Token 怎麼走出去？

一家歐洲研究機構在網頁上輸入問題，幾秒鐘後收到中國企業研發的模型生成的英文答案。計算可能發生在中國，也可能發生在新加坡或歐洲。模型可能來自中國企業，提供算力、簽署合同、接觸數據和收取費用的，卻未必是同一家機構。

如果只看屏幕，這幾次服務幾乎沒有區別；如果研究它們的產業價值和合規要求，答案會很不一樣。

“Token出海”因此值得認真討論。它描述了人工智能能力跨境交付的一種商業現象，但不能替代對數據、模型、設施和經營主體的分別判斷。對政府部門、大學和研究機構而言，首先需要回答的是：誰在何處，利用哪些資源，爲誰提供什麼服務，並由誰承擔責任？

一、先理解Token，才能討論出海

在大語言模型中，Token通常指模型處理文本的基本單位。它可能是一個詞、詞的一部分、一個字符或其他片段，具體取決於分詞方法。同一句話在不同模型中，Token數量可能不同。這裏的Token也不是區塊鏈代幣。[1]

很多模型服務按輸入和輸出的Token數量計費。因此，人們用“Token出海”概括中國企業向海外提供模型推理服務。但現實中的交易還可能按GPU使用時長、專屬集羣、軟件許可、項目交付或訂閱收費，不能全部換算成同一種產品。

還要澄清一個技術誤解：把文字轉換成Token編號，並不會自動實現匿名化。 普通分詞編碼服務於模型輸入與解碼，本身不是隱私保護承諾。一份包含姓名、病史或訪談記錄的材料，經過分詞後，仍需判斷是否能夠識別個人。中國《個人信息保護法》區分去標識化與匿名化；能否重新識別、是否不可復原，比文件看起來是不是自然語言更關鍵。[1][2]

從合規角度看，問題不在於傳輸單位叫“文字”“向量”還是“Token”，而在於其中包含什麼信息，以及接收方實際上能夠做什麼。

二、三條路徑，形成三種不同的出海業務

第一條：算力留在中國，向海外交付服務。 海外用戶通過程序接口，也就是API，發送請求；境內服務器完成推理，再把結果返回。這裏的重點是跨境服務與雙向數據流，不一定發生服務器或模型權重的出口。

第二條：在海外部署算力，由當地節點提供服務。 中國關聯企業自建、租用或與夥伴共同運營境外設施。此時要考察設備取得、當地經營、能源網絡、數據處理和集團運維。海外機房能改善部分交付條件，卻不會自動解決芯片供應限制、遠程訪問或當地採購要求。

第三條：中國模型由海外機構運行。 研發商提供模型權重或軟件，海外雲、大學或企業自行部署。權重是模型學習形成的參數；取得權重，並不等於取得訓練數據或獲得不受限制的使用權。這條路徑可以擴大中國模型的採用範圍，但算力收入可能由海外雲獲得，模型研發商是否獲得許可費或服務費，要看實際合同。

這三條路徑分別體現服務交付、海外基礎設施運營和模型傳播。中國模型被使用、由中國企業提供計算、收入歸屬於中國企業，是三個需要分別統計的事實。 海外調用量也不能直接當作服務出口收入；正式統計和國際收支歸類仍須結合交易主體、居民身份、收費性質及適用統計制度。

三、數據走到哪裏，要沿一次請求追蹤

設想一所大學採購“海外部署”的模型服務。它上傳論文初稿，模型調用文獻檢索工具，平臺保存運行日誌，供應商客服隨後從另一國家排查錯誤。看似一次請求，實際涉及文稿、檢索內容、賬號、日誌和運維訪問等多條數據流。

因此，一張有用的數據圖至少要標明：請求從哪裏進入、在哪裏推理、在哪裏存儲和備份、由誰遠程訪問、是否進入人工審覈或模型訓練，以及刪除如何執行。

這不是抽象的擔憂。阿里雲Model Studio的官方文檔明確區分：Region決定接入點與數據存儲地點，服務部署範圍決定推理執行地點。以法蘭克福爲例，文檔列有Global與EU兩種範圍。採購方需要確認所選配置，不能僅憑“歐洲Region”推斷所有計算均在歐洲。[3]

在歐盟制度下，是否發生個人數據向第三國轉移，還需要結合實際接收主體、提供訪問的方式及法律關係判斷。中國母公司或獨立支持機構能夠讀取數據，是應當單獨審查的事實；不能只用服務器地址代替分析，也不宜把所有跨境登錄一律作相同定性。[4]

中國規則也提供了有針對性的便利安排。《促進和規範數據跨境流動規定》第四條規定，境外收集和產生的個人信息傳入境內處理後再向境外提供，如果過程中沒有引入境內個人信息或重要數據，可免予申報數據出境安全評估、訂立個人信息出境標準合同、通過個人信息保護認證。[5]

這項安排針對的是三項出境機制，不等於免除全部個人信息保護義務，也不替代數據來源地的法律要求。 例如，歐洲機構把個人數據送到中國處理，仍須處理其自身適用的歐盟數據保護要求。

四、數據合規之外，還有三組責任

其一，內容和應用責任。 純機房託管、提供模型API、開發模型，以及面向公衆運營聊天產品，對功能、數據和用戶的控制不同。面向企業銷售API，並不意味着下游不會用於招聘、信貸、教育或醫療；終端用途可能改變適用規則。

中國《生成式人工智能服務管理暫行辦法》以向境內公衆提供相關服務爲適用入口，並明確了未向境內公衆提供服務的研發、應用活動的範圍邊界。科研機構的內部實驗與向公衆開放的產品，應分別判斷；不適用該辦法，也不能進一步推導爲不受數據、知識產權或其他法律約束。[6]

歐盟則區分通用人工智能模型提供者、系統提供者和部署者等角色。對落入相應範圍的模型提供者，版權政策、訓練內容摘要和向下遊提供文檔等義務，不能由一張雲服務訂單替代。也不能反過來把所有GPU出租商都當作模型研發商。[7]

其二，知識產權責任。 模型能夠下載，不代表權重、代碼、訓練材料、客戶上傳內容和生成結果共享同一套權利。公開發表的論文也不當然可供任意複製、訓練和商業再利用；訂閱數據庫還涉及合同限制。研究項目應把文獻檢索、模型訓練、成果發表和商業合作所需權限分別覈實。[8]

開放許可應落實到具體版本。DeepSeek-R1官方倉庫對代碼和權重作出許可說明，同時列出蒸餾模型的上游來源及許可。這說明“模型可商用”只是審查的起點，不能覆蓋所有衍生模型和第三方權利。[9]

其三，設備與安全責任。 芯片能否取得、轉移或用於特定主體，與一項服務能否銷售給某類客戶，是不同問題。BIS的相關指引表明，把實體設在指定地區之外，仍可能因其總部或最終母公司的所在地而觸發先進計算物項的許可要求；具體設備和交易須另查現行規則。美國數據安全項目則針對特定數據、主體和交易設置限制。兩者不能用“機房已經在海外”一併解決，也不能據此斷言所有中國企業面向美國提供的模型服務均被禁止。[10][11]

五、同樣是科研合作，數據和功能可能改變結論

以下是用於解釋的假設情景，不是對實際項目的合規認定。

情景A：海外高校在自己的集羣部署中國開放權重模型，只用經過權利審查的公開材料開展內部研究。 如果推理、日誌和管理權限確實留在本地，不能僅因模型來自中國，就認定提示詞已傳回中國。應繼續覈實許可證、依賴組件、更新與遙測、遠程支持，以及研究成果的後續使用。

情景B：聯合課題組把可識別的受試者訪談或健康資料，交給跨國API進行分析。 此時，個人信息處理依據、告知與同意的適用要求、倫理審查、目的限制、跨境路徑和後續訓練用途，都可能成爲核心問題。合同寫了“不用於訓練”，也未回答在哪裏推理、保存多久、誰能訪問、是否調用其他工具。

如果同一系統進一步參與公共資助、入學、就業或醫療等對個人產生顯著影響的決定，還需要重新判斷場景規則。不能把“學術研究”的項目名稱作爲覆蓋後續公開服務和實際決策的統一豁免。

六、政府與研究機構可以把問題落到四份材料

以下是面向產業研究、項目組織和採購評估的建議，不是新增的法定申報清單。

第一份是業務與價值分配圖。 誰擁有設施、開發模型、提供推理、面對最終用戶、簽約收款？把海外客戶數量、實際推理量、可歸屬收入、服務持續性和當地合作分別記錄。在比較Token單價之前，先固定模型版本、語言、輸入輸出比例、質量要求與服務保障，避免把不同產品當作同一種商品。

第二份是數據與權限圖。 逐項列出研究材料、個人信息、日誌和備份的位置，以及人員、集團公司和分包商的訪問權限。對依法需要保密或限制提供的數據，應先判斷可否進入該系統，再討論成本和效率。

第三份是權利與責任表。 記錄訓練及研究材料的權利來源、模型許可版本、研究成果歸屬、發表與再利用條件，明確誰響應數據請求、內容投訴、安全事件和知識產權爭議。

第四份是可複覈的交付記錄。 保留區域配置、實際路由和訪問證據、版本變更、評測方法、刪除與退出安排。涉及時效、準確性或公共決策的場景，還要說明由誰複覈，以及結果錯誤時怎樣糾正。

這些材料使監管、採購、科研管理和技術團隊能夠討論同一個項目事實。地區認證、合同條款和行業標準仍有價值，但應說明它們覆蓋什麼、由誰驗證、有效期多久，而不是把“獲得認證”替代爲整體合規結論。

七、國際合作應讓證據更容易被理解和核驗

跨境AI服務會同時面對不同語言、法律和審查習慣。國際合作的實際價值，可以體現在數據處理條款的銜接、模型文檔、評測方法、事件溝通和監管能力建設上。

例如，東盟與歐盟已發佈模型合同條款的聯合對照指南，幫助理解兩套工具之間的關係。它可以降低合同協調成本，卻不意味着採用其中一套條款，就自動滿足另一法域的全部要求。[12]

對政府和學術機構而言，可推動的工作包括：使用透明且可復現的評測口徑，建立可比較的交付說明，研究不同跨境機制的銜接條件，並讓監管與技術人員共同檢驗這些材料。試點項目仍應在現行法律和實際授權範圍內運行，合作倡議本身不會創設豁免。

結語：讓一次調用成爲可以持續交付的服務

“Token怎麼走出去”的答案，最終要落在一條可說明、可驗證、可追責的服務鏈上：能力由誰提供，數據如何流動，權利從何而來，結果用於哪裏，出現問題由誰處理。

研究這種出海能力，既要觀察模型和設施，也要觀察收入歸屬、組織能力與當地交付條件。能把這些問題講清楚，才能判斷一次海外調用，是否正在形成可持續的產業價值。

資料與出處

本文面向政府部門與學術研究機構作一般性合規科普，基於《中國AI基礎設施出海》研究底稿改寫；主要引文於2026年9月25日複覈。建議和假設情景均不代表監管機關結論，也不替代具體項目的法律、倫理或採購審查。

1. Hugging Face：Tokenization algorithms。解釋文本分詞；不據此推定匿名化。
2. 《中華人民共和國個人信息保護法》，第四條、第七十三條等。
3. 阿里雲Model Studio：Regions and endpoints。廠商動態產品文檔；證明其公開配置說明，不是獨立合規認證。
4. EDPB：Guidelines 05/2021。解釋GDPR域外適用與第三國轉移的關係。
5. 《促進和規範數據跨境流動規定》，第四條。
6. 《生成式人工智能服務管理暫行辦法》，第二條。
7. 歐盟委員會：通用人工智能模型提供者義務指引問答。適用仍須結合模型、角色和有關過渡安排。
8. WIPO：Generative AI—Navigating intellectual property。企業採用生成式AI的知識產權問題指南。
9. DeepSeek-R1官方倉庫：許可與蒸餾模型說明。應以實際部署版本爲準。
10. 美國BIS：先進計算相關指引，2026年5月31日。具體設備和交易仍需覈查現行規則及許可。
11. 美國司法部：Data Security Program。特定數據、主體和交易的適用框架。
12. ASEAN—EU模型合同條款聯合指南。合同工具對照，不是法律互認或一般市場準入許可。