智谱ZCode数据上传事件分析 - 智谱ZCode在默认开启“代码库索引”功能时，会将用户工作区及完整Git历史打包上传至云端，智谱随后致歉称相关功能用于生成Repo Wiki，上传数据会在页面生成后立即销毁[4] - 代码泄漏的第一责任人是智谱，因为用户使用的是智谱提供的产品，客户端读取、上传什么、功能是否默认开启、用户能否拒绝，都由智谱决定，即使问题由开源组件或外包团队引发，智谱也不能转嫁责任[4] - ZCode上传的不是用户主动提交的一段代码，而是整个项目工作区和Git历史，其中包含未发布功能、被删除的文件、本地分支、提交者信息，以及开发者曾经误传、后来删除的密钥，对软件公司而言相当于交出研发过程、产品路线和内部资产[5] - 用户上传给模型的数据都被用来训练智谱自己的模型，如果企业员工使用智谱的Coding模型工作，公司机密包括核心代码在智谱模型里都是透明的[6] - 用户在这之前甚至不知道数据已经离开本地，智谱称数据已删除并不足以结束争议，数据一旦上传控制权就已转移，是否进入日志、缓存和备份，是否经过其他系统处理，是否被内部人员访问，乃至是否进入后续数据清洗与模型训练流程，用户无法从客户端验证[7] - 大模型训练数据有两类重要来源：一类是公开数据和经过筛选、合成的AI生成数据；另一类来自真实用户与模型的交互，包括对话、反馈、文档和代码，大部分模型公司选择前者，但智谱选择了后者[7] - 公开互联网数据可以被所有模型公司获得，真实用户数据包含具体任务、真实工作流和人工修改结果，尤其在Coding领域，用户提交的问题、模型生成的代码以及开发者如何修改和接受这些代码，天然构成高质量的训练和强化学习样本[7] - 智谱代码泄漏的本质是模型厂商用用户的隐私来换取高价值，代价由用户承担，收益归模型厂商[7] - 大部分负责任的模型厂商不会在用户不知情的情况下直接使用企业客户或API客户的数据训练模型，用户把数据交给模型完成任务不等于授权平台将其变成训练材料，前者是提供服务所必需的数据处理，后者是对数据的二次使用，两者需严格区分[8] - ZCode事件目前可确认仓库数据被上传，尚无公开证据证明这些代码已被智谱用于模型训练，智谱必须进一步回答：上传的数据是否曾进入训练数据池、评测集、产品优化样本或人工分析流程；所谓“不会保存”是否覆盖日志、缓存和灾备副本；历史数据能否被彻底追踪和删除[8] - Agent能力越强，越应该担心边界问题，AI编程Agent正在取得远超普通软件的权限，可以遍历文件、读取代码、执行命令甚至代替用户修改整个项目，但数据治理仍停留在默认勾选和模糊隐私协议阶段，风险会变得愈加不可控[9] - 模型厂商需要更多、更真实的数据提升能力，但不应以牺牲用户工作成果或企业隐私安全为代价，行业需要明确的默认规则：用户数据不得默认用于训练；代码、文档和交互记录必须分别授权；企业数据应默认关闭上传；训练数据来源应当可追溯、可退出、可审计[9] - 智谱承诺开源ZCode并引入第三方审计是必要的一步，但开源只能让外界看到客户端做了什么，无法自动证明云端没有保存和使用数据，真正需要公开的是完整的数据流向和第三方审计结论[9] - 这起事件最终拷问的是整个模型行业是否愿意承认一条最基本的边界：用户使用模型，不代表用户同意成为模型的训练数据[10]