适用场景
从事人工智能、算法开发、大数据分析等业务的出海企业，尤其是在模型训练、数据获取与使用阶段需要高度关注。
核心要点
1. 《反不正当竞争法》修订强化数据权益保护
2024年底发布的修订草案新增条款，明确禁止以欺诈、胁迫、电子侵入等不正当方式获取并使用其他经营者合法持有的数据。这为数据权益保护提供了更具体的法律依据，出海企业需警惕在数据获取和使用环节的合规风险。
2. AI模型开发中的“数据蒸馏”技术存在合规争议
在AI模型开发中，使用“蒸馏”技术获取教师模型的输出数据、中间层数据或参数进行学习，可能涉及对他人数据权益的侵害。这种技术依赖的数据流动，是当前数据合规纠纷的高发领域。
3. 数据权益保护门槛与范围需审慎界定
法律保护的是经营者通过资本、劳动和技术投入形成的，具有商业价值并采取管理措施的数据权益。并非所有“合法持有”的数据都自动享有广泛的竞争性权益保护，需避免保护范围过度泛化抑制创新。
4. 平衡数据保护与技术创新是立法核心
立法旨在打击不正当竞争行为，但不应将市场竞争中正常的“妨碍”或“损害”简单等同于违法。需综合评估行为主观状态、客观影响及对市场与消费者的整体效益，为创新留出空间。
实务建议
- 在获取第三方数据用于AI训练前，务必审查数据来源的合法性，优先选择获得明确授权或来自公共渠道的数据。
- 建立内部数据合规审查流程，对拟使用的数据评估其权益属性、获取方式是否正当，避免使用通过爬虫、撞库等不正当手段获取的数据。
- 若业务模式涉及类似“蒸馏”技术，需详细记录技术原理、数据使用范围及目的，并评估是否可能实质性替代原数据持有者的产品或服务。
- 关注《反不正当竞争法》修订动态及后续司法解释，及时调整数据获取与使用策略，确保符合“妨碍、破坏”行为的认定标准。
- 考虑在合作协议或开源条款中明确数据使用的权利边界，通过合同约定降低潜在的数据权益纠纷风险。
风险提示
- 误区：认为只要数据是“合法持有”的，其任何使用行为都可能构成不正当竞争。正解：需达到“妨碍、破坏网络产品或服务正常运行”的程度，且该数据应具备商业价值并受技术措施保护。
- 误区：将市场竞争导致的正常业务损害直接等同于不正当竞争行为。正解：需结合经营者主观恶意、行为不正当性及对市场竞争秩序的总体影响进行综合判断。
- 注意事项：避免仅以“造成损害”作为判断数据使用行为违法的唯一依据，市场竞争本身包含此消彼长。
- 注意事项：警惕将大型平台企业的现有业务模式视为绝对受保护的客体，从而对新兴企业的创新尝试构成不当限制。