开源数据别乱用！5条线帮你避坑，有人已赔10万

本文作者何自刚，执业20年知识产权律师，以“一人公司（OPC）＋AI数字员工”运营爱普纳杰专利所、觅理律所、纳杰公司三个主体。今天拆解全国首例《数据知识产权登记证》司法效力案：数据集为什么能有三重身份、登记证怎么当“初步证据”护身符、开源为什么不等于放弃权利——最后附五条输入合规自检线，逐条给自己打勾。

同一个中文语音数据集，一审法院判它是商业秘密，二审却说不是——但被告该赔的钱一分没少，10万元照付，外加2300元合理开支。

这就是全国首例《数据知识产权登记证》司法效力案：数据堂（北京）诉隐某（上海）。数据堂2021年9月发布“1505小时中文普通话语音数据”开源计划，2023年拿到北京市首批数据知识产权登记证。被告把其中200小时的子集，放到自家官网当数据产品对外披露、诱导注册下载，被判构成不正当竞争。

这个案子把三件事说透了，每件都直接关系到你的AI项目。

一个数据集，可以有三重身份

法院确立了“分类保护、阶梯适用”的三阶梯：

数据堂的语音库就是第三种——虽然公开了不能算商业秘密，但人家实打实的投入，别人不能白嫖。

登记证是一张“初步证据”护身符

没有相反证据时，登记证＝你对数据享有财产性利益＋收集行为来源合法的初步证明。

注意“初步”两个字——它能被反证推翻，但关键在：它能帮你把举证责任先顶过去。对方想否认，得自己掏证据来翻。在诉讼里，这就是一个巨大的先手。

开源 ≠ 放弃权利

数据堂用了CC开源协议，被告以为“开源＝随便商用”。法院说得明白：是否遵循开源协议（尤其非商业用途条款），是衡量数据服务领域商业道德的重要考量。未经许可、不劳而获地商用，就是不正当竞争。

“输入端登记确权、输出端留痕保密，AI企业的数据护城河，是拿动作堆出来的，不是拿口号喊出来的。” —— 何自刚 | 知识产权律师 | 爱普纳杰·觅理·纳杰（执业20年，以OPC＋AI数字员工运营三主体）

五条输入合规自检线，逐条给自己打勾

① 来源合法 —— 训练数据的授权链条完整吗？公共数据走了授权运营吗？从第三方买的数据做尽调了吗？留痕了吗？

② 在先权利 —— 数据里有没有别人的著作权、商业秘密、个人信息？《生成式AI服务管理暂行办法》第7条是强制项，不得侵害他人合法权益。

③ 开源协议 —— 你引用的开源数据集，逐条读过CC协议了吗？商用条款是红线，很多“免费”数据集，其实只是“免费非商用”。

④ 登记确权 —— 自建的数据集，去试点省市申请登记证了吗？截至2025年底，全国已发出超4.8万张证、融资增信近150亿元。数据堂凭一张证，2024年数据交易卖了约9558万元，比前一年涨了76%。

⑤ 防输出泄密 —— 这条最容易被忽视。市场监管总局2026年8月20日刚公布：杭州一位算法专家离职后，把原单位的AI模型专属提示词模板、审查规则、标注规范外发，被罚35万元。官方定性很硬：自然语言类的集成方案、非标运营规则，也能独立构成商业秘密。

三层都得防：输入 → 模型 → 人

抖音诉亿睿科“B612咔叽”案，全国首例AI模型结构和参数受反法保护案——对方照搬漫画特效模型的结构与参数，单案判赔160万元，安卓加iOS两案合计约320万元。

从输入数据（登记证）、到中间模型（商业秘密/竞争性权益）、再到离职员工（保密管理），漏一层就是真金白银的代价。

三条建议，今天就能做

  1. 马上把在用的开源数据集清单拉出来，逐个核对CC协议的商用条款；
  2. 立即查一查自建数据集所在省市开没开数据知识产权登记试点，能登记就登记；
  3. 把提示词模板、模型参数、审查规则纳入保密清单，签好保密协议、做好离职管理。

数据合规这件事，早做是护城河，晚做是学费。别等收到起诉状，才想起去看开源协议。

在数据合规上踩过坑的，欢迎在评论区聊聊。关注公众号「纳杰觅理」，下一篇讲：AI模型被抄了，160万判赔是怎么算出来的——模型资产的双轨保护打法。

何自刚 | 知识产权律师 | 爱普纳杰 · 觅理 · 纳杰

座机：010-65150974 | 手机：15321374076 / 13911268604

本文仅代表作者个人观点，不构成法律意见。如需具体案件分析，欢迎联系我们。