅有口头承诺的选项排除在外。
• 要求日志可追溯，就要求候选方案具备记录调用者、知识来源与模型版本的字段。
• 要求模型可替换，就倾向于选择上层接口与具体供应方解耦的形态。

这条路径的结果往往不是「最优模型」，而是「够用且合规」的模型。对企业来说，后者才是可交付的答案 —— 一个无法通过边界审查的更强的模型，价值等于零。

与开源闭源的关系

开源不等于自动合规，闭源也不必然违规，两者的差别在于责任落在谁身上

• 开源模型：可控性高，但许可合规、安全补丁与性能调优由自己承担，需要单独核对许可证对商用的限制。
• 闭源服务：交付更完整，但数据边界取决于条款与部署形态，需要逐条阅读并保留书面约定。
• 两类都可以进入候选集，前提是分别回答清楚它们的存放、使用与删除条件。

边界与常见误判

• 把私有化当成主权问题的全部答案：数据不出域，但内部访问没有最小权限，问题依然存在。
• 只看合同不看架构：条款写着不用于训练，但调用链路里数据经过了未披露的中间环节。
• 忽略衍生数据：向量索引、缓存与运行日志同样是数据，同样受约束。
• 选型一次定终身：业务范围与法规都会变，选型结论应当有明确的复核周期。

边界还要说清：本文给的是筛选框架，不构成法律意见。涉及具体条款解释与合规判断时，应由具备相应资质的法务或顾问给出结论。