把一段未發表的實驗數據粘貼進公共 AI 對話框，往往只花幾秒鐘。但真正決定這段數據去向的，是你與平臺之間那份通常沒人讀完的服務條款，由它和平臺所在司法轄區的法律共同決定，而不是你電腦上那個文件的屬性。數據一旦離開本地，就會進入平臺運營方的服務器、日志與緩存，可能被用于模型訓練，可能被人工審核抽檢，也可能在多個司法轄區之間流轉。對研究生而言，風險還不止于“泄露”：如果數據來自人類受試者，上傳行為可能超出知情同意的授權范圍；如果數據支撐著待申請的專利，提前公開可能影響新穎性判斷；如果數據受課題組與第三方的保密協議約束，個人上傳可能構成違約。因此，能否上傳的判斷依據，不是“方不方便”，而是數據分級、平臺條款與機構規則三者的交集。
規則從哪里來：三類約束先分清
在討論具體數據之前，需要先明確約束來源。研究生階段最常見的問題，是把“學校沒有明說”理解為“可以做”。實際上，至少有三層規則同時生效。
第一層是機構規則。 多數高校和科研院所已建立數據分類分級制度，并要求 AI 工具的使用納入其中。例如，Fred Hutch 的計算環境管理規范明確禁止將“受限”或“受保護”類別的數據輸入任何未經該數據等級授權的 AI 系統，涉及此類數據時須先經過 AI 使用審查流程；德國哥廷根大學關于學位論文使用 AI 的提示文件也強調，作者必須清楚“數據被發送到哪里、如何被使用”，對含未發表或敏感數據的工作尤其要謹慎。這類文件共同點在于：判斷單位不是“這個工具好不好用”，而是“這類數據是否被授權進入這類系統”。
第二層是平臺條款與適用法律。 公共 AI 服務的免費版、訂閱版、企業版與 API 接口，在數據留存、訓練使用、人工審核和跨境傳輸上的約定往往不同。部分云服務在條款中保留將用戶輸入用于模型改進或訓練的權利；即便承諾不用于訓練，日志留存與濫用審查仍可能讓內容被短期保存或抽檢。這些差異必須逐條核對，而不能依賴“大家都這么用”的經驗。
第三層是科研誠信與出版規范。 國內外學術出版機構與科研資助方近年來陸續發布生成式 AI 使用規范，普遍要求：不得將敏感、未公開的研究數據輸入公開可訪問的 AI 服務；確需使用的應做最小化與去標識化處理；使用過程應留有記錄并在投稿時按期刊要求披露。國內面向學術出版的 AIGC 使用邊界指南亦提出隱私與數據安全方面的原則性要求，具體版本與條文應以發布機構的最新文件為準（本文資料檢索日期：2026 年 6 月）。同時，《數據安全法》《個人信息保護法》以及人類遺傳資源管理的相關規定，構成了數據對外提供時的法定邊界。
把數據分級：四檔判斷框架
與其逐次糾結“這段能不能傳”，不如先建立一套可復用的分級。下表是一個面向研究生日常場景的四檔框架，可根據本單位的數據分類制度調整名稱與細則。
| 等級 | 典型內容 | 與公共 AI 平臺的關系 |
|---|---|---|
| 一級：已公開 | 已發表論文中的數據、公開數據集、公開標準與法規文本 | 一般可上傳，仍需注意版權與數據庫許可條款 |
| 二級：可公開但尚未公開 | 擬發表論文的方法描述、不含量化結果的思路草稿、通用代碼 | 謹慎有限上傳，去除具體參數、樣本信息與可識別細節 |
| 三級：內部受限 | 未發表的實驗數據、工藝參數、材料配方、樣本編號與實驗記錄、失敗的實驗結果 | 不得上傳公共平臺，僅在機構批準的可信環境中處理 |
| 四級：嚴格受限 | 人類受試者可識別信息、知情同意未覆蓋共享的數據、臨床與遺傳數據、涉密或受保密協議約束的數據、待申請專利的技術方案 | 禁止上傳任何未經專門授權的 AI 系統，包括部分機構內部服務 |
這張表的關鍵不在名稱，而在判斷順序：先問“是否涉及人”，再問“是否受第三方約束”，再問“是否已公開”，最后才問“平臺是否方便”。三、四級的共同特征是，數據一旦外流，損失不可逆——你無法證明對方沒有留存，也無法把已經進入訓練語料的內容撤回。
平臺側必須核對的四件事
即便數據被判定為二級，也需要在選定具體工具時核對以下四項，它們決定了風險的實際大小。
是否用于模型訓練。 這是最核心的一項。哥廷根大學的提示文件特別提醒，基于云的 AI 系統可能在處理之后將輸入用于訓練目的，因此對含未發表數據的工作應優先選擇在本機離線運行、不依賴云計算的系統，或使用由可信機構本地托管模型的服務。
留存期限與刪除機制。 “可以刪除對話記錄”不等于“數據立即從所有備份中消失”。需要確認留存期、備份策略，以及刪除是否覆蓋日志與關聯副本。
人工審核與濫用監控。 部分平臺為安全審查會允許人工查看被標記的對話。這意味著即使在“不用于訓練”的設置下，內容仍可能被第三方閱讀。
數據出境與賬戶歸屬。 個人賬號與機構賬號的處理規則常不相同。使用個人賬號處理課題組數據，可能在合規上同時違反數據管理制度與保密約定。
幾種“以為可以”的邊界情形
實際咨詢中，爭議往往集中在幾個自我說服式的判斷上，它們都需要被明確否定或限定。
“這是失敗的實驗，沒用了。” 失敗數據同樣可能包含實驗條件、材料批次與工藝路線，屬于三級內容。它的價值不在于結論，而在于信息本身。
“我只上傳一小部分。” 分片上傳不降低風險。若多個片段可拼接出完整方案，其敏感性與整體等同。
“我只上傳圖表，不上傳原始數據。” 未發表圖表往往已包含關鍵趨勢與量級，部分圖表還能反推實驗條件。此外，圖像中的坐標軸標簽、樣本編號、儀器導出水印都是容易被忽略的泄露點。
“我只描述研究思路，不涉及數據。” 未發表的研究設計、假設與創新點屬于學術競爭優勢的一部分。在提交專利申請前公開技術細節，可能影響后續的新穎性判斷；在論文發表前公開核心思路，也可能引發優先權爭議。
“代碼里沒有數據。” 需要檢查腳本中的硬編碼路徑、示例數據、注釋與配置文件中是否嵌入了真實樣本信息，以及是否通過遠程連接方式讓 IDE 插件自動上傳了工作目錄內容。
不上傳時的合規替代路徑
判斷為三級或四級，并不意味著放棄 AI 輔助。可行路徑按可靠性從高到低排列如下。
機構自建或本地托管服務。 一些高校與科研機構提供本地部署的 AI 服務，輸入內容在機構控制的算力內處理，不向外部廠商傳輸。國際上有高校計算中心以本地托管模型作為商用服務的替代，也有機構明確將內部 AI 服務納入軟件與安全審查流程，并為不同數據等級設定可用的使用范圍。
本機離線模型。 在自己設備上運行開源模型，關閉出站網絡訪問，可滿足“數據不出本機”的要求。需要注意的是，模型權重與推理框架同樣應來自可信來源，避免引入其他風險。
可信研究環境。 面向敏感數據的研究，可在機構提供的受控計算環境中完成分析與建模，環境中限制數據導出、記錄操作日志。歐洲相關工作組已對可信研究環境與敏感數據管理做過系統梳理，國內多數高校的大型儀器平臺與數據中心也在建設類似設施。微軟等廠商的架構文檔同樣描述了如何在受控研究環境中處理管控數據，可供與本單位信息化部門溝通時參考。
數據變換后再使用。 包括去標識化（移除直接與間接標識符）、結構化抽象（只保留變量關系與統計特征，不保留原始記錄）、合成數據（用生成模型產出統計性質相近但不對應真實個體的數據）。需要強調的是，簡單的“改個名字”不構成去標識化，間接標識符的組合仍可能重識別個體；變換方案應經過導師或數據管理人員確認。
把 AI 用在不需要數據的地方。 文獻脈絡梳理、統計方法選擇討論、代碼調試與繪圖腳本編寫、語言潤色、投稿格式檢查，這些任務不需要輸入原始數據，卻能覆蓋研究生使用 AI 的大部分需求。
走正式審查流程。 若研究確實需要借助外部算力或商用模型，應向本單位的數據管理或科研管理部門提出申請，說明數據等級、處理目的、平臺條款與安全措施。Fred Hutch 的 AI 使用審查機制即為一例。審查通過后的使用，才具備可追溯的合規基礎。
上傳前自查清單
以下清單建議在每次上傳前逐條過一遍，并保留記錄。
- 這段內容是否包含人類受試者的可識別信息或可間接識別的組合信息？
- 知情同意書是否覆蓋“數據共享給第三方商業平臺”這一用途？
- 數據是否受課題組與第三方的保密協議、合作協議或委托方要求約束？
- 是否涉及待申請專利的技術方案、材料配方或工藝參數？
- 數據是否屬于本單位數據分類制度中的受限或敏感等級？
- 所用平臺的服務條款是否允許將輸入用于模型訓練？留存期多長？是否有人工審核？
- 使用的是個人賬號還是機構賬號？機構是否已就該工具完成安全評估？
- 上傳內容是否可被拆分為“方法描述”與“具體數據”兩部分，只保留前者？
- 是否已做去標識化或結構化抽象？殘留的間接標識符是否經過復核？
- 若發生泄露，是否能在不影響論文發表、專利申請與合作協議的前提下處理？
任何一條的答案指向“是”或“不確定”，都應暫停上傳，轉而采用替代路徑或先行咨詢。
留痕：把判斷過程變成可證明的記錄
合規不僅是做對的事，還包括能證明自己做過判斷。建議在實驗記錄或項目文檔中保留一份簡短的 AI 使用記錄，內容包括：使用的工具與版本、賬號類型、輸入內容的類別描述（不必抄錄內容本身）、處理目的、采取的去標識化措施、是否經過機構審查以及審查結論。投稿時若期刊要求披露生成式 AI 的使用情況，這份記錄可以直接支撐說明；若后續出現數據歸屬或優先權爭議，它也是還原過程的第一手材料。
數據安全邊界的判斷，本質上是一次成本與收益的重新計算：上傳節省的幾十分鐘，對應的是不可撤回的披露風險；而本地模型、機構服務與數據變換所增加的麻煩，是可以被流程化、被復用的。把分級做在前面，把記錄留在過程里，AI 工具才真正成為研究助力，而不是合規負擔。
