X

李汶龙等丨数据保护指南与监管干预如何界定人工智能训练的法律依据——比较视角与全球趋同前景

发布时间:2026-10-09作者:Wenlong Li, Yueming Zhang, Qingqing Zheng, Aolan Li

摘要:本文通过比较多个法域主管机构采取的做法,考察数据保护指南与监管干预如何界定人工智能(AI)训练的法律依据。研究以欧盟《通用数据保护条例》及全球类似的数据保护框架为重点,系统梳理相关指南、声明和监管行动,识别在人工智能模型开发背景下,个人数据处理的合法依据——尤其是合法利益与同意——在概念界定和实际运用方面的趋同与分歧。分析发现,各方逐渐趋向于承认合法利益是人工智能训练的主要法律依据。然而,这种趋同在很大程度上停留于表面:指南鲜少解决更深层的程序性与实质性模糊问题,执法干预也往往仅要求最低限度的保障措施。监管表述与实际合规之间的脱节,使数据保护和数据控制者的操作指引仍存在明显缺口,也使现行人工智能训练合法性框架的可靠性与正当性受到质疑。文章指出,如果缺少更明确的操作标准和更协调的跨境执法,合法利益等法律依据可能沦为形式要求。在此基础上,文章探讨全球层面实现进一步协调或统一的前景与局限,强调全球人工智能治理应区分适合国际趋同的问题与需要结合具体情境、适应本地条件的问题。监管机构、从业者、公民社会行动者和学者可据此优先推进有证据支持的路径,而非单纯追求概念层面的统一,以在不同法律环境下建立兼顾原则与实践的人工智能训练合法性框架。

作者:Wenlong Li(李汶龙),全球人工智能创新治理中心特约研究员、浙江大学光华法学院研究教授;Yueming Zhang(张月明),比利时根特大学法学与犯罪学学院法律与技术研究组研究成员;Qingqing Zheng(郑青青),山东大学法学院本科生;Aolan Li(李傲兰),伦敦玛丽女王大学法学系商法研究中心博士研究生

来源:李汶龙、张月明、郑青青、李傲兰:《数据保护指南与监管干预如何界定人工智能训练的法律依据——比较视角与全球趋同前景》,载 International Data Privacy Law,2026年第16卷第2期(6月)。

发表日期:2026年6月

原文:数据保护指南与监管干预如何界定人工智能训练的法律依据——比较视角与全球趋同前景_Wenlong Li.pdf