你的训练数据，敢不敢公开来源和权属？

先问一个不太好回答的问题：如果把公司用于训练模型的数据摊在桌面上，你能不能逐条说出——它从哪来、归谁、许可允许我做什么？

这不是假设。世界银行《2026 世界发展报告》第 318 页记录了美国加州《AI 透明法》的要求：生成式 AI 开发者须公布训练数据的来源（sources）、权属（ownership）与知识产权状态（intellectual property status）。同页还写了另一句：缺乏披露，便利了大规模数据收集，而这种收集可能违反数据保护与知识产权。

第 320 页说得更直白：先进模型大多「训练于从互联网提取、未顾及既有许可条款或著作权利益的数据」。

三项披露，看着是文书工作，实质是三条风险线。

一、三项披露，三个问题

来源——问的是取得方式。爬取、采购、用户上传、合作方提供、公开数据集，五种来源对应五种举证方式。说不清来源，后面两项都没有意义。

权属——问的是权利归属。这里最容易出错：买了数据库不等于买了著作权；用户上传不等于获得授权；公开可见不等于进入公有领域；员工在工作里整理的数据集，权属可能不在公司。

知识产权状态——问的是许可边界。允许不允许商用、允许不允许再分发、允许不允许用于训练、要不要署名、衍生作品怎么处理。这一项决定你能不能把模型或数据产品卖出去。

二、开源的三类陷阱

报告第 320 页专门提到：开源许可在权力不对称的条件下，可能便利掠夺性使用。翻成我们日常遇到的三类情形：

陷阱一：只看「开源」两个字，不看许可证。 开源不等于公共领域。有的许可只允许非商业使用，有的要求署名，有的对使用场景设限。数据集和代码的许可常常是两套，混着用来路不清。

陷阱二：copyleft 传染。 如果训练数据或依赖组件带 agpl、gpl 这类传染性条款，而你的产品又构成衍生作品，可能被要求开放自有代码。这个风险在闭源商业产品上尤其致命。

陷阱三：把「开源」当成「放弃权利」。 开源只是授权，不是转让。原作者仍然可以主张权利，只是承诺不起诉你按许可使用。你用超了范围，他随时可以主张。

三、中国法下对应哪几条

著作权法：复制、改编、汇编是训练流程里最常见的三个行为；把生成内容对外发布还涉及信息网络传播。合理使用要落到具体条款，不能只讲「为了研发」。

反不正当竞争法：数据集、清洗规则、标注规范这类不构成作品但具有商业价值的信息，可走商业秘密路径——前提是你有保密措施。

个人信息保护法：语料里含个人信息时，要有合法性基础；用于自动化决策的，还要满足第 24 条的透明与拒绝要求。

数据知识产权登记：登记证书在司法实践中被作为初步证据使用，能显著降低举证成本。它不创设权利，但能证明「你什么时候、以什么内容、做了这套数据集」。

四、12 项自查清单

来源与授权（4 项）

1. 每批数据是否有来源记录（URL、采购合同、上传日志）？

2. 爬取的数据是否核过目标站点的 robots 与用户协议？

3. 采购数据集的合同里，是否写明可用于训练与商用？

4. 用户上传或合作方提供的数据，是否有单独的授权条款？

权属与许可（4 项）

5. 数据集的权利人是公司、员工还是第三方？有没有书面归属约定？

6. 开源组件与开放数据集，是否逐项登记了许可证名称与版本？

7. 是否存在 agpl、gpl 等传染性许可？若存在，产品是否构成衍生作品？

8. 模型输出是否会包含原作品的实质性表达（长段文本、图片主体）？

个人信息（2 项）

9. 语料是否含个人信息？是否做过清洗与去标识化？

10. 用于自动化决策的场景，是否提供告知与拒绝渠道？

留痕与举证（2 项）

11. 清洗规则、标注规范、版本变更是否留档？

12. 是否做过数据知识产权登记或可替代的存证？

五、出海要看的两个时间点

报告第 311–312 页给了一个容易踩空的时间表：欧盟《AI 法案》的高风险义务因 Digital Omnibus 推迟至 2027 年 12 月（嵌入产品者 2028 年 8 月）。这意味着两件事：一，短期内不会有统一的全球标准落地；二，出口欧洲的企业仍要按透明度与数据治理的既有要求准备材料。

报告同时提到，欧盟之外已有 6 个经济体立了横向法（日本、哈萨克、韩国、中国台湾、越南 2025，乌兹别克 2026），日本走的是无罚则的「轻触式」。做多国业务的企业，别指望一套模板通吃。

结语：能不能"公开"，取决于你今天有没有记录

三项披露的难点不在披露，在披露时你需要能拿出东西。来源没有记录，就只能写「不明」；权属没有约定，就只能写「待核」；许可没有登记，就只能写「不确定」。而在一份对外声明里写下这三个词，等于自己承认风险。

数据合规的成本，从来不是「写一份文件」的成本，而是「从今天开始记录」的成本。越早开始，越便宜。

资料来源：World Bank, World Development Report 2026: The Promise of Artificial Intelligence（DOI 10.1596/978-1-4648-2331-2），页码为原书印刷页；加州《AI 透明法》与欧盟《AI 法案》时间表均按报告所载转述，具体条文以官方文本为准。

如果公司要把模型或数据产品卖给客户、或者准备出海，我们可以按这份 12 项清单做一次体检，出一份可交付的《训练数据来源与权属说明》——这份东西，客户尽调和平台审核都要看。

咨询电话：13911268604