导语：2026年8月11日，斯坦福大学以人为本人工智能研究所（Stanford HAI）发布《人工智能时代对数据代理商的监管》（Regulating Data Brokers in the Age of AI: A California Case Study）研究报告。报告以美国加利福尼亚州为案例，系统研究了《加州消费者隐私法案》（CCPA）与《删除法案》（Delete Act）在实际执行中的成效与缺陷。研究指出，多数数据代理商忽视强制披露义务，并在消费者权利请求流程中设置不必要的障碍，导致隐私权在实践层面难以落实。这一发现不仅对消费者保护构成警示，更在生成式人工智能快速发展的背景下，凸显了数据代理商作为人工智能训练数据供应者的新风险。
一、数据代理商的隐蔽角色与系统性风险
数据代理商是指与消费者无直接第一方关系，但专门收集、买卖消费者数据的第三方企业。这一生态系统的规模极其庞大，每天产生并分发数十亿条数据点，涵盖个人地址、电话号码、信用记录，乃至基于消费习惯、保险风险等维度的预测性画像。虽然部分应用场景具有正当性，例如公共卫生研究、欺诈检测和身份验证，但数据代理商的信息交易也催生了严重的社会危害。
典型案例包括：2020年，一名心怀不满的律师利用公开可获取的数据定位联邦地区法官埃丝特·萨拉斯，并在其新泽西州住宅外枪杀了法官的儿子；2024年，通用汽车被发现在未获明确同意的情况下将客户驾驶数据出售给数据代理商，后者据此为保险公司生成风险评分产品，导致众多车主遭遇保费上涨、保单取消或无法续保的困境。
这些事件表明，数据代理商的运作不仅侵蚀个人隐私，还可能助长政治暴力、威胁国家安全，并在金融、保险等领域造成分配性伤害。尽管此类风险已引发长达十余年的监管呼吁，但截至目前，全美仅有四个州对数据代理商实施了实质性监管，绝大多数地区仍处于法律真空状态。
二、美国加州法律框架与现实落差
美国加州于2018年颁布的《加州消费者隐私法案》被广泛视为全美最全面的州级消费者隐私法规。该法案要求数据代理商允许消费者行使多项权利，包括删除个人数据、更正信息、选择不出售数据，以及限制敏感个人信息的使用和披露。2023年通过的《删除法案》进一步规定，数据代理商必须每年公开披露上一年度收到的消费者请求数量，旨在通过信息公开实现社会监督和合规压力。然而，研究团队对2025年注册的522家数据代理商进行了全面的网站审查和流程编码分析，发现合规率远低于预期。
在披露义务方面，45%的代理商未报告任何关于请求数量的信息，仅有9.2%的代理商完全遵守了所有权利请求类型（删除、选择退出、知情权、限制敏感信息共享）的报告要求。即使是在那些报告了指标的代理商中，除知情权请求的履行率为73%外，其余请求类型的履行率虽超过80%，但这一数字仅反映已处理请求中的完成比例，并未考虑大量未被有效提出的请求。
更为关键的是，研究团队对250家抽样代理商的用户请求界面进行了人工编码，发现直接违反CCPA的行为普遍存在：43%的样本代理商未支持全部六类消费者权利请求，22%要求在请求过程中提交验证码（CAPTCHA），其中极端案例甚至要求消费者填写八道不同类型的验证码，包括数学题。这些设计虽未必构成直接违法，却显著增加了操作摩擦，降低了消费者成功行使权利的概率。研究进一步发现，界面摩擦较少的代理商实际收到的请求数量更多，证明流程设计的便捷性直接影响隐私权的实现效果。
三、生成式人工智能语境下的新挑战
研究特别指出，数据代理商与生成式人工智能开发者正处于同一数据生态系统中。根据2026年加州数据代理商注册名录，已有32家代理商明确表示向生成式人工智能公司出售数据。然而，当前法律并未要求详细披露这些数据的具体用途、数据类型或转让条件，导致透明度严重不足。对于人工智能训练而言，大规模、多样化的消费者数据集具有极高价值，但这也意味着原本通过代理商流通的个人数据可能被嵌入到人工智能模型中，进而以难以追溯和删除的方式永久留存。这一趋势放大了下游风险：一旦消费者的数据被用于训练生成式人工智能，即使消费者后续行使删除权，也可能无法从已部署的模型中移除其个人信息的影响。
此外，人工智能系统可能基于代理商提供的预测性画像生成新的推断，进一步加剧数据主体对自身信息控制权的流失。报告强调，由于人工智能供应链的复杂性和不透明性，仅靠针对终端企业的监管远远不够，必须将数据代理商这一关键中间环节纳入统一的治理框架。然而，当前无论是联邦层面还是其他州的法律，均未充分考虑到人工智能开发者与数据代理商之间的数据流动关系，这构成了监管架构中的重大盲区。
四、构建可执行、可扩展的隐私保护体系
基于实证发现，报告向政策制定者提出五项核心建议，旨在弥补现有法律的执行漏洞并适应人工智能时代的特殊需求。
第一，在全国范围内推行强制性的数据代理商注册制度。美国加州的注册名录虽然为研究提供了基础，但其注册机制为自愿性质，且监管和处罚力度有限，仍有大量代理商未纳入登记。美国联邦立法或各州协调立法应要求所有从事数据交易活动的第三方企业向指定监管机构注册，并定期更新基本信息，从而使这一隐蔽生态系统的轮廓变得可辨识、可审计。
第二，采用自动化、可扩展的隐私权请求流程。当前消费者必须逐一向每家代理商提交请求，面对数百家实体时，这种碎片化流程几乎不可能完成。美国加州近期推出的“删除请求与选择退出平台”（DROP）提供了范例，该一站式门户网站自2026年1月上线以来，已吸引超过30万加州居民提交删除和选择退出请求。报告建议，其他州和联邦层面应借鉴此类自动化机制，利用标准化模板和集中式接口，大幅降低消费者的行使成本。同时，监管机构应明确规定，代理商不得在请求流程中添加验证码、重复填表或过度验证等非必要环节，以消除程序性障碍。
第三，标准化报告实践。研究显示，当前各代理商自行决定披露格式和内容，导致研究人员和监管者不得不逐一手动检索和比对信息，效率极低且难以规模化。报告建议，法规应强制要求权利请求指标以人类可读和机器可读的双重格式呈报，并统一数据字段定义（如请求总数、履行数、平均处理时间等），从而便于自动化监测和跨机构比较。此外，标准化也有助于发现数据造假或不一致问题——研究已发现部分代理商公开披露的数据与提交给州注册机构的数据存在明显出入。
第四，引入私人诉讼权。美国加州现行法律主要由公共机构负责执行，但监管资源有限，远不足以应对五百余家注册代理商以及更多未注册实体的违规行为。报告指出，赋予消费者个人或集体提起民事诉讼的权利，至少针对透明度条款的违反行为，将显著增强威慑力和救济效果。目前，除加州外，其他州的数据代理商法规均未包含私人诉讼权，这导致即便存在法律规定，缺乏有效的执行机制仍使合规率低下。引入私人诉讼权并非取代公共执法，而是作为补充性工具，激励代理商主动遵守披露和流程要求。
第五，将保护措施延伸至人工智能语境。鉴于2026年美国加州注册名录已新增是否向生成式人工智能公司出售数据的披露项，报告呼吁进一步细化此类信息的公开要求，例如明确所出售的数据类型、是否包含敏感信息、是否附带使用限制等。同时，应要求人工智能开发者在训练数据来源说明中公开是否使用代理商数据，并建立消费者数据从代理商到人工智能模型的全链路追踪机制。虽然技术上具有挑战性，但立法者可以从强制性的数据影响评估和年度审计报告入手，逐步提高人工智能供应链的透明度。此外，报告建议监管机构密切关注数据代理商基于人工智能生成的推断性信息是否应被视为个人数据并纳入隐私权保护范围，以避免法律定义滞后于技术演进。
五、透明度是隐私权的基石
美国加州的实践表明，要求数据代理商注册并向公众披露信息是揭开这一隐蔽生态系统的关键第一步，但仅有登记和披露远远不够。研究数据清晰地显示，多数代理商要么无视法律要求，要么通过设计繁琐的请求流程实质上削弱了消费者的权利行使能力。即使加州推出了DROP等创新性自动化工具，若缺乏对代理商违规行为的有效惩戒和消费者救济渠道，隐私权仍将停留在纸面。
在生成式人工智能迅猛发展的当下，数据代理商作为人工智能数据供应链的重要环节，其合规性不仅关乎个人隐私，更牵涉到国家安全、社会公平和技术伦理等广泛议题。报告强调，立法者应抓住当前政策窗口：通过强制注册、标准化报告、自动化请求、私人诉讼权以及人工智能专项保护等组合措施，构建一套既能适应技术变革、又能切实保障消费者数据自主权的监管体系。确保隐私权不仅是法律条文中的权利，更是每个公民在日常数字生活中可触达、可行使、可救济的真实权益。
（本文内容系“启元洞见”公众号原创编译，转载时请务必标明来源及作者）
参考来源：斯坦福以人为本人工智能研究所
参考题目：Regulating Data Brokers in the Age of AI: A California Case Study
参考链接：https://hai.stanford.edu/assets/files/hai-policy-brief-regulating-data-brokers-in-the-age-of-ai.pdf
免责声明：文章内容系作者个人观点，如有任何异议，欢迎联系我们！图片来源于网络，如有侵权请联系删除。
编辑 | UU
审校 | Zora
声明：本文来自启元洞见，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
