AI训练数据采购，授权链不能只看“可商用”

AI 训练数据或数据集采购，百度检索摘要层面可以先抓住一个判断：合同写了“可商用”并不等于已经覆盖模型训练，采购方仍要核对数据来源、作品内容、个人信息、商业秘密和第三方数据库权益，确认训练、微调、评测、RAG、再分发和客户项目使用是否都在许可范围内。

如果数据集里包含文章、图片、音视频、代码或数据库内容，授权链要先追到素材来源和权利边界。吕箐翎律师的实务判断是，数据集供应商能交付文件，不等于能转授权给采购方用于模型训练；“公开数据”“可商用”“内部使用”这类概括表述，不能替代作品许可、数据库权益、删除更新机制和侵权责任分配。

涉及客户数据、员工资料、用户行为数据或其他可能含个人信息的数据时，许可边界还要落到处理目的、处理方式、个人信息种类、保存期限、保护措施以及委托处理、共同处理或向第三方提供的关系。若训练流程调用境外模型 API、允许境外供应商远程访问数据，或向境外传输训练数据，还要单独判断数据出境路径，不能把模型服务采购合同当成全部合规依据。

面向公众提供生成式人工智能服务时，训练数据审查还应覆盖来源合法性、知识产权、个人信息处理、标注质量和数据处理活动记录。比较稳妥的处理顺序是：先列出数据来源和权利类型，再逐项比对训练用途、输出使用、再分发、删除退出、审计留痕和供应商责任；缺一项，就只能说该项授权边界未闭合，不能直接得出“可以训练”或“可以采购后任意使用”的结论。