大模型时代，脱敏翻了车
2026年开春，北京互联网法院开了一场挺有意思的庭。国内某头部大模型厂商被十多位电商消费者集体起诉，核心争议点很讽刺：厂商拿来训练大模型的，是标注了「已完成脱敏」的用户购物行为数据，结果被爱好者做交叉验证，只要把脱敏后的记录和用户公开的社交账号收货信息一对撞，超过三成的样本能直接定位到具体个人。
说白了，打码没打干净。
出事之前，没人当回事。出事之后，所有人都慌了。
说实话，我之前跟好几个做网络安全的厂商老板吃饭，他们私下都承认，大部分卖出去的脱敏产品，本质就是走个合规过场。能挡住普通的弱检测就行，真要碰上有心人挖，一挖一个准。这次大模型出事，直接把遮羞布扯下来了——原来当几十亿上百亿的训练数据都依赖脱敏，任何一点小漏洞，都是上亿的赔偿风险。
我从当事方附近的朋友那里听到一个数字，这家厂商为了重新梳理全部训练数据补做脱敏，前前后后花了快两千万。这个钱是什么概念？相当于一个二十人规模的中型算法团队半年的工资总成本。
原来大家对脱敏的认知，一直错得离谱。你以为它是给合规交差的挡箭牌，没想到今天它变成了能击沉大船的暗礁。大模型要喂数据，数据交易要合法，所有环节都绕不开脱敏，可大部分玩家连及格线都没摸到。
真不是技术做不到。是没人愿意花那个心思，花那个钱。
藏在算法背后的生意博弈
数据脱敏从诞生那天起，就不是单纯的技术活，是切数据蛋糕的利益分配活。
说个本土企业的真案例。比亚迪2023年启动全产业链数据流通工程的时候，就碰见过脱敏的大坑。上游供应商的产能数据，下游用户的购车、用车数据，原来都锁在各个事业部的内网硬盘里，不能互通，要挖价值就得拿出来用，拿出来用就必须过脱敏。一开始找了三家头部第三方脱敏厂商，做出来的结果要么是反识别率过不了网安审核，要么就是把核心数据特征给脱没了，做用户需求偏好分析的时候，误差直接干到20%以上，根本没法用。
最后比亚迪干脆自己拉了个二十人的团队，花了一年半搭了一套动态脱敏系统，现在内部流通的95%以上的数据，都是用的时候实时脱敏，不用提前改几个PB的存量数据，成本直接降了六成多。
这个案例很能说明问题。现在数据资产入表是所有企业的刚需，你不脱敏，数据就是趴在资产负债表上的负债，脱了敏，就能变成能交易能赚钱的资产。上海数据交易所今年年初的内部数据，挂牌可交易的数据集里，99%都是脱敏后的，本质就是脱敏把数据的使用权和所有权拆开了——你买我的脱敏数据，只能用群体特征，拿不到用户个人信息，这不就合法了？
不过话说回来，现在这个赛道完全走偏了。
一堆厂商卷差分隐私的精度，卷去标识化的算法参数，卷出来的产品贵得离谱。现在市场上的生成式脱敏假数据，单TB定价大概12000元，比同量级的原始交易数据贵三倍，但是训练出来的推荐模型准确率只提升不到5%，这性价比，也就大厂能拿来撑门面，小公司根本用不起。
我一直觉得，数据脱敏这个事，就像生物学里的基因编辑：你要精准切掉能定位到个人的「识别片段」，还要完整保留整个数据集合的群体特征，切多了数据成废物，切少了就是带毒的炸弹，一旦脱靶，后果就是翻船。这个活，拼的不是算法参数有多好看，是落地的分寸感，是对业务的理解。
现在的博弈太赤裸裸了：互联网大厂自己有数据有技术，自己做脱敏自己用，躺着把数据资产的钱赚了，第三方厂商只能啃中小公司的单子，还把价格抬得老高，把风险转嫁给下游。
每个数据从业者都要面对的新规则
说了这么多行业顶层的博弈，落到普通从业者身上，变化其实已经来了。
你要是个刚进公司的数据分析师，现在再想拉全量用户数据跑报告，门都没有。所有数据出来之前必须过脱敏，很多你需要的细分维度，直接被处理成了模糊区间，原来能出一份精准的运营方案，现在只能靠经验猜。这不是你的领导不信任你，是合规要求摆在这，脱敏不到位，整个部门都要挨罚。
当然也有好的变化。原来你做个创业项目，想要点合规的行业数据，要么花大价钱买，要么冒着犯法的风险去黑产爬，现在上海数交所、深圳数交所里，几千块就能买一TB脱敏后的行业数据，相当于一个普通数据分析师半个月的工资，就能拿到能用一年的合法数据集，不用再提心吊胆。
见过一家做本地生活的创业公司，去年刚起步，花八千块买了脱敏后的商圈人流数据，做出来的选址模型比自己瞎摸准了快40%，这个放在五年前，根本想都不敢想。
不过也有坑，我就见过另一家创业公司，为了凑数据资产入表的KPI，花八十万买了一套第三方脱敏服务，结果脱完的数据特征丢得一干二净，根本没法用，扔在硬盘里吃灰，找谁说理去？
整个产业链其实都在适应新规则。原来数据要么烂在内网，要么流去黑产，现在脱敏硬生生开出了一条合法的中间路，只是这条路现在还满是坑，有人借着这个概念割韭菜，有人真的沉下心做落地。监管的鞭子也越来越紧，2025年全国就有超过一千家企业因为脱敏不到位被罚，平均罚款金额超过两百万，没人敢拿这个事开玩笑。
你猜，下一个因为脱敏不到位翻大船的，会是哪家头顶明星光环的科技公司？
