OpenAI Private Intelligence 深度解析：Zero Data Retention、机密计算与企业 AI Agent 隐私保护

一、OpenAI Private Intelligence 是什么？

2026 年 10 月 30 日，OpenAI 介绍了面向企业敏感业务的 Private Intelligence 隐私保护体系。

随着企业越来越多地使用 ChatGPT、API 和 AI Agent，数据隐私正在成为影响 AI 部署的重要因素。

普通文本生成任务可能只涉及公开资料，但企业实际工作中还包含大量敏感信息。

例如，企业可能希望 AI 分析内部财务报告、审查尚未公开的产品计划、处理商业合同，或者辅助开发涉及核心知识产权的软件。

这些场景对数据访问、保存期限、计算环境和操作权限都有更严格的要求。

Private Intelligence 正是围绕这些需求设计的一组保护能力。

它并不是一款新的 GPT 模型，也不是单独替代 ChatGPT Enterprise 的聊天产品，而是将多种企业隐私和安全措施整合到统一的技术框架中。

OpenAI 将其核心能力概括为数据访问限制、数据所有权、Agent 操作控制和数据安全。

二、四大核心保护能力

1. 数据访问限制

OpenAI 表示，其对企业内容的访问受到严格限制。

对于符合条件的工作流，平台提供 Zero Data Retention 和 Private Inference 等保护措施。

这意味着企业可以根据业务敏感程度选择适当的数据处理方式。

但需要注意，不同产品和 API 功能可能具有不同的数据保留政策。

不能简单地将某个功能支持零数据保留，理解为整个 OpenAI 平台的所有请求都不会保存任何信息。

2. 数据所有权

OpenAI 表示，企业拥有自己的业务数据，包括输入和输出。

这一原则对于企业使用 AI 处理内部知识产权非常重要。

企业不应因为将资料提交给 AI 服务，就自动失去对原始业务内容的所有权。

不过，数据所有权与数据保留、访问权限、合规责任是不同的问题。

企业仍需要结合具体服务协议、数据处理条款和所在地法律进行评估。

3. Agent 操作控制

Private Intelligence 强调，企业可以决定 Agent 能访问哪些数据、使用哪些工具、执行哪些操作，以及哪些步骤需要批准。

例如，一个负责生成销售报表的 Agent，可能只需要读取销售数据库。

它不应自动获得修改客户资料、删除订单或发起付款的权限。

这种控制方式能够减少 AI Agent 在执行复杂任务时造成意外损失的风险。

4. 数据安全

OpenAI 表示，其企业保护体系包括加密、严格访问控制和持续威胁检测。

这些措施旨在降低数据在传输、处理和访问过程中的风险。

不过，安全机制并不能消除所有风险。

企业仍需要管理好自己的 API Key、用户权限、内部网络和第三方集成。

三、Zero Data Retention：零数据保留意味着什么？

Zero Data Retention，简称 ZDR，是 Private Intelligence 的重要组成部分。

根据 OpenAI 官方说明，对于符合条件的 API 工作流，ZDR 意味着请求处理完成后，不保留用户的提示词和模型响应。

这对处理商业机密、内部研发资料和其他敏感信息的企业具有实际价值。

例如，一家企业可能希望通过 API 分析内部合同。

如果相应 API 工作流符合 ZDR 条件，企业可以减少提示词和响应在服务端持续保存带来的风险。

但必须明确三点。

首先，ZDR 具有适用范围和资格要求。

其次，零数据保留不等于数据在计算过程中完全不可见，也不等于网络传输和企业自身日志不需要保护。

第三，企业需要检查所使用的具体端点、工具和功能是否符合相应条件。

因此，不能仅因为使用 OpenAI API，就默认所有数据均按照 ZDR 处理。

四、Private Inference：机密计算如何保护 AI 推理？

Private Inference 是此次发布中最值得关注的技术方向之一。

OpenAI 将其描述为结合机密计算和严格、可验证控制措施的私有推理能力。

截至此次发布，Private Inference 处于 API Preview 阶段。

传统加密保护了哪些环节？

在常见云服务架构中，数据通常有两种主要加密状态。

第一种是传输中加密。

例如，客户端通过 HTTPS 将请求发送至 API 服务。

第二种是静态加密。

例如，数据库或对象存储中的数据使用加密机制保护。

但 AI 模型要处理输入，通常需要在计算环境中使用相应数据。

这就产生了第三个重要问题：如何保护正在处理中的数据？

机密计算的作用

机密计算通常利用硬件支持的可信执行环境，降低计算过程中数据受到未授权访问的风险。

Private Inference 尝试将这类技术与模型推理结合。

其目标是让企业在使用强大模型能力的同时，获得更严格的数据处理边界。

不过，机密计算并不意味着任何情况下都绝对无法发生数据泄露。

实际安全水平仍取决于硬件、软件、密钥管理、远程证明和系统实现。

因此，企业在采购此类服务时，应关注具体技术文档和独立审计范围，而不是只依据产品名称判断安全性。

五、ZDR 与 Private Inference 有什么区别？

对比维度	Zero Data Retention	Private Inference
主要目标	限制请求数据保留	保护推理处理过程
核心关注	请求完成后的数据保存	数据计算时的访问边界
技术方向	数据保留策略与服务控制	机密计算与可验证控制
适用范围	符合条件的 API 工作流	目前处于 API Preview
是否完全消除风险	否	否

二者并不是互相替代的关系。

对于高敏感度企业任务，数据保留限制与推理环境保护可能需要结合使用。

此外，企业还应考虑自身应用中的日志、缓存、数据库和第三方工具。

即使模型服务本身具备严格保护，如果企业应用将完整敏感内容写入不安全的日志系统，仍然可能产生数据泄露风险。

六、为什么企业 AI Agent 更需要隐私保护？

传统 AI 问答通常只处理用户主动提交的一段文本。

但企业 Agent 可能持续访问多个系统。

例如，一个财务 Agent 可能需要读取合同、付款记录、预算表和供应商资料。

一个开发 Agent 可能需要读取源代码、环境配置和内部技术文档。

一个人力资源 Agent 则可能涉及员工信息和招聘材料。

随着任务复杂度提高，Agent 接触敏感数据的范围可能扩大。

因此，企业需要在 Agent 开始执行任务之前设置明确边界。

这些边界包括数据访问范围、工具使用权限、允许执行的操作以及需要人工审批的步骤。

不能让模型自行决定是否应该获得更高权限。

七、企业应该如何设计私有 AI 工作流？

一个较为稳妥的企业 AI 架构，可以分为五个部分。

身份认证

确认发起任务的用户身份，并使用企业统一身份系统管理权限。

数据授权

根据用户和任务范围，限制 Agent 能访问的数据。

例如，只允许读取指定项目的文档，而不是整个企业知识库。

模型服务

根据数据敏感程度选择符合要求的模型服务和数据处理策略。

工具执行

所有外部操作通过受控工具网关执行。

对于修改、删除和外发数据等高风险操作，设置独立审批机制。

审计与监控

记录必要的操作信息，包括任务标识、工具调用、权限判断和执行结果。

同时避免无必要地保存完整敏感数据。

八、Private Intelligence 对 API 聚合平台有什么启示？

对于提供多模型 API 服务的平台，Private Intelligence 反映出企业客户对数据治理的重视程度正在提高。

首先，API 平台需要明确数据经过哪些处理环节。

例如，用户请求可能先经过聚合平台，再转发至上游模型供应商。

每增加一个处理环节，都需要考虑传输、日志、缓存和访问权限。

其次，不能把上游供应商的 ZDR 或机密计算能力自动视为整个聚合调用链都具备同等保护。

如果中间平台保留了完整请求日志，即使上游不保留数据，整个流程也不属于端到端零数据保留。

第三，企业客户可能更加关注审计、数据处理协议和安全文档。

因此，API 平台应尽量提供清晰的数据处理说明，并准确区分已经实现的安全措施与未来计划。

九、Private Intelligence 是否已经全面开放？

截至 2026 年 10 月 30 日，Private Inference 仍属于 API Preview。

OpenAI 尚未在相关产品页面公布统一的全面开放时间和标准公开价格。

企业需要根据实际产品资格、支持范围和接入安排评估可用性。

不能将 Preview 描述为所有 API 用户均可立即启用的正式功能。

十、常见问题 FAQ

Private Intelligence 是新的 GPT 模型吗？

不是。它是面向企业敏感工作负载的一组隐私与安全保护能力。

ZDR 是否意味着 OpenAI 永远不会保存任何数据？

不能这样理解。ZDR 针对符合条件的工作流，具体适用范围需要核实。

Private Inference 已经正式开放了吗？

截至此次发布，它处于 API Preview 阶段。

使用机密计算是否绝对安全？

不是。机密计算可以增强处理过程中的数据保护，但仍需要完善的权限、密钥和系统安全管理。

第三方 API 聚合平台能自动继承这些保护吗？

不能。必须检查完整请求链路中每个服务提供方的数据处理方式。

十一、总结

OpenAI Private Intelligence 的推出，体现了企业 AI 从通用能力竞争向数据保护和安全治理发展的趋势。

对于敏感业务，模型是否足够强大只是其中一个问题。

企业还需要知道数据如何处理、是否保留、谁能够访问，以及 Agent 可以执行哪些操作。

Zero Data Retention、Private Inference 和 Agent 权限控制分别从不同角度回应这些需求。

未来企业 AI 的竞争，不仅在于模型性能，也将越来越取决于隐私保护、可验证安全和业务系统治理能力。

---

官方参考来源

OpenAI — Private Intelligence https://openai.com/business/private-intelligence/

OpenAI — Security & Privacy https://openai.com/security-and-privacy/

本文基于 2026 年 10 月 30 日发布的相关产品信息整理。Private Inference 仍处于预览阶段，具体资格及可用性以 OpenAI 官方说明为准。