近年来，美国专利商标局、美国版权局发布了一系列指南或研究报告，明确限制人工智能（AI）辅助创新的专利和版权保护。例如，美国专利商标局要求人类对AI输出可能形成的发明做出“显著贡献”方能获得专利保护；美国版权局则指出，当AI技术决定其输出的表达性元素时，生成的材料不受版权保护。这使得商业秘密法成为企业保护AI相关创新的重要工具，因为它既不要求发明人或作者身份，也无需政府批准或注册。
商业秘密法凭借其高度包容性和广泛适用范围，为AI技术创新提供了强有力的保护，能够覆盖专利和版权无法涵盖的敏感信息，例如用于训练AI系统的数据或模型权重。因此，业内有人戏称，用商业秘密保护AI技术堪称“天作之合”。AI开发者和用户可以借助商业秘密法保护与AI技术相关的核心信息，同时规避传统知识产权保护所面临的时间限制和程序繁琐等约束。然而，将商业秘密法应用于AI技术的保护也面临诸多挑战，包括技术透明性不足、法律手段滥用以及公共利益受损等。
AI技术的快速发展带来了“饥饿”与“喂养”的矛盾：一方面，AI对数据、算法和算力有着永无止境的需求；另一方面，商业秘密法作为保护AI技术创新的重要工具，其“黑箱化”特性与社会对AI技术透明性需求之间的冲突日益凸显，可能使AI技术从“喂养”阶段逐步演变为“吞噬”阶段，带来深远的社会和伦理影响，进一步加剧AI技术治理的难度。
能用保密信息喂养GenAI吗
日常使用生成式人工智能（GenAI）处理文件或生成报告虽具便利性，但用保密数据喂养GenAI已被多国明确认定为违法泄密，且存在不可逆的泄露风险。例如欧盟《通用数据保护条例》禁止传输可识别的自然人信息，欧盟《商业秘密保护法》则保护企业核心机密数据（如定价策略、技术图纸、客户名单）；中国《个人信息保护法》和《反不正当竞争法》同样严令禁止这类行为，违者将面临高额罚款乃至刑事责任。
国际案例反复印证由此引起的泄密风险：三星电子员工2023年3月使用ChatGPT调试半导体设备源代码，导致核心代码及良品率数据泄露，20天内连发3起事故，迫使三星全面禁用公共AI工具；2024年1月30日，美国科技媒体Ars Technica报道ChatGPT曾泄露私人聊天密码及未公开研究项目细节；2023年4月，意大利监管机构一度封禁ChatGPT，禁止OpenAI处理意大利用户数据。
GenAI技术层面存在系统性缺陷：即便将数据脱敏（如市占率从具体数值泛化为区间值），仍无法消除身份识别风险且显著降低数据的商业价值。因此必须建立严格规范：核心商业秘密禁止接触公共AI，非敏感数据需经身份隐藏与业务背景剥离双重处理。最可靠方案是采用本地化部署实现数据物理隔离。全球案例表明：公共AI与机密数据本质互斥，效率提升绝不能突破法律底线。
商业秘密法与AI：从保护到反噬
鉴于商业秘密法的高度包容性，其保护范围在AI领域广泛扩张，涵盖了算法、模型权重、数据集和运行逻辑等几乎所有技术要素。这种全面保护虽然为企业提供了法律支持，但也导致了过度保护和滥用，甚至引发了一系列法律、伦理、经济和社会危机。这些问题相互交织，构成了复杂的系统性挑战。
商业秘密法的核心作用是保护经营创新和技术创新，确保经营信息和技术信息一定的独占性，从而推动企业研发投入和技术进步。这种保护机制能够有效制止不正当竞争，维护市场秩序，为AI技术的开发和应用提供法律支持。然而，在实际应用中，商业秘密法的功能也可能带来负面影响，例如过度保护导致技术共享受限，打击健康的创新生态，甚至阻碍AI技术的开放与协作。
与此同时，商业秘密法通过保护经营信息和技术信息，强化了企业的私权保障，使其能够通过独占信息获取竞争优势。然而，私权保护的扩张也带来了权利失衡的问题：公众对技术的知情权、监督权和参与权空间受到压缩，中小企业因技术壁垒被排除在AI研发与应用之外。一些企业甚至可能滥用商业秘密法，通过恶意诉讼限制竞争对手或员工合理流动，进一步强化技术垄断，损害整体社会公平。
透明性缺失是商业秘密法在AI领域的另一大挑战。AI技术的“黑箱化”特性与透明性需求之间存在根本矛盾，尤其在医疗、司法和公共政策等高风险领域可能导致严重后果。例如，公众无法了解AI系统的决策依据，容易掩盖算法偏见并误导决策者。同时，商业秘密法限制了公众和监管机构对AI技术的监督，使技术滥用或错误决策隐蔽化。
在公共利益领域，商业秘密法的私权保护可能与社会需求发生冲突，尤其在医疗、司法和环境等关乎公共利益的领域。例如，AI诊断算法的保密性可能导致误诊或歧视性医疗服务，司法算法因训练数据偏见破坏司法公平，气候预测模型的不透明性可能阻碍全球应对气候变化目标的实现。这些问题不仅损害社会整体利益，还可能引发公众对AI技术的失信。
AI技术的“黑箱化”与商业秘密法的保密性叠加，加剧了透明性危机，破坏公众信任，并掩盖技术滥用的风险。
在经济维度上，商业秘密法的保护机制可能强化少数AI巨头的技术垄断地位，导致市场壁垒提高和技术红利集中化。少数公司控制AI核心技术，排斥中小企业和研究机构参与，损害市场竞争与创新动力。同时，AI技术红利集中于少数科技公司和资本集团，普通公众难以受益，进一步加剧了社会资源分配的不平等。
AI技术的快速迭代及其可能带来的危机表明，商业秘密法的应用必须在保护AI技术创新与维护公共利益之间找到平衡点。通过规范保护范围、增强技术透明性、促进技术开放与共享，并在涉及公共利益的领域优先考虑社会需求，才能缓解商业秘密法在保护AI上的局限性。同时，法律、伦理、经济和社会治理需要协同推进，以确保AI技术既能推动社会进步，又能避免对人类社会的反噬。
商业秘密法与伦理治理协同
规避AI技术“反噬效应”的关键在于重新审视商业秘密法的适用边界，并在法律与伦理协同治理框架下进行调整。通过引入透明性要求、限定保护范围、实施强制许可制度以及推动法律与技术协同发展，可以在保护企业AI私权与维护公共利益之间寻求动态平衡，从而实现AI技术创新与社会发展的和谐共存。
在涉及公共利益的高风险AI系统（如医疗、司法、环境等领域）中，透明性是保障社会信任和技术伦理的核心。商业秘密法的保密性逻辑与AI透明性需求形成矛盾，必须通过算法透明性披露、独立第三方审查和分级透明性机制来缓解这一冲突。透明性要求并非完全公开企业的核心敏感技术，而是通过限定披露范围和程度，在高风险领域确保公共利益优先，同时维护社会信任和伦理秩序。
限定商业秘密法的保护范围是防止其滥用与过度扩张的重要措施。将商业秘密限定于真正具有商业价值且无法合法获取的技术信息（如排除通用算法和公共数据集），并动态调整保护期限以适应AI技术迭代速度，可以有效避免长期保护抑制竞争。同时，建立惩罚机制防止恶意诉讼，进一步维护AI技术生态的开放性和公平性。
强制许可制度的引入是优先保障公共利益的必要补充。在特定紧急情况下（如公共健康危机、全球气候变化、自然灾害），商业秘密的保密性可能与公共利益发生冲突。通过引入公共利益优先原则，赋予政府在重大领域强制使用受保护技术的权力，并建立明确的适用条件、程序和补偿机制，可以确保关键AI技术服务于公众，同时给予该技术提供方合理的经济补偿。这一制度体现了公共利益优先原则，是商业秘密法在特殊情况下不可或缺的平衡机制。
推动法律与技术协同发展是调整优化商业秘密法保护AI技术的必要路径。通过跨学科合作，将透明性要求纳入AI行业标准，开发算法可解释性工具，可以促进商业秘密法与AI技术的深度融合。
小结：商业秘密法的边界重塑
面对AI技术快速发展带来的法律、伦理、经济和社会挑战，商业秘密法在AI领域的应用亟须重新界定边界，以缓解技术创新与公共利益之间的张力，其中严禁使用保密信息训练GenAI等公共AI工具已成为基本前提。
必须构建四重协同监管机制：首先合理限定商业秘密保护范围，仅覆盖具有实质商业价值的核心算法与数据集，排除通用技术及公共数据，并根据AI技术迭代速度动态调整保护期限；其次实施强制性透明披露要求，对高风险领域建立分级透明制度，要求披露算法决策逻辑框架并引入独立第三方审计；同时确立公共利益优先原则，在紧急情况下启动强制许可机制；最后推动技术与法律深度融合，开发可解释性工具（如模型蒸馏技术）并将AI伦理标准纳入认证体系。
这种系统性重构能使商业秘密法从封闭保护转向包容性开放治理，既保障企业核心创新安全，又通过物理隔离公共AI（如本地化部署）和双重脱敏处理非敏感数据来严守法律底线，最终在打破技术垄断中实现AI红利共享与社会信任重建，确保技术私权与公共利益的动态平衡。这种平衡不仅关乎商业秘密法的完善，更决定着AI技术的未来。只有在法律框架内实现技术透明与社会责任的统一，才能确保AI技术创新与社会发展和谐共进，避免因数据“饥饿”与“喂养”失衡而对社会造成“反噬效应”。
（作者系华中科技大学知识产权与竞争法中心主任、二级教授）
举报 文章作者
郑友德
相关阅读
AI时代，实践学习会成为主流教育模式吗？教育的真谛在于“授人以渔”,教会学生运用知识解决问题。
9 209 07-04 11:25
以人工智能为引擎，推进国际一流湾区建设人工智能技术的井喷式发展与广阔的产业新蓝海，叠加大湾区得天独厚的综合优势，粤港澳大湾区具备强有力推进国际一流湾区建设的底气与锐气。
241 05-20 20:04
AI技术为全球能源产业变革注入强劲动能由AI技术驱动的能源革命，是技术进步与产业需求的深度融合，也是全球应对气候变化、实现碳中和目标的必由之路。
220 05-14 21:10
人工智能的四大潜在风险最大的不确定因素是全面超越人类智能的AGI是否会实现。
473 05-06 19:46
2024年报业绩盘点：大盘蓝筹业绩稳健，AI点燃电子板块增长引擎 109 04-27 14:41 一财最热 点击关闭
新玺配资提示：文章来自网络，不代表本站观点。
