企业使用境外AI编程工具，先查什么？
先确认源代码、日志、测试数据和提示词实际发送给谁、存储在哪里，以及供应商和分包方能否访问。再按个人信息、重要数据和商业秘密分别判断处理与出境要求，并将允许上传的数据范围落实到配置、合同和员工使用规则。
核对原文 《个人信息保护法》原文 · 《促进和规范数据跨境流动规定》原文
程序员用了一下境外AI，公司数据到哪里去了？
GitHub Copilot、Claude Code、Cursor、ChatGPT 等 AI 编程助手，已经成为不少开发团队的日常工具。但容易被忽略的是：这些工具在提供服务时，往往需要将代码片段、报错信息、配置文件发送至境外服务器——通过境外大模型的 API 完成推理。对国内开发者而言，这不仅是用个工具这么简单，而是涉及代码数据出境、网络安全合规、知识产权风险的复杂命题。
国家安全部在2025年7月24日通过官方公众号通报了一起案例：某科研单位研究人员小李，在撰写研究报告时，为了省事，把核心数据和实验成果直接粘进了某境外AI软件，请它帮忙润色生成报告。数据出境了，涉密信息泄露了，小李受到严肃处理。
这件事发生在一个科研单位，但同样的操作，正在中国无数个开发团队、实验室、项目组里每天发生。
区别在于：小李的单位有保密管理制度，知道这叫“违规”。更多团队连意识都还没有——他们以为，只是调了个接口而已。
一、基本问题：调个API，算不算数据出境？
很多开发者的直觉是：“代码在我本地，我只是发了个请求，又没把文件上传到哪里。”
这个直觉在法律上站不住脚。
当你用GitHub Copilot补全代码、用Claude Code分析报错、用ChatGPT生成配置文件时，以下数据已经通过HTTPS请求，传输到了OpenAI、Anthropic、微软等境外服务商控制的服务器：
当前文件的上下文、函数定义、变量名，乃至整个模块；
堆栈跟踪和日志内容（可能包含用户ID、手机号、订单号）；
数据库连接字符串、API密鑰、内网IP地址、服务端点；
多轮对话中累积的上下文，足以拼凑出完整的业务逻辑。
《数据安全法》《个人信息保护法》意义上的“数据出境”，判断标准是数据是否进入境外主体的控制范围，而非数据是否“离开你的硬盘”。API调用，一次就够。
有一个重要区分值得单独说清楚：工具本身不等于数据出境。VS Code、Cursor IDE这类本地运行的编辑器，安装和使用本身不导致数据出境；触发出境的是工具在后台向境外大模型发送的API请求。这意味着，切换到接入国内模型的编程插件，或在本地部署DeepSeek、Qwen-Coder等开源模型，数据合规风险可以从根本上规避。
二、三类数据，三条线
企业代码库的数据敏感程度差异极大，合规建议不是“全部禁止”，也不是“全部放行”，而是分级判断。
■ 第一类：绝对不能出境
涉及国家秘密的代码和文档；
核心算法、专利实现、未公开的商业逻辑；
含大量用户个人信息的数据库Schema和日志文件；
生产环境的密鑰、Token、证书；
内网架构图和服务器IP清单。
这类数据出境，触发的是《数据安全法》第三十六条、《个人信息保护法》第三十八条的直接违规，企业面临最高50百万元罚款或年营业額5%的处罚，直接责任人可能承担刑事责任。没有评估空间，没有“下不为例”，这是硬线。
■ 第二类：脱敏后可受限使用
通用框架代码、标准库调用、常见报错信息；
变量名已替换、个人标识已去除的业务逻辑片段；
公开的开源项目代码。
这类数据经过真正彻底的脱敏处理，风险相对可控。但有一个陷阱值得注意：境外服务商通常在用户协议中保留对输入内容进行模型训练的权利。脱敏不彻底的代码片段，可能通过训练过程间接外泄。
■ 第三类：低敏感，可常规使用
公开的算法题和练习代码；
与具体业务无关的通用技术文档翻译；
编程语言语法层面的问题。
三、三个误区，一个比一个贵
误区一 “我个人账号付费订阅，和公司没关系。”
如果处理的是工作代码，在法律上仍可能被认定为职务行为。企业作为数据的实际控制者，不能以“员工个人行为”规避数据出境责任。一旦发生泄露，企业依然是向监管机构和用户承担首要责任的主体。员工可能同时面临内部追责和法律责任。
误区二 “我翻墙访问，应该不算数。”
翻墙是网络接入手段，数据出境是法律后果。两者独立成立。《计算机信息网络国际联网管理暂行规定》第六条明确禁止自行建立或使用非公用电信网提供的国际出入口信道进行联网。翻墙不能豯免数据出境的合规义务，只会在原有违规之上再叠加一层网络接入违规。
误区三 “代码里没有个人信息，个保法管不到我。”
个保法确实以个人信息为边界，但数据出境的合规义务不只来自个保法。代码中的数据库连接配置和内网架构属于企业核心机密，泄露将直接暴露网络系统；涉及特定算法的代码还可能触发技术出口管制；只要涉及“重要数据”，就须依法完成数据出境安全评估——而“重要数据”的范围，由行业主管部门自行划定，远比多数开发者预期的宽。
四、分层合规建议
不是不用，而是用好。在务实与合规之间找到平衡点，才是对企业和开发者都负责的做法。
🏢 对企业
1. 建立白名单制度，不搞一刀切
明确告知员工哪些工具可用、哪些场景可用、哪些数据可以上传；
允许使用接入国内大模型的IDE插件；
允许在隔离环境中使用境外工具处理脱敏后的通用代码；
禁止向任何境外服务上传含核心算法、用户数据、生产密鑰的代码。
2. 技术隔离，而非行政禁止
在开发网络中部署DLP（数据防泄漏）系统，检测并阻断向境外AI服务发送含敏感关键词的数据；
为不同项目设置网络隔离区——涉密项目只允许访问国内模型服务，非涉密项目可经审批后使用境外服务；
提供企业级的合规替代方案，降低开发者“偷偷用”的动机。
3. 制定脱敏规范并落地培训
制定代码脱敏标准操作程序（SOP）：变量名替换、连接字符串删除、个人标识符截断；
定期对开发者进行数据分类分级和合规培训。
4. 合同与责任约定到位
在劳动合同和保密协议中明确AI工具使用规范；
对因违规使用境外AI工具导致的数据泄露事件，明确内部追责机制。
👨💻 对开发者
1. 上传前先过三个问题
这段代码包含公司核心算法或商业秘密吗？
里面有没有数据库密码、API密鑰、内网地址？
报错信息里是否包含用户个人信息或业务敏感数据？
任何一个答案是“是”，请停下来，换成本地工具或国内替代方案。
2. 优先使用国内模型或本地部署
日常编程辅助，国内大模型的代码能力已经可以满足大部分需求；
通过企业合规渠道申请，使用经审批的境外API账号；
本地部署DeepSeek、GLM、Qwen-Coder等开源模型，实现离线推理，合规风险归零。
3. 不要为了方便赌上职业风险
个人翻墙行为本身已处法律灰色地带，叠加企业数据上传后，违法成本显著上升；
一旦因个人违规行为导致公司数据泄露，面临的不只是内部处分，还可能涉及侵犯商业秘密罪、侵犯公民个人信息罪等刑事责任。
五、结语
小李在粘进那段数据的时候，想的是怎么快点写完这份报告。
没有人想着“我在跨境传输涉密信息”。
但法律不问动机，只看结果。AI工具的效率价值毫无置疑，但边界同样清晰：涉密数据，一行都不能传；非涉密数据，脱敏彻底才能用；日常通用代码，优先选择境内服务。
“我只是调了个接口”，不是答案。
法条引用
《中华人民共和国数据安全法》第三十六条
《中华人民共和国个人信息保护法》第三十八条至第四十条
《计算机信息网络国际联网管理暂行规定》第六条
《中华人民共和国刑法》第二百一十九条（侵犯商业秘密罪）
国家安全部通报案例，2025年7月24日