判赔495万！AI泄密红线，最大风险在内部

判赔 495 万元。

这不是估算，是 2026 年 8 月初广州知识产权法院一审生效的一纸判决。对正把源代码、模型权重、训练数据当命根子的科技与互联网企业来说，AI 泄密、AI 合规风险、商业秘密保护、企业 AI 治理这几个词，从今天起不再是 PPT 上的名词，而是一笔法院可以精确算到小数点后的钱。

更值得每一位 CTO、法务负责人反复咀嚼的，是这个案子的一个细节：技术不是被黑客攻破的，是被自己亲手培养出来的核心团队带走的。

一、判赔495万AI泄密案：5名核心研发集体离职，源代码相似度90%以上

案情本身没有任何黑客片桥段，反而平淡得让人后背发凉。

原告广州赛某公司是人工智能领域的创新企业，自研的"虚拟数字人"技术已落地到学科讲堂、自媒体内容创作、政务宣传、新闻播报、品牌宣传等多个场景。这家公司在保密上做得并不算差——设定了代码和数据库的访问权限，部署了私有云服务器集群，《劳动合同》里写了保密条款，还单独与员工签了《保密协议》。

四件事都做了。结果呢？

付某、曾某等 5 名被告，原系"虚拟数字人"项目的高级管理人员及核心研发人员，任职期间拥有查看、编辑、下载源代码的权限。2024 年 9 月，五人集体离职，入职德某科技公司。同年 11 月，原告发现德某公司上线了与自家互动平台高度相似的网站，其全资子公司还在以"AI 交互数字人"这一同类产品对外推广。

技术比对结果：源代码及技术信息相似度达 90% 以上。

原告索赔 2500 万元。法院认定七被告分工合作，以非法手段获取、披露、使用技术秘密，构成不正当竞争；鉴于情节严重适用三倍惩罚性赔偿，以原告主张的 165 万元预期利益损失为基数，判决七被告连带赔偿经济损失 495 万元及合理开支 22.68 万余元。截至发稿，七被告已主动履行全部赔偿款。主审法官韦晓云表示，该案是人工智能领域保护核心技术、规制恶意侵权的典型案例。

请重点看"三倍惩罚性赔偿"这七个字。依据《反不正当竞争法》，侵犯商业秘密情节严重者可适用惩罚性赔偿；《商业秘密保护规定》则要求企业对商业秘密采取合理保密措施、明确权限与保密义务。这两句话连起来意味着两件事：第一，法律给了权利人一把牙齿更硬的武器；第二，能不能用上这把武器，前提是你自己得先证明确实采取过合理保密措施。

二、企业AI合规风险第一真相：商业秘密保护的最大缺口在内不在外

大部分科技公司的安全预算是怎么花的？防火墙、WAF、堡垒机、终端管控、渗透测试、态势感知——绝大多数钱花在了"挡住外面的人"上。

但 495 万这个案子把一个尴尬的事实推到了桌面上：对科技型企业而言，最大的泄密风险往往在内不在外。

原因很朴素。源代码不是保险柜里的一块金条，它必须被人读、被人改、被人跑起来。核心研发的日常工作，就是合法地、每天地、大量地接触公司最值钱的资产。你没法用"禁止访问"解决这个问题，因为禁止访问等于禁止研发。

这就构成了科技企业特有的治理悖论：核心资产必须对核心员工敞开，而核心员工是会流动的。

再回看这家公司做过的四件事——权限设定、私有云、保密条款、保密协议。它们其实分两类：前两件是技术手段，后两件是法律手段。共同缺陷是都属于"事前声明"，缺少"事中留痕"和"事后可查"。

保密协议签了，但员工离职前三个月下载了多少次源码、导出了多少张表、调用了哪些接口，公司知道吗？
权限设定了，但离职当天权限是否即时回收？还是走完 HR 流程、一周后才想起来关？
私有云部署了，但云上的行为日志留存多久？出事时能不能调出来当证据？

法院之所以能判到三倍，很大程度上是因为原告拿得出保密措施与侵权比对的证据链。换句话说，日志不只是安全工具，它是你打官司时的弹药。没有留痕的企业，即使被侵权，也大概率只能吃哑巴亏——不是法律不保护你，是你交不出让法律动手的东西。

三、AI泄密新盲区：核心代码粘进外部AI对话框，保密协议与竞业限制全部失效

以上还只是"传统版本"的泄密。真正让 2026 年科技企业睡不着觉的，是 AI 带来的一个全新变量。

过去泄密有物理动作：拷 U 盘、发邮件、上传网盘、打印带走。这些动作会在资产管理系统、邮件网关、终端管控里留下痕迹，是可被审计、可被举证的行为。

现在呢？一名工程师遇到一个棘手的 bug，把整个核心模块的代码整段粘进某个外部大模型的对话框，敲下回车。三秒钟。

这三秒里发生了什么：

① 公司最核心的算法实现，完整地离开了企业边界；

② 这段内容进入了一个企业无法控制、无法删除、无法审计的第三方系统；

③ 而在企业自己的任何一套系统里，没有留下任何痕迹。

没有文件传输记录，没有邮件外发记录，没有 U 盘插拔记录。安全设备看到的，可能只是一次再普通不过的 HTTPS 请求。传统的保密协议、竞业限制、离职审计，全部管不到这三秒。

更麻烦的是，这个动作在员工的主观世界里根本不叫"泄密"，它叫"用工具提高效率"。企业还在 KPI 里鼓励大家多用 AI，员工怎么会觉得自己做错了什么？这是一个没有恶意、没有痕迹、却真实成立的外泄。

把两条路径并排放一张表，差别会非常刺眼：

这张表的要害只有一句：AI 泄密的成本是三秒，而它的可追溯性接近于零。

一个残酷的推论是：如果 495 万案里那五个人不是在 2024 年离职带走代码，而是在今天把关键模块逐段粘进外部 AI，原告可能连"相似度 90% 以上"这样的比对结论都拿不到——因为泄露路径上不会留下任何己方可控的记录。没有证据，就没有惩罚性赔偿，甚至没有立案的基础。制度看起来完好无损，风险却已经全部漏了出去。

四、韩国KT被罚2.52亿：没有AI使用审计，就等于没有安全

上面这个判断不是纯推演，海外刚有一个价值 2.52 亿人民币的注脚。

2026 年 7 月 29 日，韩国个人信息保护委员会决定对移动运营商 KT 处以 539.79 亿韩元（约合人民币 2.52 亿元）罚款，8 月 3 日对外披露。事件中 16647 名用户的电话号码与移动设备识别号码遭泄露，被用于未经授权交易，368 名受害者合计损失 2.4 亿韩元（约 112 万人民币）。

真正的要害在时间线上：黑客在 2024 年 10 月 8 日至 2025 年 9 月 5 日期间持续访问 KT 的无线网络，始终未被察觉；KT 是在收到用户投诉之后，才意识到自己被泄露了。

将近一年。一家电信运营商，安全预算不会少，合规团队不会小，最终却是外部用户先于内部系统发现了问题。监管机构给出的整改要求同样说明问题：责令加强无线网络设备安全、整顿个人信息保护治理体制。注意后半句——罚的不只是"被黑了"，罚的是治理体制本身不合格。依韩国《个人信息保护法》，此类案例最高可罚年营业收入的 3%。

把 495 万和 2.52 亿这两个案子并排看，会得到同一条结论：

企业不是输在没有制度，而是输在制度没有观测面。

赛某公司有保密协议，却没能提前发现五名核心研发正在成建制流失；KT 有安全体系，却在近一年时间里没有一条告警指向那条持续存在的异常访问。制度写在纸上，风险发生在系统里，两者之间隔着一层始终没人补上的可观测性。

放到 AI 场景里，这层缺口更宽。绝大多数企业至今答不出这三个问题：

1. 上个月全公司一共向外部大模型发出了多少次请求？

2. 这些请求里，有多少条正文中夹带着源代码、密钥、客户名单或未公开财务数据？

3. 具体是哪个部门、哪个人、在哪个时间点发出的？现在调，调得出来吗？

三个问题答不上来，就意味着AI 使用审计这件事在你的组织里等于零。而按照上面两个案子的逻辑，等于零的可观测性，最终都会以一个具体金额的方式结账——区别只在于，是你去付 495 万，还是你眼睁睁看着 2500 万的索赔缩水成 165 万的基数。

五、科技企业AI治理落地清单：三道闸之外，必须补上第四道闸

针对 495 万这类案件，业内给出的建议是扎三道闸。这三道闸依然有效，但在 AI 时代已经不够。

第一道闸：保密协议与竞业边界。入职要签，离职也要有清晰边界。条款里必须写清商业秘密的范围、载体、返还义务与违约责任，不能只留一句"应当保守公司秘密"的空话。空话在法庭上换不来惩罚性赔偿。

第二道闸：权限最小授权 + 离职即时回收。核心代码按最小必要原则分配权限，代码仓库、模型权重存储、训练数据集分级管理；离职流程与权限系统必须打通成同一条流水线，做到人走权限即刻失效，而不是靠 HR 想起来提醒 IT。

第三道闸：离职审计与数据清点。关键岗位离职前做一次技术与数据清点：近 90 天的代码拉取、数据导出、接口调用记录全部盘一遍，形成书面结论。这份结论平时是流程，打官司时是证据。

而 AI 时代必须新增的，是第四道闸：请求进模型之前的敏感内容识别与脱敏提醒，加上全量模型调用审计日志。

这道闸解决的正是第三节那三秒钟的盲区，它做两件事。

一是在请求发往模型之前做敏感特征识别：识别到源代码片段、密钥、客户信息、未公开数据时，给出提示与处理建议，让员工在按下回车前先意识到"这段内容可能不该出去"。这里必须把边界一次讲清楚：它是提醒，不是运行时自动拦截，也不替代任何保密审查流程。它真正的价值，是把风险判断从"依赖个人记忆与自觉"搬到"系统主动提示"，把一个靠人品兜底的环节变成一个有默认动作的环节。

二是把所有模型调用留成审计日志：谁、什么时间、用哪个模型、发出了什么类型的内容、消耗了多少 Token。这条日志平时用来做成本归因与 AI 考核，出事时就是那条唯一能证明"到底发生过什么"的证据链。KT 案缺的就是它。

四道闸落地之后，才谈得上第五件事：制度、SOP 与合同条款的重写。技术能力解决"看得见"，制度解决"看见之后怎么办"。51Tokens 的咨询落地服务做的正是这一段——把 AI 使用规范、敏感数据分级标准、离职技术清点 SOP、劳动合同与保密协议中的 AI 相关条款一次性补齐；再配合分角色的 AI 合规课，让研发、产品、法务、HR 各自清楚自己那条线上的红线画在哪里。

顺带一提，同一套请求侧治理能力还顺手解决了另一个问题：51Tokens 的自研保真压缩算法可对请求侧的 Prompt 与上下文做 30%-70% 的压缩，语义不丢、效果不打折。同一条请求链路上，安全与省钱可以一次布防。

六、写在最后：AI省钱、AI合规、AI考核，共用同一条链路

回到开头那 495 万。

这笔钱的构成很有意思：165 万预期利益损失，乘以三倍惩罚性赔偿，等于 495 万，再加 22.68 万合理开支。也就是说，被认定的真实损失只有 165 万，另外 330 万是法律对"情节严重"这四个字的定价。

对被告是 495 万。对原告呢？打了将近两年，索赔 2500 万，最终拿到 517.68 万。即使全胜，也远远补不回已经被拿走的东西。源代码一旦出门，判决书追不回它的独占性。

所以企业 AI 治理的正确姿势，从来不是"出事之后怎么打赢"，而是"让这件事根本没有发生的路径"。而下面这三件看似不相干的事，其实是同一件事的三个切面：

① AI 省钱：请求侧保真压缩与分级预算，把 Token 账单从可爆炸的变量项拉回可控项；

② AI 合规：敏感内容识别脱敏提醒与全量调用审计，把 AI 泄密风险从盲区拉回可观测区；

③ AI 考核：用真实的调用数据去评估 AI 的产出质量，而不是把使用量本身当成政绩。

它们共用同一条基础设施：一条能看见每一次模型调用的链路。看不见，AI 省钱、AI 合规、AI 考核三件事一件也做不成；看得见，这三件事可以一次做成。

最后留三个问题给屏幕前的你：

1. 如果明天有一名核心研发提出离职，你能在 24 小时内拉出他近 90 天的代码与数据操作清单吗？

2. 上个月贵司发往外部大模型的请求里，有多少条夹带了源代码或客户信息？这个数字，公司里有人能回答吗？

3. 你们的保密协议里，写进"AI 工具"这四个字了吗？

欢迎在评论区聊聊：你们公司的 AI 红线是怎么划的？如果一条都还没划，把这篇转给你们的 CTO 和法务，可能比转给任何人都有用。

—— 51Tokens，让每一次模型调用都看得见、说得清、查得到

51AIPro · 企业AI治理专家

安全·合规·可控·增效，AI 全流程治理一次布防

长按识别 · 关注公众号

长按识别 · 合作洽谈

官网 https://51aipro.com/