你上一次认真读完隐私政策，是什么时候？

在AI时代，我们每天交出的数据，可能比自己想象的更“会说话”。一条购物记录、一段浏览痕迹、一次位置授权，单独看似普通，但经过算法分析和组合，可能推断出一个人的健康状况、消费能力、兴趣偏好，甚至更敏感的个人特征。

一、AI能读懂你的数据，也放大了一个老问题

《华尔街日报》中文网近期刊发Daniel J. Solove的文章《如何在AI时代保护我们的隐私？》，讨论的正是这个问题：当AI能够分析海量个人数据时，现有的隐私保护方式还够用吗？[1]

文章作者Daniel J. Solove是乔治·华盛顿大学法学院教授，长期研究隐私法、数据安全和技术治理。他曾提出具有影响力的“隐私分类学”，将隐私侵犯拆解为信息收集、信息处理、信息传播、空间侵入等不同类型[2]。

Solove提醒说，本世纪的大环境对隐私并不友好。互联网崛起，智能手机追踪地理位置，大量公司持续收集个人数据，监控网络不断扩张。如今，AI又具备了分析庞大数字档案的能力，几乎可以推断出关于个人的很多信息[1]。

问题在于，很多隐私法律和平台规则仍然依赖一套老办法：企业告知，用户同意。听起来，这给了用户选择权。可现实中，普通人很难真正理解自己同意了什么。数据会怎样被共享？隐私声明会带来哪些风险？这些风险以后会不会因为AI分析能力增强而放大？大多数人没有足够时间，也没有足够专业知识去逐一判断。

Solove用日常消费数据举例提醒我们：看似普通的购物记录，经过AI分析后，可能被用来推断健康状况、宗教信仰、政治倾向等更敏感的信息。所以，Solove提出一个关键判断：如今的大多数法律都想把保护隐私权的责任推给消费者。可数字技术太复杂，一般人根本应付不来。我们需要一种不同的策略，让企业担责[1]。

二、隐私保护，不能停在“我已阅读并同意”

过去二十多年，互联网隐私保护很大程度上依赖“通知与同意”。企业写出隐私政策，用户点击同意，然后数据处理就获得了形式上的授权。

这套办法的问题在于，它把一个非常复杂的技术和法律问题，压到了普通消费者身上。用户不可能完全了解一家企业收集了哪些数据，也很难知道数据会被哪些第三方使用，更不可能预判这些数据在AI系统中会被推断出什么结果。表面上是用户选择，很多人实际只是为了继续使用服务而点击同意。

“我已阅读并同意”常常成了一道形式化手续。它看起来尊重用户选择，却很容易变成企业转移责任的工具。Solove的解决方向很明确：隐私保护要从消费者自我管理，转向企业问责。

他提到，过去，食品和药品制造商也曾有过监管不足的时候。变质牛奶曾被掺入甲醛以增加甜味，直到许多婴儿因此丧命，才推动了相关监管。汽车行业也经历过类似阶段，在法律强制要求安全性之前，汽车曾是非常危险的交通工具[1]。后来，食品和汽车安全之所以改善，并非因为消费者变得更会自我保护，关键在于法律要求企业承担安全责任。汽车要经过安全测试，农场要接受检查，产品出问题后还要有责任追究机制。安全带、安全气囊这些技术，也是在安全要求推动下出现的创新[1]。

Solove指出，隐私保护也需要类似思路。企业收集和使用数据，不能只靠一份隐私政策免责。如果企业利用数据或AI算法造成不合理的伤害风险，就应当被追究责任[1]。

具体来说，至少有几个方向。

（一）数据最小化

企业收集和使用数据，应当限于最初收集数据的目的，不能随意扩大范围。严格落实数据最小化原则，是有效保护隐私的重要方式。欧盟《通用数据保护条例》（GDPR）也将数据最小化列为基本原则[3]；中国《个人信息保护法》同样规定，收集个人信息应当限于实现处理目的的最小范围[4]。

（二）删除权

Solove提到，删除权曾长期是欧盟数据保护法的一部分，过去在美国一度被认为不现实，但如今已经写入美国各州的消费者隐私法中，并且不再引发太大争议[1]。这说明，一些曾经被认为过于严格的隐私保护措施，随着数字环境变化，正在变成更普遍的制度安排。

（三）限制“暗黑模式”

“暗黑模式”指通过欺骗性、操纵性的技术设计，诱导用户分享本来不会提供的数据[1]。这类设计会让用户的选择变得不真实，也会进一步削弱“同意”的意义。

（四）追究不负责任的技术设计和造成伤害的算法

Solove提出，可以对疏忽或不计后果的技术设计追责，对造成伤害的算法追责，并要求技术中内置保护机制，防止其被用于侵犯隐私[1]。

这些主张背后的逻辑很简单：谁掌握数据、算法和技术系统，谁就应当承担相应责任。普通消费者需要权利，企业更需要边界。

三、中国启示：让“企业负责”从原则变成行动

我国已经进入高度数字化的日常生活。截至2025年12月，我国网民规模达11.25亿人，互联网普及率达80.1%；生成式人工智能用户规模达6.02亿人，普及率达42.8%[5]。用户当然需要提高隐私意识，但如果隐私保护主要依赖个人逐条阅读协议、逐项判断风险，很难支撑起真正有效的保护。对我国而言，重点在于把企业的数据收集边界、算法使用边界和出事后的责任边界说清楚。

我国现有法律中已经包含这样的思路。《个人信息保护法》第6条要求，个人信息收集应限于实现处理目的的最小范围，不得过度收集；第9条规定，个人信息处理者应当对其个人信息处理活动负责，并采取必要措施保障个人信息安全[4]。《数据安全法》也要求数据处理者建立健全全流程数据安全管理制度，采取相应技术措施和其他必要措施保障数据安全，并在发现风险或发生安全事件时及时采取补救、处置和报告措施[6]。

接下来的关键，是让这些原则真正进入企业行为。

企业不能因为数据有商业价值，就尽可能多地收集；不能因为用户点了同意，就随意扩大使用场景；不能因为算法复杂，就回避解释和责任；也不能把隐私保护只写在政策文本里，却不落实到产品设计、数据管理和算法治理中。

AI时代的隐私风险会更隐蔽。过去，人们更多担心信息泄露；现在，还要警惕信息被推断、被组合、被画像、被用于影响个人机会和选择。很多伤害不一定表现为一次明显的数据泄露，却可能在长期的数据分析和算法决策中发生。

这也是Solove文章给我们的最大提醒：隐私保护不能总让普通人自己扛。

普通人可以提高警惕，但不可能每天像法律专家和技术专家一样生活。真正需要承担更多责任的，是那些掌握数据、算法和平台入口的企业。

AI时代讨论隐私保护，最该抓住的重点很清楚：

数据不能想收就收，算法不能想用就用，责任也不能靠一份隐私政策推给用户。只有把责任真正压实到掌握数据和技术的企业身上，AI时代的隐私保护才不会停留在一个形式化的“同意”按钮里。

参考文献

[1] Daniel J. Solove, “How to Maintain Our Privacy in the AI Age”, The Wall Street Journal (June 23, 2026).

[2] Daniel J. Solove, “A Taxonomy of Privacy,” University of Pennsylvania Law Review, Vol.154, No.3, p.477, 2006.

[3] 欧盟《通用数据保护条例》（GDPR）。

[4] 《中华人民共和国个人信息保护法》。

[5]中国互联网络信息中心政策与国际合作所：《第57次中国互联网络发展状况统计报告》，2026年2月。

[6] 《中华人民共和国数据安全法》。

注：本文作者张山立为山东大学法学院博士生，刘新海博士的研究助理，开展个人数据与个人隐私保护的相关研究。微信：18811157736，欢迎交流指正。