2、核心法律框架：GDPR、CCPA、中国《个人信息保护法》、《数据安全法》核心条款解读
好，咱们进入正题。做AI合规，你绕不开这四个法规。GDPR、CCPA、中国的《个人信息保护法》（PIPL）和《数据安全法》（DSL）。
我个人的习惯是，先看它们管什么，再看它们怎么罚。说白了，就是搞清楚红线在哪。
2.1 GDPR：欧洲的“长臂管辖”与用户权利
GDPR，全称通用数据保护条例。2018年生效，算是全球数据保护的“老大哥”。
它的核心就一个字：严。
2.1.1 管辖范围（第3条）
这一点我印象特别深。只要你的AI产品处理了欧盟境内个人的数据，不管你的服务器在哪，GDPR都能管到你。这叫“属地+属人”原则。
举个例子，你在中国训练一个推荐系统，用户画像里有个法国人。嗯，你就得遵守GDPR。
2.1.2 合法处理基础（第6条）
你不能随便拿数据去训练模型。必须满足以下至少一条：
- 同意：用户明确同意，且可以随时撤回。
- 合同必要：处理数据是为了履行合同。
- 法律义务：法律要求你处理。
- 正当利益：你的利益不侵犯用户基本权利。
我在项目中遇到过，很多公司想用“正当利益”来绕过同意。但说实话，对于AI训练这种大规模数据处理，监管机构基本不认。老老实实拿同意吧。
2.1.3 数据主体权利（第12-23条）
用户的权利非常大。你想想看，用户有权要求你：
- 访问权：告诉我你处理了我哪些数据。
- 删除权（被遗忘权）：把我的数据从模型里删掉。
- 数据可携带权：把我的数据打包带走。
这里有个坑。我曾经帮客户处理过一个请求：用户要求从训练好的大模型里删除他的个人数据。这技术上很难实现，因为模型参数是聚合的。所以，合规设计必须在训练前就做好数据脱敏和隔离。
我曾经见过一个团队，把用户数据直接丢进训练集，没有做任何标记。结果用户要求删除时，他们根本找不到哪些数据属于这个用户。最后只能重训模型，成本巨大。
2.2 CCPA：加州的“消费者隐私”与商业例外
CCPA，加州消费者隐私法案。2020年生效。它跟GDPR有点像，但更偏向“商业实践”。
2.2.1 核心概念：消费者 vs. 企业
CCPA保护的是“消费者”，也就是加州居民。它管的是“企业”，标准是：
- 年收入超过2500万美元；
- 或买卖超过5万条消费者数据；
- 或一半以上收入来自卖数据。
说白了，小公司暂时不用太担心。但做AI的，数据量通常不小，很容易踩线。
2.2.2 消费者的权利
CCPA给了消费者几个关键权利：
- 知情权：企业必须告诉你收集了什么数据，用来干嘛。
- 删除权：跟GDPR类似。
- 选择退出权（Opt-out）：消费者有权说“别卖我的数据”。
这里要注意，CCPA对“出售”的定义很宽泛。你把数据给第三方做模型训练，哪怕没收钱，也可能算“出售”。
2.2.3 与GDPR的关键差异
| 维度 | GDPR | CCPA |
|---|---|---|
| 同意机制 | 默认Opt-in | 默认Opt-out |
| 处罚上限 | 全球年营收4% | 每次违规750美元（消费者诉讼） |
| 适用范围 | 处理欧盟个人数据 | 加州居民+企业规模 |
我个人觉得，CCPA更像一个“商业合规”问题，而GDPR更像一个“人权问题”。做AI产品时，如果你面向全球，建议按GDPR的标准来，因为CCPA的要求基本是GDPR的子集。
2.3 中国《个人信息保护法》（PIPL）：2021年的“中国版GDPR”
PIPL于2021年11月生效。它借鉴了GDPR，但更严格，也更“中国化”。
2.3.1 核心原则：最小必要与告知同意
PIPL第6条明确：收集个人信息，应当限于实现处理目的的最小范围。不得过度收集。
举个例子，你做一个AI客服，只需要用户的手机号。如果你非要收集他的通讯录，那就是违规。我在项目中遇到过，有些产品经理总想“多收集点数据备用”。我建议他们立刻打住，因为PIPL的处罚是“上一年度营业额5%”，比GDPR还狠。
2.3.2 敏感个人信息（第28条）
PIPL专门列出了“敏感个人信息”，包括：生物识别、金融账户、行踪轨迹、不满十四周岁未成年人信息等。
处理这些数据，必须：
- 取得个人单独同意；
- 告知处理目的和必要性；
- 对处理活动进行影响评估。
你想想看，如果你的AI模型用了人脸识别，那你就得走这套流程。不能偷偷摸摸搞。
2.3.3 跨境传输（第38-43条）
这是PIPL最头疼的地方。个人信息出境，必须通过：
- 国家网信办组织的安全评估；
- 或标准合同；
- 或认证。
我记得有个客户，把中国用户的数据传到美国做模型训练。结果发现，数据出境评估没做，直接被约谈。最后只能把训练服务器搬到国内。
做AI训练时，尽量把数据留在国内。如果非要出境，提前半年准备安全评估材料。别等到上线了才想起来。
2.4 中国《数据安全法》（DSL）：数据分类分级与国家安全
DSL于2021年9月生效。它不只看个人信息，而是管所有数据。核心是数据安全和国家安全。
2.4.1 数据分类分级（第21条）
国家建立数据分类分级保护制度。数据分为：
- 一般数据：普通业务数据。
- 重要数据：可能危害国家安全、公共利益的数据。
- 核心数据：涉及国家秘密、关键基础设施的数据。
做AI的，如果你处理的是“重要数据”，比如交通流量、医疗健康、金融交易，那你必须：
- 建立数据安全管理制度；
- 指定数据安全负责人；
- 定期开展风险评估。
2.4.2 数据安全保护义务（第27-36条）
DSL要求企业采取技术措施保障数据安全。比如：
- 数据加密；
- 访问控制；
- 备份与恢复；
- 安全审计。
我见过一些AI团队，模型训练数据直接明文存在服务器上，连个密码都没有。这要是被拖库，DSL的处罚可不是闹着玩的。最高罚款1000万，或者上一年度营业额5%。
2.4.3 数据交易与出境（第31-36条）
DSL规定，重要数据的出境，必须经过安全评估。而且，数据交易中介机构也要承担责任。
说白了，你不能随便把数据卖给第三方做AI训练。必须审查对方的资质，并记录交易日志。
我建议你在公司内部建立“数据资产清单”。把每一条数据标上分类（一般/重要/核心）。这样，监管来检查时，你能立刻拿出证据。我曾经帮一个客户做这件事，花了三个月才理清。但后来他们被抽查时，一次通过。
2.5 四法对比：AI合规的“十字路口”
最后，我做个简单对比。这四个法规，你都得看。但侧重点不同：
| 法规 | 核心关注点 | 对AI的影响 |
|---|---|---|
| GDPR | 用户权利、同意、删除 | 训练数据必须可溯源、可删除 |
| CCPA | 消费者隐私、Opt-out | 数据出售定义宽泛，模型训练需谨慎 |
| PIPL | 最小必要、敏感信息、跨境 | 人脸、生物特征等AI应用受限 |
| DSL | 数据分类分级、国家安全 | 重要数据不能随意出境或交易 |
嗯，这就是核心框架。记住，合规不是法务部门的事，是每个AI工程师的事。你写的每一行代码，都可能决定公司会不会被罚。