车外视频、座舱录音、行程轨迹——智驾数据出境与AI化再利用的三个实务判断
结论摘要
行车记录仪拍下的人脸与车牌、座舱麦克风录下的音频、定位系统记下的行程轨迹,是企业训练下一代智驾模型的原料,却也可能是法律上的“重要数据”与“敏感个人信息”。同一批车上的数据,出境要走哪条通道、拿去训练还需不需要重新取得同意、境外接收方超出用途使用时责任落在谁身上——本文从一家智驾公司同时被境内与境外两件事绊住的场景切入,拆开三个最容易判断错的环节,比较不同处置路径的利弊,并给出律师视角的落地动作。
📑 文章目录14 节
车外视频、座舱录音、行程轨迹——智驾数据出境与AI化再利用的三个实务判断
引言
一家做智能座舱与辅助驾驶的科技公司,最近被两件事同时绊住了。第一件来自境外:公司想把国内测试车队每天回传的车外视频、座舱录音和行程轨迹,同步到海外研发中心,用来训练下一代感知模型,于是法务被问到——这批数据能不能直接走,需要办什么手续?第二件来自国内:产品团队想把同一批数据"再利用"一次,做一份用户驾驶行为画像,既用于优化算法,也打算和保险公司、广告平台合作变现。技术负责人觉得这些都是"我们自己车上采的数据",用起来天经地义;法务却隐约觉得,从采集的第一秒起,同意范围、数据性质、出境路径每一步都可能踩线。
这种"看起来都是自家数据、用起来处处是坑"的处境,是智能汽车数据处理者这两年最典型的合规困境。它不是一句"有没有授权"能回答的,而要拆成三层彼此咬合的问题:车外拍到的视频、图像到底是不是法律上的"重要数据",要不要为它单独走一遍出境安全评估;把座舱里的录音、人脸、行程轨迹拿去训练模型和做画像,原来的同意够不够用;以及数据一旦出境,境外那一手如果超出最初的目的范围,责任和证据又落在谁身上。三层里任何一层判断失误,后面所有的技术方案和商业计划都会建立在流沙上。
需要说明的是,这一领域并非无法可依。《汽车数据安全管理若干规定(试行)》(国家互联网信息办公室、国家发展改革委、工业和信息化部、公安部、交通运输部令第7号,自2021年10月1日起施行)、《中华人民共和国个人信息保护法》(自2021年11月1日起施行)以及《促进和规范数据跨境流动规定》(国家互联网信息办公室令第16号,自2024年3月22日公布之日起施行)已经搭起了一套相对完整的规则框架。难的不是有没有规则,而是把这些规则准确地落到"哪批数据、走哪条路、留什么痕"上。
一、车外视频、行人图像:它可能根本不是"个人信息问题",而是"重要数据问题"
规则上,两条通道是并行的
很多企业的第一反应,是去数"我们出境了多少人的个人信息",只要没到某个数量就以为安全。这个思路只覆盖了半张地图。汽车数据规定第三条把"重要数据"单独定义为:一旦遭到篡改、破坏、泄露或者非法获取、非法利用,可能危害国家安全、公共利益或者个人、组织合法权益的数据,并明确列举了若干情形。其中最容易被智能汽车踩到的,是包含人脸信息、车牌信息等的车外视频、图像数据,以及涉及个人信息主体超过10万人的个人信息。也就是说,一段行车记录仪拍下的、带着清晰人脸和车牌的车外视频,在规则眼里并不只是"某个人的图像",它本身就是被点名的重要数据类型。
重要数据这条线一旦成立,出境的口子就完全不同。汽车数据规定第十一条写明:重要数据应当依法在境内存储,因业务需要确需向境外提供的,应当通过国家网信部门会同国务院有关部门组织的安全评估。《促进和规范数据跨境流动规定》第七条进一步把这条通道固定下来:关键信息基础设施运营者以外的数据处理者,向境外提供重要数据,就应当申报数据出境安全评估——注意,这一项后面并没有跟着"多少人以上"的门槛,它是独立成立的。相比之下,同一款条文里"累计向境外提供100万人以上个人信息(不含敏感个人信息)或者1万人以上敏感个人信息"才触发安全评估,那是个人信息这条通道的阈值。
风险:把两条通道当成一条
实务中最危险的误判,就是用个人信息的人数阈值去套重要数据。团队算了算"我们出境的用户不到十万人",于是认定《促进和规范数据跨境流动规定》第五条第(四)项"累计向境外提供不满10万人个人信息(不含敏感个人信息)的免予申报"这条豁免适用,数据可以放心出去。问题在于,第五条的豁免紧接着写明"前款所称向境外提供的个人信息,不包括重要数据",而第七条第二项又把"向境外提供重要数据"单独列为必须申报安全评估的情形。只要出境的数据里混进了带人脸、车牌的车外视频、图像,或者数据量已经触及"涉及个人信息主体超过10万人"这一重要数据定义,那么走的就是安全评估这条通道,与"有没有到10万人"无关。
更隐蔽的一层在于"身份认定"。重要数据并不总是企业自己判断出来的,《促进和规范数据跨境流动规定》第二条规定,未被相关部门、地区告知或者公开发布为重要数据的,数据处理者不需要作为重要数据申报;反过来,一旦被有关部门告知或者公开发布为重要数据,企业就不能再以"我认为它不是"为由绕开申报义务。汽车数据规定第十三条还要求,开展重要数据处理活动的,应当在每年12月15日前向省级网信部门和有关部门报送年度汽车数据安全管理情况;第十四条对向境外提供重要数据的,还要求补充报告接收者情况、出境数据的种类规模目的、境外保存地点期限等。这些报送义务常常被逐条漏掉,等到监管抽查或数据安全事件发生时,才暴露出一整年的留痕空白。
实务上怎么做
落地动作的第一步,是把"数据清单"和"通道判断"分开做。先按数据类型盘点车外视频、图像、座舱音频、行程轨迹各自的数量级和涉及人数,再对每一类数据单独回答一个问题:它是个人信息、敏感个人信息,还是可能落入重要数据?三者对应的出境路径完全不同。第二步,把重要数据的判断做成有条件触发的复核机制,而不是一次性的结论——一旦收到有关部门的告知或公开发布,或者数据规模越过阈值,就立即触发重新评估和申报。第三步,凡涉及重要数据出境的,把安全评估当成不可绕过的前置节点,并同步排好年度报送的日历节点,避免把报送做成年终突击。第四步,在技术侧预置"脱敏优先"的数据流,车外数据在确有必要出车前,先按汽车数据规定第八条的要求做匿名化处理,包括删除含有能够识别自然人的画面、对人脸信息作局部轮廓化处理,从源头上削弱重要数据的成色。
二、座舱录音、人脸、行程轨迹拿去训练模型,原来的同意还够吗
规则
第二个问题更贴近产品团队的日常。座舱摄像头、麦克风、定位系统采集到的音频、视频、图像、行踪轨迹,在《个人信息保护法》第二十八条下属于"敏感个人信息";汽车数据规定第三条也把车辆行踪轨迹、音频、视频、图像和生物识别特征明确列为敏感个人信息。对这类数据,规则的要求层层加码:个人信息保护法第二十九条规定处理敏感个人信息应当取得个人的单独同意;汽车数据规定第九条要求处理敏感个人信息应当取得个人单独同意、个人可以自主设定同意期限、个人要求删除的应当在十个工作日内删除,并且对指纹、声纹、人脸、心律等生物识别特征,明确了"具有增强行车安全的目的和充分的必要性"这一更严的前提;汽车数据规定第六条还倡导车内处理、默认不收集、精度范围适用、脱敏处理四项原则。
但真正决定"原来同意够不够用"的,是同意与目的之间的对应关系。个人信息保护法第十四条规定,个人信息的处理目的、处理方式和处理的个人信息种类发生变更的,应当重新取得个人同意。也就是说,用户在买车时勾选"为提升行车安全、提供智能驾驶功能"而同意收集座舱数据,这份同意覆盖的是行车安全与驾驶功能;企业若要把同一批数据转去做通用模型训练、用户驾驶行为画像,甚至对外提供或合作变现,处理目的已经实质改变,此前的同意并不自动延伸过去。第五十五条则从程序上再压一道:处理敏感个人信息、利用个人信息进行自动化决策、委托处理或向其他处理者提供个人信息、向境外提供个人信息等情形,都应当事前进行个人信息保护影响评估;第五十六条要求评估报告和处理情况记录至少保存三年。
风险
最常见的三个坑,几乎是同一家企业在不同阶段都会踩的。第一个是"同意扩张":把为行车安全收集的同意,直接当成训练算法和商业分析的通行证,用一句"我们已经在用户协议里授权了"覆盖所有用途。第二个是"把知情同意当单独同意":在长长的用户协议里塞一行概括条款,用户一次性勾选,就认为满足了敏感个人信息的单独同意要求——这与"单独同意"所要求的、针对特定处理活动的单独、明确授权,并不是一回事。第三个是"评估缺位":整个项目跑了大半年,却拿不出任何一份个人信息保护影响评估报告,等到数据出境或安全事件出现时,既无法证明事前评估过,也无法向监管说明处理目的的合法、正当、必要。
风险还藏在一个常被忽略的细节里:汽车数据规定第九条要求个人要求删除敏感个人信息的,应当在十个工作日内删除。而一旦座舱数据已经进入模型训练流水线,被"吸收"进模型权重,再要完成可验证的删除就会变得非常困难。这就要求企业在决定把哪一类数据投入训练之前,先想清楚"将来删得掉吗"。
实务建议
可操作的路径,是把"收集同意"和"再利用授权"拆成两段来处理。第一段,对座舱音频、人脸、行程轨迹等敏感个人信息,落实真正意义上的单独同意,并允许用户自主设定同意期限、随时终止收集;对生物识别特征,先回答"是否具有增强行车安全的目的和充分的必要性",不满足就不采集。第二段,凡要把数据用于训练、画像、对外提供等新目的,重新取得同意,或评估是否存在个人信息保护法第十三条等法律、行政法规规定的其他合法性基础;同时事前完成个人信息保护影响评估,把处理目的与方式的合法正当必要、对个人权益的影响及安全风险、保护措施是否相适应逐项写清,并把评估报告与处理记录留存至少三年。技术侧则优先采用去标识化、最小精度、车内处理的方式,把"用于训练的数据"与"用于驾驶功能的数据"在物理或逻辑上分开,既降低敏感个人信息的成色,也为将来的删除请求留出可执行的空间。
三、数据出境之后:境外接收方的"二次利用",责任和证据落在谁身上
规则
第三层问题发生在数据越过边界之后,却往往回到企业自己身上。个人信息保护法第三十八条规定,个人信息处理者确需向境外提供个人信息的,应当具备通过安全评估、经专业机构认证、订立标准合同等方式之一,并应当采取必要措施,保障境外接收方处理个人信息的活动达到本法规定的个人信息保护标准;第三十九条要求向境外提供个人信息时,应当向个人告知境外接收方名称、联系方式、处理目的、处理方式、个人信息种类以及个人向境外接收方行使权利的方式和程序等事项,并取得单独同意。落到汽车数据上,汽车数据规定第十二条写得更直接:向境外提供重要数据,不得超出出境安全评估时明确的目的、范围、方式和数据种类、规模等,国家网信部门会同国务院有关部门还会以抽查等方式核验,数据处理者应当配合并以可读等便利方式予以展示。《促进和规范数据跨境流动规定》第十条则把出境环节的三项义务并到一起:向境外提供个人信息的,应当按照法律、行政法规的规定履行告知、取得个人单独同意、进行个人信息保护影响评估等义务;第十一条要求发生或者可能发生数据安全事件的,采取补救措施并及时向省级以上网信部门和其他有关主管部门报告。
风险
出境之后的风险,核心不在"有没有签合同",而在"合同能不能约束住真正的那一手"。一个典型误判是"签了标准合同就万事大吉":企业确实与境外接收方订立了标准合同,但合同里既没有限定数据只能用于最初申报的用途,也没有禁止接收方把数据转委托给第三方、禁止用于训练或二次对外提供。一旦境外研发中心顺手把数据接入了通用模型训练,或者再转给了另一个国家的合作方,企业在出境评估时所承诺的"目的、范围、方式、种类、规模"就已经被突破,而违约责任、监管责任的落点最终还是回到境内的数据处理者身上。汽车数据规定第十二条的"不得超出"和第十七条"开展汽车数据处理活动造成用户合法权益或者公共利益受到损害的,汽车数据处理者应当依法承担相应责任",共同指向的正是这一点。
另一个容易被低估的风险是"证据链断裂"。当监管抽查要求企业以可读方式展示出境数据的目的、范围和规模时,如果企业拿不出个人信息保护影响评估报告、告知与单独同意的记录、与接收方的合同和技术措施说明,那么即使事实上没有超范围,也很难自证清白。事件报告义务同样如此——第十一条要求"及时"报告,能否第一时间说清"影响了哪些数据、采取了什么措施",取决于平时的留痕是否完整。
实务上怎么做
把自己这一侧能控制住的环节先做扎实。其一,在出境方案设计阶段就把"目的、范围、方式、种类、规模"写死,并以此作为对境外接收方的合同约束,明确禁止超出申报用途使用、禁止未经同意转委托、禁止用于未获批的训练场景。其二,把数据分类分级贯穿到境外全流程,重要数据与敏感个人信息分别对应不同的评估、合同与保护措施,避免"一纸合同打天下"。其三,把"可读、可展示"当成硬指标来建设,确保在抽查时能即时调出评估报告、同意记录、合同与措施说明,而不是临时拼凑。其四,设置跨境数据的持续监测与事件响应机制,一旦发现境外一方可能超出范围使用或发生安全事件,先按法律要求采取补救并及时向省级以上网信部门报告,再评估是否需要重新申报评估或调整出境路径。
四、律师视角:把三件事做成三条可审计的流程
对一家智能汽车数据处理者来说,合规不是发一版隐私政策就能收尾的事。它至少要在三个节点上留下可被检验的法律动作。产品与数据设计阶段,就把"数据分类分级"做进数据流:明确哪些是车外视频、图像,哪些是座舱敏感个人信息,哪些可能构成重要数据,并在架构层面区分"用于驾驶功能的收集"与"用于训练和画像的再利用"。上线与出境规划阶段,针对敏感个人信息、自动化决策、对外提供和出境分别判断是否需要事前个人信息保护影响评估,把重要数据出境安全评估作为不可绕过的前置节点,同步排好年度报送和事件报告的时间表。运营与合作阶段,用合同和技术措施锁定境外接收方,把"不得超范围使用、不得擅自转委托、不得用于未获批训练"写成可追责的条款,并持续监测是否越界。
对已经上线、历史动作不完整的项目,现实的处置顺序通常是:先补最容易被抽查的环节——重要数据的识别与出境路径、敏感个人信息的单独同意与影响评估;再补制度性证据——评估报告三年留存、年度报送、事件报告记录;最后回头统一排查用户协议、告知文本与实际数据处理行为是否一致,避免"写的是一套、做的是另一套"这种最容易被认定的失衡。
回到开头那家公司:真正决定它能不能把数据顺利送出国、能不能把同一批数据再拿去训练的,不是"数据是不是我们自己的",而是数据清单清不清、通道判断准不准、同意与评估全不全、合同与留痕能不能经得起追问。这几件事一旦做实,出境的路径才是最稳的那条。
智能汽车的数据合规,说到底是在把"我们采了什么、用来做什么、交给了谁、出了事怎么证明"这条链路,从研发黑箱变成可以被记录、被解释、被监管核验的流程。谁先把这条链路做扎实,谁的智驾产品和数据合作才能走得远。
车外视频、座舱数据能不能出境、能不能再用于训练?预约测绘,帮你把汽车数据的分类分级、出境路径与影响评估一次理清。
免责声明
本文内容仅供参考,不构成正式法律意见;法律法规适用存在个案差异,具体案件请结合实际情况咨询执业律师。
相关服务推荐
相关内容
2026年企业知识产权保护与反不正当竞争深度专题:司法裁判新趋势与合规实务指南
2026年,中国企业知识产权保护与反不正当竞争领域迎来深刻变革。最高人民法院知识产权法庭年度报告揭示出惩罚性赔偿适用率大幅提升、涉数据竞争案件激增、技术秘密保护标准趋严三大特征。本文从司法裁判新趋势、核心制度变革、高发风险场景解析到企业合规体系构建,提供系统性实务指南。
开源模型和开源代码嵌进AI产品,商用边界到底在哪——许可证传染、API义务与终止补救的三个实务判断
把开源模型、开源检索框架、开源向量库拼成一个对外收费的AI产品,是这两年最主流的做法,也是最容易被尽调问住的做法。开源不等于免费,也不等于无主:许可证的类型决定了你要不要开源自己的代码、要不要向远程用户提供源码、以及违约之后授权还救不救得回来。本文从一家AI产品公司的许可证台账切入,拆开传染性范围、API形态下的义务、以及许可证终止后的补救窗口三个判断。
爬来的数据喂进模型,这笔账怎么算——北京互联网法院数据专款首案后的三个实务判断
2025年修订的反不正当竞争法新增了第十三条第三款,把“以避开或者破坏技术管理措施等不正当方式获取、使用他人合法持有的数据”单独立成一条。2026年6月,北京互联网法院适用该款审结了首起案件:被告批量注册会员、编写爬虫绕过登录验证与访问权限控制,抓取职场社交平台全量数据后搭建网站按天售卖,被判赔20万元及合理开支3万余元。对把抓取当作语料来源的AI企业来说,这个案子改写的不是一条规则,而是三笔账:技术措施的边界、平台对数据集合的利益、以及民事行政刑事三条责任线怎么叠。