端侧大模型数据治理法律问题 研究 2025年 中国信息通信研究院互联网法律研究中心 2025年月 数据治理研究报告 (2025年) 中国信息通信研究院政策与经济研究所 中国信息通信研究院互联网法律研究中心 2025年12月——端侧大模型数据治理法律要点研究版权声明 本报告版权属于 中国信息通信研究院 ，并受法律保护 。 转载、摘编或利用其它方式使用 本报告文字或者观点的 ，应 注明“来源：中国信息通信研究院 ”。违反上述声明者 ，本 院将追究其相关法律责任。 前言 当前，数据作为新型生产要素， 是数字化 、网络化、智能化的基 础，已快速融入生产 、分配、流通、消费和社会服务管理等各个环节 ， 深刻改变着生产方式 、生活方式和社会治理方式 。党中央高度重视通 过数据基础制度建设释放数据要素价值。 2025年10月23日，党的 第二十届中央委员会第四次全体会议通过的 《中共中央关于制定国民 经济和社会发展第十五个五年规划的建议》 中明确提出 ，“健全数据 要素基础制度 ，建设开放共享安全的全国一体化数据市场， 深化数据 资源开发利用 。促进实体经济和数字经济深度融合， 实施工业互联网 创新发展工程 。加快人工智能等数智技术创新， 突破基础理论和核心 技术，强化算力、算法、数据等高效供给” 。 今年以来 ，随着人工智能技术加速向 智能终端设备深度渗透 ，端 侧大模型正以 “算力前移 、数据本地 、场景深耕 ”的颠覆性变革重塑 智能产业格局 ，形成覆盖智能手机 、智能汽车 、可穿戴设备等万亿级 智能终端市场的产业生态 。这场技术革命不仅催生出个性化语音助手、 实时健康监测 、本地化决策支持等创新应用 ，更通过“数据优先本地 处理”的特性重构了隐私计算范式 。然而，技术双刃剑效应在端侧场 景有所表现 。在数据保护层面 ，端侧大模型 采集的生物特征 、行为轨 迹等敏感数据面临多重风险 ：一方面，模型逆向攻击技术可通过分析 输出结果反推原始数据 ，芝加哥大学 研究团队已成功从端侧语音合成 模型的输出中还原出 87%的原始声纹特征 ；另一方面 ，设备丢失或侧 信道攻击可能导致本地模型参数泄露， 进而暴露用户行为模式 。更严 峻的是，端侧大模型降低了虚假信息生成的技术门槛， 攻击者仅需单 台终端即可伪造逼真的深度伪造内容。 自2020年起，中国信通院互联网法律研究中心已持续发布五本 数据治理领域的研究报告 ，形成系列化成果 。值此之际 ，该中心紧密 结合端侧大模型技术的前沿进展与应用实践， 精心编纂了第六本数据 治理专题报告 ——《数据治理研究报告 -端侧大模型数据治理法律 要 点研究（2025年）》。本报告立足 部署在智能终端设备上的 大模型 所具有的 独特技术架构与运行机理，系统剖析其在数据采集、存储 、 处理、传输及销毁等全生命周期环节中潜藏的风险特性， 通过全面梳 理国内外相关立法动态与实践经验， 创新性地提出了一套兼具前瞻性 与实操性的综合治理策略 ，旨在为打造安全可靠 、合规有序的端侧智 能生态环境提供有力的理论支撑与实践指引。 目录 一、端侧大模型发展概况与技术特点 ....................................................................... 2 （一）本地化：终端自治与数据保护升级 ........................................................ 2 （二）轻量化：资源约束下的高效能突破 ........................................................ 3 （三）个性化：用户行为驱动的场景智能 ........................................................ 3 （四）协同化：端云融合与生态互联 ................................................................ 4 二、端侧大模型数据治理法律要点分析 ................................................................... 5 （一）数据处理前：“告知- 同意”规则的适配 ............................................... 5 （二）数据处理中：数据收集存储规则的效力 .............................................. 10 （三）数据处理后：用户数据权利的保护 ....................................................... 11 （四）处理全链条：数据污染与内容输出的偏差 .......................................... 14 三、全球端侧大模型数据治理法律制度比较研究 ................................................. 16 （一）欧盟在严格保护个人数据基础上进行灵活处理 .................................. 16 （二）美国采取“场景化保护”灵活路径 ...................................................... 27 （三）中国在现有法律框架下开展实践探索 .................................................. 32 四、展望与建议 ......................................................................................................... 37 （一）完善法律规则，强化制度可操作性 ...................................................... 37 （二）明确多主体责任划分，落实责任追溯机制 .......................................... 39 （三）补充监管手段，应对信息内容安全风险 .............................................. 40 （四）创新技术工具，提升以技管技能力 ...................................................... 41 （五）建立协同机制，提升治理能力 .............................................................. 42 （六）加强国际合作，共同应对全球性挑战 .................................................. 44 数据治理研究报告- 端侧大模型数据治理法律要点研究报告（2025 年） 2一、端侧大模型发展概况与技术特点 端侧大模型是指通过量化、 蒸馏、裁剪等轻量化技术 ，将大模型 核心推理能力下沉至手机、平板、车载设备、智能家居等终端硬件 ， 依托本地算力完成数据处理 、智能交互与任务执行 ，无需依赖云端持 续支撑即可实现离线运行的轻量化 AI模型体系，其核心价值在于平 衡隐私保护 、低延迟响应与终端算力适配需求。 随着人工智能技术的 快速发展 ，端侧大模型逐渐成为实现智能设备本地计算能力的关键技 术，可在终端直接实现数据闭环与实时决策，具有本地化、轻量化 、 个性化与协同化等特征。 （一）本地化：终端自治与 数据保护升级 端侧大模型通过 隐私增强型计算架构和离线能力支撑两 方面技 术设计，实现了终端自治的功能，构建了完整的“ 数据-模型-服务” 的数据安全闭环体系。 一方面， 端侧大模型能够突破网络依赖限制 ， 在弱网或无网环境下 提供稳定性 服务，直接在终端实现功能支持 。以 北科瑞声 手机端侧大模型为例1，其支持离线会议纪要生成与多语种 实时翻译功能 。端侧大模型 这种本地化能力不仅优化了用户体验， 还 通过减少云端算力消耗降低了企业的运营成本 。另一方面 ，端侧大模 型通过隐私增强型计算架构 可保障数据安全 。如，部分智能手表 类端 侧大模型 在实时监测心电数据时 ，功能分析完全部署在 设备端，原始 生理信号无需上传云端， 可以在一定程度上避免数据泄露。 1《离线可以实时翻译、 转写、字幕自动生成！高效开会神器打造 AIPC最佳使用场景》 https://m.jiemian. com/article/12041252.html 数据治理研究报告- 端侧大模型数据治理法律要点研究报告（2025 年） 3（二）轻量化：资源约束下的高效能突破 端侧大模型通过算法优化与硬件协同实现了性能提升， 以突破终 端设备在算力 、内存和功耗方面的严格限制 。一方面，通过量化 、剪 枝和知识蒸馏等核心模型压缩技术， 在保证模型核心性能 （精度、推 理效果）能够有效发挥 的前提下 ，降低模型的参数量 、计算量与存储 开销，实现模型的轻量化部署与高效推理， 适配移动端 、边缘设备等 资源受限场景 。另一方面 ，利用资源动态分配机制来优化资源使用效 率。端侧设备的资源有限且异构 ，不同的设备在算力 、内存、功耗等 方面存在差异 。资源动态分配机制可以根据设备的实时状态和任务需 求，灵活地分配计算 、存储和通信等资源 ，以提高资源利