把 AI 工作负载的数据存放在某个司法管辖区,不代表这个地区是唯一能调取这些数据的权力机构。数据在哪里存放,和谁能强制要求访问,是两个不同的问题。把它们混为一谈,很容易写出一份让审计员满意、却留下实质性漏洞的合规方案。
AI 数据驻留,是指数据在哪个物理位置上存放和处理。它不回答谁实际上能调取这些数据,也不回答这些数据要服从哪些法律管辖。云服务商在法兰克福建了数据中心,数据确实存在欧盟境内,但这家公司在美国注册,那美国政府能不能向它索取这些数据?这个问题,驻留本身回答不了。
对部署 AI 系统的组织来说,这个区别会落到合同审查、基础设施决策和事件响应的实际操作里。给一家美国云服务商选欧盟数据中心,解决的是驻留问题,不是 CLOUD Act 问题。按 GDPR 跨境传输规则做的合规认证,建立的是合法依据,不能阻止第二个司法管辖区发出要求。EU AI Act 规定的数据治理义务,范围远远超出存储位置本身。每个框架回答的是不同的控制问题,只按一个框架搭建的合规方案,剩下的都没人管。
图 1. 数据驻留与数据主权的区别:驻留描述存储位置,主权描述谁能强制访问、谁能要求披露,以及哪个司法管辖区的法律适用于数据控制者。
驻留与主权:两个不同的控制层
数据驻留是静态概念:数据在物理上存在哪个国家或地区的服务器里。云服务商提供的驻留承诺通常包括三项:数据中心的地理位置、处理数据的服务器不会跨区流动、遵守该地区的数据保护法规。审计报告核实的是这项承诺。这类安排解决一个监管问题(数据在哪),到此为止。
数据主权是动态关系:从驻留结束的地方开始,它问的是谁拥有权力对这些数据发出具有约束力的指令,以及哪个法律体系管辖着控制数据的那个实体。一家在爱尔兰注册的子公司可以承诺「仅在欧盟境内处理数据」,但它的美国母公司仍然可能面临美国法院的强制披露令。数据没有移动。那个权力机构根本不需要数据移动。
实际判断方法很简单:如果 A 地的政府能合法强制一家公司交出物理存储在 B 地的数据,驻留和主权就已经分裂了。存储位置满足了一条规则,控制结构没通过另一条。
这个缺口在金融服务、医疗和公共部门采购领域已经被记录了很多年。对 AI 部署来说它还比较新——供应商的销售材料里经常把「欧盟托管」和「符合 GDPR」当成同一件事来说,而快速采用的速度有时跑在了法务审查前面。这个暴露面通常在事件响应、监管问询,或者如 2024 年以来的几起案例所示,在政府真的索要某份合规官员以为「拿不到」的数据时,才会显现出来。
这个缺口不是 AI 技术带来的意外。它在 AI 处理普及之前就存在,只是随着更多敏感处理迁移到 AI 工具上,后果变得更重了。同一家对核心银行系统严格落实数据本地化的金融机构,很可能正在用完全跑在美国基础设施上的 AI 生产力工具处理商业敏感的客户信息。银行系统的合规状态,不会自动延伸到那个 AI 工具上。
在治理意义上,主权需要的不只是一份合同。它要求组织保留在自己的权力之下独立决定数据命运的能力,而不是仅仅依赖一个自身也受其他权力机构管辖的对方给出的合同承诺。正是这个区别,让受监管行业、涉及国家安全的领域,以及处理特别敏感个人数据的行业,开始用一个超出「数据在哪」的问题重新审视自己的 AI 技术栈:谁能拿到它,能拿多快?
GDPR 第五章实际管什么
GDPR 第五章(第 44 至 49 条)管的是从欧洲经济区向第三国传输个人数据。它规定的是这种传输可以发生的法律依据,不是数据传输之后的技术或管辖控制权。
第 44 条是底线:传输必须确保 GDPR 保证的保护水平不被削弱。第 45 条允许向欧盟委员会认定「充分性」的国家传输。第 46 条允许在有适当保障措施(例如标准合同条款或有约束力的公司规则)的情况下传输。第 49 条列出特定情况下的减损安排。
第五章不管的是:数据已经合法放置之后,其他法律体系发出的要求该怎么处理。如果一家在美国注册的实体按照有效的标准合同条款在法兰克福托管数据,美国司法部发出传票,GDPR 的充分性分析解决不了这个冲突。第 48 条给出了部分答案:除非另有依据,否则要求传输的外国法院或行政机关必须通过既有的司法互助协定(MLAT)途径进行。但第 48 条给欧盟一方的实体设定的是程序性要求,它控制不了美国那边的诉讼程序。
这条程序要求很重要。如果没有走 MLAT 途径,欧盟数据处理者会面临两边法律的对立义务,而且没有自动的解决方式。组织的法律顾问必须就事论事地权衡每一份指令,没有确定的结果保证。GDPR 让这个冲突浮出水面,不会消灭它。
欧盟一直在试图通过传输机制,以及更近期的、在欧盟法院废止「隐私盾」和「安全港」之后于 2023 年通过的《欧盟—美国数据隐私框架》(DPF),来管理这个冲突。DPF 让美国情报机构对欧盟个人数据的使用做出有约束力的承诺,并建立了独立的申诉机制。这个框架确实降低了 GDPR 框架下欧盟到美国传输的一部分残余风险。但它没有解决 GDPR 第 48 条和 CLOUD Act 之间的结构性张力——因为 CLOUD Act 运作在 DPF 的范围之外。
对 AI 部署而言,第五章还有两点格外值得注意。推理过程中处理的个人数据(用户的一次查询、模型读取的一份文档、包含个人信息的生成结果)如果流向了欧洲经济区之外托管的模型,就可能构成一次传输。对第五章的判断标准来说,重要的是模型的托管地理位置,不是用户自己身在哪里。那些把查询路由到美国云推理端点、同时在欧盟保留数据存储的组织,可能解决了驻留问题,却忽略了传输问题。
标准合同条款可以为这类传输建立合法依据,但附带持续性的义务。2021 年版标准合同条款要求数据接收方在收到可能与合同承诺冲突的公共机构披露请求时通知数据输出方,也要求接收方在有合理依据时对访问请求提出异议。签一份带欧盟数据处理附录的 DPA,满足的是文档要求。在政府要求模式不断变化的情况下真正落实这些承诺,是合同本身没法单独保证的操作性部分。
图 2. GDPR 第五章数据传输合法性流程:充分性决定 → 标准合同条款 / 有约束力的公司规则 → 特定减损安排。流程图反映该条例自 2018 年 5 月生效以来的结构。
为什么只看司法管辖区,回答不了 CLOUD Act 的问题
《澄清境外数据合法使用法》(CLOUD Act,Pub.L. 115-141,2018 年 3 月 23 日签署)允许美国政府直接向美国本土的云服务商发出法律程序,要求其交出存储在全球任何地方的数据。服务商的义务是对美国法律负责,不是对数据的存储位置负责。
该法案第 2523(c) 条规定,受覆盖的服务商必须回应符合该法规标准的法律程序,无论数据实际存储在哪里。一家为欧洲客户运营欧盟数据中心的美国公司,可能收到一份有效的 CLOUD Act 指令,面临交出客户数据的约束性义务,当然这仍受制于程序性抗辩和双边行政协议条款。
2023 年的《欧盟—美国数据隐私框架》和更早的传输机制,管的是数据流向美国服务商时的合法依据。CLOUD Act 运作在另一条轴线上——它描述的是政府强制美国实体的能力,不是该实体对客户的合同承诺。
这给 AI 部署带来了实际暴露。许多主要的 AI 推理服务商、云 GPU 服务和基础模型供应商都是美国注册的实体。一个组织即使只使用纯欧盟数据中心,只要把 AI 处理路由经过这样的服务商,就已经把工作负载置于 CLOUD Act 的管辖范围之内。欧盟数据中心并非毫无意义——它可能满足了 GDPR 的驻留要求。但它不会改变服务商的国籍,也不会消除政府发出有效指令的能力。
2026 年 11 月 16 日的一项进展说明,这正在变成一个不断扩大的风险类别。据 TechCrunch(Ram Iyer,2026 年 11 月 16 日)报道,美国商务部发布了一项临时规则,要求在海外数据中心可能向受限国家的公司提供算力的情况下申请许可(Federal Register 正式 docket 待确认)。这项规则背后的逻辑是:算力的物理位置本身,并不能决定谁实际控制它或谁是受益方——而这正是 CLOUD Act 暴露之所以可能存在的同一套逻辑。
应该问任何 AI 服务商的问题,不是「我的数据存在哪里」,而是「你在哪里注册,你收到过或可能合法收到哪些法律程序」。这个问题未必会出现在一份标准的数据处理协议里。但它应该出现。
CLOUD Act 还允许美国政府与其他国家签订双边行政协议,使那些国家的执法机构能够直接向美国服务商发出针对本国国民数据的法律程序。英国自 2022 年起已有这样的协议,澳大利亚和加拿大正在谈判中。双边协议框架扩大的是可强制访问的管辖范围,而不是收窄——它把更多政府纳入了一条触达美国注册服务商所持数据的正式法律路径。一家为了获得前沿 AI 基础设施而选择美国云服务商的欧洲组织,应该明白这套双边协议框架最终可能让本国的执法机构,比它预想的更快地拿到它自己的数据。
AI 聊天记录能否在强制程序下被调取,取决于谁持有这些记录,以及适用哪个司法管辖区的法律。
图 3. CLOUD Act 管辖范围:在美国注册的云服务商必须响应美国政府的法律程序,无论数据存在哪里。选择欧盟数据中心满足了 GDPR 驻留要求,但不改变服务商的国籍。
EU AI Act:超出地理位置的数据治理要求
欧盟《人工智能法》(Regulation (EU) 2024/1689,2024 年 8 月 1 日生效)对高风险 AI 系统提出的义务,远远超出了把数据存在正确位置这件事。第 9 至 17 条规定了风险管理体系、技术文档要求、数据治理实践、人工监督条款,以及准确性、鲁棒性和网络安全标准。
第 9 条要求高风险系统的提供者在整个生命周期内建立、实施、记录并维护风险管理体系。第 10 条规定的数据治理要求训练、验证和测试数据必须满足质量标准,经过潜在偏差审查,并按照有文档记录的实践进行管理。这两条都不是靠一句关于存储地理位置的合同条款就能满足的。
这对数据驻留的实际含义是:第 10 条可能要求组织详细掌握自己的 AI 系统究竟用什么数据训练、这些数据从哪来、收集时有哪些保障措施。对于使用外部供应商基础模型的团队,这需要的文档远超一份数据处理协议——它要求能看到供应商自己的训练数据治理情况,而很多供应商一直不太愿意以可验证的形式提供这些信息。
第 13 条(透明度)和第 14 条(人工监督)进一步要求高风险系统的设计必须允许自然人进行有效监督。一个生成重大后果的输出、却没有把输出、模型版本和提示词串联起来形成可审计链条的 AI 系统,无论数据放在哪里,都不符合第 13 条的要求。
一份驻留承诺满足不了这些要求中的任何一条。对总部在欧盟的组织而言,它是更大的合规结构中的一个必要组成部分,但不是充分条件。
究竟什么构成 EU AI Act 意义上的高风险系统,是一个需要合格顾问判断的法律问题。分类标准列在该条例的附件三中,涵盖的具体应用领域包括生物识别、关键基础设施管理、就业决策、基本公共和私人服务、执法、移民与边境管控、司法行政和民主进程。
对那些在「自己不属于高风险」的假设下部署了 AI 系统的团队,这里有一个实际影响值得注意。附件三设有修订机制,欧盟委员会有权通过授权法案更新清单。今天不在附件三范围内的系统,可能在后续修订中被纳入。已经完成合规评估的组织,应该持续跟踪 EU AI Act 的授权法案动态,并在系统范围或能力发生重大变化时重新评估分类。
EU AI Act 还包含适用于所有 AI 系统(不仅是高风险系统)的一般性义务。第 52 条要求面向自然人交互的 AI 系统承担特定的透明度义务,包括披露用户正在与 AI 交互这一事实。这与面向客户的 AI 部署直接相关,无论它们是否落入高风险类别——这是一项与数据存储位置毫无关系、却带有行为后果的数据治理义务。
决定 AI 数据存放方式之前,每种方案实际控制什么?
企业 AI 规划中经常出现三种部署配置:纯云端托管(数据与推理都在服务商那里)、混合(数据本地存储,推理走云端 API)、本地部署(数据和推理都跑在组织自己控制的基础设施上)。每种配置控制的东西不一样,没有一种能控制全部。
纯云端托管提供操作简便性、全球可访问性和前沿模型的使用权。驻留由服务商的区域设置和客户的数据处理协议决定。如果服务商在美国注册,CLOUD Act 的暴露就存在。如果查询或存储数据跨越欧洲经济区边界,GDPR 传输规则就适用。EU AI Act 第 14 条要求的人工监督能否落实,取决于客户对系统行为是否有足够的可见性。
混合配置(本地数据存储配合云端推理)降低了存储中的训练数据、文档和输出结果的驻留暴露,但不会消除推理过程中的跨境传输风险:发给云端模型的提示词通常本身就包含或隐含了正在处理的数据。一次文档摘要任务,会把整份文档或其中相当一部分发送到推理端点。
本地部署——数据和推理引擎都跑在组织控制的硬件上——把驻留的控制权和大部分主权暴露,都转移到了组织自己的决策上。CLOUD Act 的法律程序触及不到一台请求方政府根本不知道、也无法送达的设备。GDPR 传输规则只适用于从该系统向外发出的传输。代价是能力:目前本地托管模型在若干任务类别上仍落后于前沿模型,维护本地推理也增加了运维责任。
没有一种配置能完全消除监管暴露。任何涉及多个司法管辖区人员访问、任何第三方服务集成、任何对外网络连接的配置,都会重新引入必须单独管理的风险向量。
在这些配置之间做选择时会出现更广泛的主权问题——包括在模型和基础设施不断变化的情况下,「保持有意义的控制权」在实践中到底意味着什么——这些问题在生成式 AI 中的数据主权一文中有更深入的讨论。
图 4. 典型 AI 工作负载中的数据流:提示词输入、检索上下文、模型推理、输出生成和存储日志记录,每一步都可能是数据跨越组织或司法边界的节点。在云端配置中,数据跨越网络边界的步骤会被标出。
图 5. 按风险类型与部署配置划分的驻留控制矩阵。本地部署应对了管辖权强制和供应商访问风险;合同控制能应对部分但非全部风险向量;没有补充控制措施的云端配置暴露的风险最多。
如何审计自己现有 AI 技术栈的驻留与主权暴露
在评估新配置之前,先把已经存在的东西摸清楚更有价值。过去两年里采用 AI 工具的大多数组织,采用速度都跑在了系统性评估前面。结果是一堆散落的订阅、集成和数据流,有些经过审查,很多没有。
一个有用的起点,是列出组织里所有人员实际在用的 AI 工具、服务和 API——不只是 IT 部门采购的那些。影子 AI 的采用非常普遍。企业安全供应商发布的研究一致发现,员工自行使用 AI 工具的规模,是集中采购记录的两倍以上。每一个未经批准的工具,都是驻留审计没有捕捉到的一条数据流。
对每个工具,要确定三件事:这个工具背后的公司在哪里注册?工具在哪里处理数据(推理端点的地理位置)?传输的是什么数据——文档、查询、输出、元数据、使用遥测?最后一类经常被忽略。有些 AI 工具会把详细的使用遥测数据(包括查询内容或语义嵌入向量)传回自己的服务器,即使用户以为数据留在了区域部署内。
一个实用的检验方法:拿组织经常使用的任意一款 AI 工具,看它的标准隐私政策或数据处理协议是否把推理端点的地理位置和存储地理位置分开说明。很多工具并没有。对推理地理位置缺乏具体承诺,本身就是对数据可能流向何处的一种回答。
列出工具及其特征之后,按组织数据类型对应的风险等级分组。一个只处理公开可得信息、不连接任何内部系统的 AI 工具,和一个能访问日历、邮箱或客户记录的工具,处在完全不同的位置。这项评估的结构化问题清单,可以参考 AI 供应商主权清单一文。
今天就值得做的一件事:打开组织主要 AI 生产力工具的数据处理协议,找到关于政府访问和执法请求的条款。如果这一节只讲了 DPF 下的欧盟到美国传输,没有提到服务商在收到 CLOUD Act 指令时会怎么做,那就是合同文档里的一个缺口。这不代表服务商就会配合每一份指令(大多数大型服务商都发布了质疑过度宽泛政府要求的政策),但说明组织没有拿到这一点上的书面承诺。这和一份组织能够核实的书面承诺是两回事。
一个实例:三种配置,同一份数据集
假设一家四人规模的法律顾问团队,用 AI 助手协助起草面向客户的文件。团队按欧盟法律运作,服务德国、法国和奥地利的客户,处理的文件可能既包含个人数据,也包含企业客户的商业敏感信息。
在纯云端托管配置下,团队的文件和查询会发送给一家在美国注册、运营欧盟数据中心的 AI 服务商。假设数据处理协议有效,GDPR 驻留要求:满足。CLOUD Act 暴露:存在——服务商在美国注册,受制于有效的美国法律程序。GDPR 第 48 条管的是美国政府试图通过 MLAT 访问数据的情形;团队的合同对一份直接发给服务商的有效 CLOUD Act 指令没有任何保护作用。EU AI Act 的合规状态取决于该 AI 系统是否符合高风险标准(如果它协助提供法律建议,附件三就相关),以及服务商的文档是否满足第 9 至 13 条的要求。
在混合配置下,文件留在团队的本地服务器上,只有可能概括或引用文件内容的提示词会发给云端推理端点。GDPR 传输风险:推理时存在。CLOUD Act 暴露:存在,但范围收窄到提示词内容而非存储文件本身。这一点对某些威胁模型来说意义重大,对另一些则不然——一条构造完善的提示词,所含的敏感信息可能不亚于一份存储文件。
在本地部署配置下,文件和推理都跑在团队控制的硬件上。GDPR 传输风险:限于团队主动选择发起的对外连接。CLOUD Act 暴露:对团队自己持有的数据不存在。EU AI Act 的文档要求:由团队自己负责,用自己的配置记录来满足。代价是:截至 2026 年末可用的本地模型,对许多法律文书起草任务已经够用,但对复杂的分析性工作,可能比前沿云端模型需要更谨慎的人工复核。
在这些配置之间做选择,不是一次性的审计决定。随着模型能力的变化和新服务商的出现,可用的配置本身也会演变。团队在这个场景里的决定,应该在每次供应商续约时、以及 AI 系统处理的数据类型发生重大变化时重新审视。
图 6. 示例场景:一个四人团队在 30 天周期内,三种部署配置下的数据暴露对比。云端配置:全部处理事件都跨越网络边界。混合部署:存储文档留在本地,推理提示词跨越边界。本地部署:边界跨越仅限于明确的对外集成。
KarmaBox 如何应对驻留与主权的缺口
KarmaBox 是一个在你自己控制的硬件上运行 AI 分身的平台。驻留问题由此有了一个默认答案:当分身跑在 KarmaBox 设备上时,业务数据(文档、对话、知识库、任务记录)留在那台设备上,处于团队的物理控制之下。
上面描述的具体驻留与主权问题,对应到以下平台行为:
| 驻留 / 主权问题 | KarmaBox 如何处理 | 你需要配置什么 |
|---|---|---|
| 推理数据在哪里处理? | 本地模型任务在 KarmaBox 设备上处理(1×GB10,128 GB 统一内存,约 170 W);除非你把任务路由给云端模型,数据不会离开设备 | 在分身设置里选择哪些分身用本地模型、哪些用云端模型 |
| 本地模型失败时,数据会不会回落到云端? | 不会。本地闭环闸门的设计是失败就关闭:本地推理失败时,系统报告失败,而不是静默切换到云端服务商(2026 年 10 月 22 日上线) | 默认开启,不需要额外操作 |
| 文档和对话历史存在哪里? | 在设备上;业务对象、文档和知识库都存储在本地(已上线) | 在设备设置面板里确认数据位置 |
| 调用云端模型会不会产生传输暴露? | 会。分身调用云端模型时,那次推理会跨越网络边界。云端模型已内置,不需要配置 API key;平台按云端模型用量计费。发给云端模型的数据会离开设备 | 把敏感任务分配给本地模型分身;在为敏感工作流开启云端路由前先确认 |
| 分身能不能在未经批准的情况下发送、发布或删除数据? | 每类动作都有自己的闸门:发送和发布默认「先问我」,未经所有者明确批准不允许付款,删除默认「先问我」 | 为每个分身审核并确认动作闸门;闸门在服务端强制执行,不依赖提示词 |
| 换模型会不会让数据边界配置失效? | 不会。闸门在平台层强制执行,不由模型本身决定。更换底层模型不会改变已强制执行的动作规则 | 不需要额外操作 |
| 数据边界表现的证据是什么? | 内部实测,2026 年 10 月 28–30 日:72 小时内 197 次本地推理调用,业务数据外发事件 0 次;886 段对话、2 个知识库、24 条记忆记录留存在设备上;设备面板持续显示「无数据流出」状态 | 在设备设置里查看数据边界日志 |
| 设备更换后,记忆和配置会怎样? | 便携记忆迁移功能把分身的记忆转移到一个文件,可以加载到新设备或云端模式下;记忆不依赖硬件的连续性 | 从分身设置里使用便携记忆导出功能 |
对上面实例中的欧盟法律顾问团队来说,本地部署的 KarmaBox 配置解决了留在设备上的数据的驻留要求,消除了本地处理数据的 CLOUD Act 暴露,并提供了 EU AI Act 第 9 条和第 13 条所要求的那种配置审计轨迹——因为设备日志由团队自己控制。
在依赖这种配置处理 GDPR 敏感工作负载之前,有三件事值得先做。梳理哪些分身配置成调用云端模型、分别处理什么任务(设备设置面板会显示每个分身的路由情况)。确认处理个人数据的分身,对外发送的动作闸门设为「先问我」,这能限制意外的数据对外流动。导出数据边界日志并保留下来——这是推理确实留在本地的同期证据,既与 GDPR 第 5(1)(f) 条相关,也与任何内部治理审查相关。
对于按自己的采购标准评估这个平台的团队,AI 供应商主权清单提供了一套框架,可以用同一组问题对比 KarmaBox 和其他供应商。
可用的设备配置列在 KarmaBox 产品页上。分身记忆在设备更换后能否保留的具体条件,在主权 AI 分身指南中有说明。
图 7. KarmaBox 数据边界:本地任务留在设备上;调用云端模型会跨越网络边界。本地闭环闸门可防止本地推理失败时静默切换到云端。2026 年 10 月 28–30 日内部实测的数据边界表现:197 次本地推理调用,0 次数据外发事件。
本地部署解决不了什么
本地部署回答的是推理和存储发生在哪里的问题。它不会消除所有的数据暴露向量。
人员访问仍然是绕开数据边界最直接的路径。能接触设备的团队成员可以复制、导出或传输数据。设备的物理安全很重要。访问控制——谁能接触设备、它连接的网络、以及管理界面——必须与数据驻留配置分开管理。
AI 系统本身的应用层漏洞,无论硬件放在哪里,都可能导致数据泄露。一个可以被提示去总结并对外传输一份文档的模型,会创造出一条硬件位置阻止不了的出站通道。提示注入——模型读取的内容里包含了模型会执行的指令——是一个已经被记录、且持续存在的风险类别。AI 代理数据泄漏一文详细讨论了这些出站通道;数据存在哪里,和数据怎么离开,是两个不同的问题。
第三方集成从定义上就会重新引入主权暴露。本地系统连接的任何服务(日历 API、文档存储服务、CRM)都会让那部分数据受制于第三方的条款和管辖权。每一项集成都应该针对它能访问的数据和它运营所在的司法管辖区单独评估。
供应链组件(模型权重、推理库、操作系统)可能带有自己的更新和遥测机制。有严格数据边界要求的组织,应该核实每个组件传输什么、传到哪里,尤其是那些内置云连接功能的基础模型。这不是一个理论上的担忧。好几款被广泛使用的 AI 开发工具,被发现会把使用数据、错误报告,有时还有部分查询内容,作为默认遥测的一部分传回开发者的服务器。与 AI 工具签的数据处理协议可能覆盖该工具自身预期的数据流动,但通常不会覆盖它所依赖的组件的遥测行为。
针对本地 AI 部署的供应链审查,应该能回答:推理库在启动时或常规运行期间会发起哪些外部连接?模型运行时用什么更新机制,更新过程会不会联系外部服务器?操作系统或容器运行时默认传输哪些日志或遥测数据?每个问题都有可验证的答案,没有问过这些问题的组织,其实是在依赖对自己没有构建的组件的假设。
从部署司法管辖区之外访问系统的员工(在另一个国家使用的设备,或终止在别处的 VPN)可能会把该地的管辖规则一并带进来。这不是一个驻留问题,而是一个会影响系统实际使用方式的数据处理政策问题。
这些风险都不是反对本地部署的理由。它们是驻留问题解决之后,治理清单上剩下的事项。每一项都有可验证的答案,而这正是一个连贯的合规姿态实际由什么构成。
各部署模型隐私属性的更完整对比,见端侧 AI 与云端 AI 隐私对比一文。对于 AI 代理拥有实质访问权限时应适用的日志要求,AI 代理审计日志一文讲的是该记录和保留什么。
常见问题
数据驻留等于符合 GDPR 吗?
不等于。跨境数据流动要符合 GDPR,需要第五章规定的合法依据:充分性决定、标准合同条款、有约束力的公司规则,或特定减损安排。数据驻留描述的是物理存储位置。两个概念在存储位置与合法依据判断相关时会有重叠,但驻留本身不能确立合规,合规也不要求任何特定的驻留安排。
CLOUD Act 适用于非美国公司吗?
CLOUD Act 主要适用于受美国法律管辖的「电子通信服务提供商」和「远程计算服务提供商」——通常是依美国法律组建或在美国境内运营的公司。一家不在相关意义上受美国司法管辖的非美国公司,不直接受该法规覆盖。对 AI 部署来说,真正相关的问题通常是:AI 服务商、云基础设施提供商或模型供应商是否在美国注册,而不是客户是否在美国。
承诺使用某个 AI 平台之前,关于数据驻留应该先确认什么?
向服务商确认四件事:(1)数据具体会存储和处理在哪里,能否审计?(2)你们是否在美国或任何其他已经制定了与 CLOUD Act 等效的强制披露法律的司法管辖区注册?(3)过去 24 个月里,涉及客户数据的法律程序你们收到过哪些,是怎么处理的?(4)如果收到要求交出我方数据的政府指令,你们会怎么做,会给我方什么通知?第 3 和第 4 个问题的答案通常不在标准的数据处理协议里,需要直接和供应商的法务团队对话才能拿到。
把数据放在本地能消除数据主权风险吗?
本地部署消除的是第三方法律义务触及数据的主要路径:云服务商的美国注册身份、托管服务的条款,以及供应商人员可远程访问的存储。它不会消除本地系统自身集成带来的风险、人员对设备的访问风险,或应用层漏洞风险。构成有意义的主权 AI 的更完整条件集合,在主权 AI 框架一文中有描述。
对高风险 AI 系统,EU AI Act 除了数据驻留还要求什么?
对附件三下的高风险 AI 系统,第 9 至 17 条要求有文档记录的风险管理体系、覆盖训练数据质量和偏差审查的数据治理实践、足以评估符合性的技术文档、系统运行日志记录、支持监督的透明度,以及允许人工干预的设计。这些要求针对的是系统的生命周期和治理,不是它的地理位置。某项具体的 AI 部署是否构成高风险,是一个最好由合格法律顾问做出的法律判断。
智能体负责人离职时应该怎么办?
复核该负责人授权的所有分身,指定有授权的接任者或停用分身,并测试确认旧权限确实已经移除。保留历史责任记录——谁在哪段时间负责这个分身、授权范围是什么。通过受控流程交接业务职责,而不是直接交出离职员工的密码;如果分身用的是离职员工登录外部服务的账号,那些账号需要重置密码、撤销旧凭据,并重新授权给新负责人。分身的边界配置(哪些动作直接执行、哪些先问、哪些不允许)跟随分身本身,不跟随负责人变化,但负责人变更时,审批链需要同步更新:原来「先问我」的动作,现在该问谁?
关于作者
Karma Box 团队发布关于主权 AI、数据治理和代理控制的实用指南,面向个人和组织。本文区分了法律条文的事实性陈述和实施层面的分析,引用一手来源,并标明哪些结论属于解释性判断而非定论。事实核查截至 2026 年 11 月 17 日。本内容仅供参考,不构成法律意见;组织应就具体司法管辖区的合规决策咨询有资质的法律顾问。











