主权机器人数据：为什么存放在欧盟还不够

一份由人类示范构成的数据集，存放在法兰克福的一个服务器机架上。每一帧画面、每一条力读数、每一个手部姿态，都存在从未离开德国土地的硬盘里。供应商的营销把它称作「欧盟托管」，从技术上说也确实如此。可一纸美国法院的命令，依然能够要求把整套数据交出来。

这句话，就是本文的全部论点。数据在物理上存放在哪里，和它在法律上由谁控制，是两个不同的问题。机器人行业已经开始把前者当作后者的答案，但它不是。

这道鸿沟，在法律上有名字，在实践中有机制。它对机器人训练数据的意义，比对几乎任何其他数据都更重大，因为这类数据是由真实的人的面孔、住所、声音和双手构成的。下面就说清楚，为什么「存放在欧盟」并不等于「对数据集拥有主权」，以及这道差别真正需要什么。

数据驻留讲的是字节，数据主权讲的是控制权

数据驻留（data residency）是一个关于地理的陈述：字节存放在某个指定区域。数据主权（data sovereignty）是一个关于司法管辖的陈述：哪一国政府的法律能够强制调取、检查或封锁这些数据，以及哪一个法律实体必须服从。两者常常结伴出现，于是人们把它们混为一谈。可一旦控制数据的公司要服从于字节所在区域之外的法律体系，两者立刻分道扬镳。

看一个再普通不过的例子。一家欧洲机器人厂商，向一家总部在加州的供应商购买示范数据集。供应商顺理成章地把一切都托管在法兰克福的数据中心，以满足客户合同里的驻留条款。硬盘在德国，可董事会、注册地和最终的法律控制权都在美国。问哪一部法律能够触及这个数据集，答案是：两部都能，而其中一部可以压过另一部。

机制：CLOUD Act

美国《澄清境外数据合法使用法》，即 CLOUD Act，于 2018 年通过。它明确规定：受美国司法管辖的服务提供者，在收到合法命令时，必须交出其「占有、保管或控制」之下的数据，无论这些数据存放在何处。服务器的位置不构成抗辩理由。触发条件是控制权，而不是地理位置。

因此，一家总部在美国的数据供应商，无法诚实地向欧洲客户承诺某份数据集不在美国的触及范围之内。它能承诺欧盟驻留，却无法承诺欧盟司法管辖，因为它自己的母公司可以被强制交出它所控制的数据，无论硬盘在哪里转动。驻留条款和管辖保证，在合同里看起来相似，却不是同一种法律工具。

这并非针对美国。要点是结构性的，而非道德层面的：一个法律实体，会被它所属的法律体系所触及。一家把数据存放在美国的欧洲供应商，会给美国买家带来镜像式的同一种担忧。

为什么这对机器人训练数据尤其致命

大多数数据治理的争论，围绕的是电子表格和日志文件。机器人示范数据在性质上就不一样。要教一个机器人在厨房里干活，你就得记录一个人在厨房里干活：他的面孔、他的公寓、音频通道里他的声音、他双手精确的关节运动。依据《通用数据保护条例》（GDPR），其中大部分是个人数据，有些还是生物识别数据，属于条件更严格的特殊类别。

这改变了风险的性质。这个数据集不只是专有资产，它还承载着被记录者的法律权利。GDPR 规范着采集这些数据的合法性依据、取得的同意、施加的匿名化处理，以及多年之后仍要履行删除请求的能力。控制方一旦在欧盟之外，上述每一项义务都会变得复杂，因为数据所属的那些人，受一部控制方并不主要服从的法规保护。

EU AI Act 又叠加了一层。它对训练 AI 系统所用的数据附加了义务，包括对训练数据集的记录留存和来源溯源要求。一个买家如果无法说明每一段示范的来源、以及它是在何种合法依据下采集的，就会继承一道并非自己造成的合规缺口。溯源不再是锦上添花，而成了采购的硬性条件。

在 AI 法案周围，还有一套更广的数据治理框架：面向可信数据中介的 EU Data Governance Act，以及关于数据控制与可携带性的 EU Data Act。两者都默认那个负责任的实体位于欧盟司法管辖之内。

驻留告诉你数据睡在哪里，主权告诉你当有人上门索取时，它要听命于谁的法律。对于一份由真实的人的面孔和双手构成的数据集，只有第二个问题才真正保护买家。

真正的主权机器人数据需要什么

如果说欧盟服务器是必要条件却不充分，那还缺什么才算配齐？三个条件，而且层层叠加。

欧盟法人控制权。拥有并处理这个数据集的法律实体，本身就应当处于欧盟司法管辖之下，也就是「以公司架构确立的欧盟司法管辖（EU jurisdiction by corporate structure）」，如此才没有一个外国母公司可以被强制交出它。这正是单靠驻留无法提供的条件。

在源头采集同意与溯源。每一段示范都应当带着合法依据、被记录者签署的同意，以及一份随之流转的溯源记录一同抵达。要给一个抓取来的语料事后补上同意，几乎是不可能的；在录制当下就取得它，则简单得多。

一条永不经过非欧盟控制方的处理链。标注、存储和交付，都应停留在同一司法管辖下的实体之内。哪怕只有一个外包标注环节交给受外国控制的分包处理者，都可能重新打开这套结构本想关上的那道敞口。

司法管辖走上规格清单

多年来，主权这类说辞只活在销售材料里，很少能熬过一次技术评估。随着欧洲机器人产业规模扩大，这一点正在改变。国际机器人联合会（International Federation of Robotics）追踪的全球工业机器人在役存量以数百万台计，欧洲占了其中相当大的份额。当人形机器人项目从实验室走向产线，支撑其策略的数据集，也就落入了和其他任何受监管输入同等的审视之下。

一家要向本国监管者、职工委员会和客户负责的欧洲 OEM，无法再把训练数据的溯源当成别人的问题。一旦某台已部署机器人的行为受到质疑，「我们买了数据，而且它存在法兰克福」是一个比「数据是在欧盟同意下、由一个受欧盟控制的实体采集的，每一段都有溯源」更无力的回答。

这一切并不意味着欧盟托管毫无价值。驻留是一项真实的要求，也是必要的起点。错处在于把它读成终点。一个数据集获得主权，是当管辖它的法律、控制它的实体，与向被记录者做出的承诺，三者落在同一个地方之时。对机器人训练数据而言，它是从真实的面孔和真实的双手、一段人类示范接一段地构建起来的，这种一致就不是一个合规细节。它决定的是：这份数据集，究竟是一家欧洲机器人厂商能够部署的，还是它只能欣赏、却用不了的。