欧盟数据法中的各项变化里,对为 AI 收集网络数据的团队影响最大的,莫过于《数字综合法案》(Digital Omnibus)。该法案由欧盟委员会于一年前提出,拟修改 GDPR 的部分内容,包括 AI 训练、假名化数据和 cookie 方面的规则。2026年10月,欧盟各成员国政府就自己的版本达成一致,与欧盟委员会的版本存在一些重要差异。本指南介绍该法案目前的进展、双方各自的主张,以及目前适用于 AI 与机器学习数据收集的规则。本文仅为一般性信息,不构成法律意见。
当前进展
| 日期 | 步骤 |
|---|---|
| 2025年11月19日 | 欧盟委员会提出《数字综合法案》,其中包括涉及 GDPR 和 cookie 的 COM(2025) 837 |
| 2026年2月10日 | 欧洲数据保护监管机构发布联合意见,批评其中的关键部分 |
| 2026年7月7日 | 监管机构通过关于生成式 AI 网络抓取的指南草案,并公开征求意见 |
| 2026年10月21日 | 欧盟理事会中的各成员国政府就谈判授权达成一致 |
| 尚未 | 欧洲议会通过其立场,随后三个机构展开谈判 |
《数字综合法案》目前尚未生效。欧盟境内的所有抓取和 AI 训练项目仍然适用现行 GDPR。
双方的主张
以下是对网络数据团队影响最大的变化,包括欧盟委员会的提案和欧盟各成员国政府的修订:
| 主题 | 欧盟委员会提案 | 理事会授权 |
|---|---|---|
| 个人数据的定义 | 对于无法识别该自然人的实体而言,该数据不属于个人数据 | 删除:保留现行定义 |
| 假名化数据 | 无单独规则 | 对于无法识别该自然人的第三方而言,不属于个人数据 |
| AI 训练 | 可以依据合法利益,并附带“无条件反对权” | 可以依据合法利益,同时适用通常的反对权,并进行个案评估 |
| 训练集中的敏感数据 | 如果控制者已避免并删除敏感数据,则允许残留的敏感数据 | 保留,适用于偶然残留的数据,且必须“不得无故拖延”地删除 |
| Cookie | 并入 GDPR,并采用基于浏览器的同意信号 | 保留在 ePrivacy 规则中,设六项同意豁免和一键拒绝 |
| 数据泄露 | 仅对高风险泄露进行通报,期限为 96 小时 | 保留 |
AI 训练问题
对于利用网络数据构建训练集的团队来说,AI 条款是整个法案的核心。欧盟委员会提议新增一条规定,称为开发和运行 AI 而进行的处理可以基于合法利益,这是 GDPR 六项法律依据之一。欧盟各成员国政府保留了这一想法,但加上了限制。其文本称,“AI 系统或 AI 模型的开发和运行本身并不构成合法利益”,并称该法律依据“应当结合该处理的根本目的,逐案进行评估”。
实际上,这一变化没有标题所暗示的那么大。监管机构已经认可,合法利益可以涵盖 AI 开发。他们就该法案发表的联合意见称,欧洲数据保护委员会“已在其第 28/2024 号意见中明确确认了这一点”,并称“没有必要就此在 GDPR 中增加专门条款”。无论哪个版本,平衡测试、保障措施以及尊重反对意见的义务都依然存在。
假名化问题
第二项影响较大的变化涉及可识别性。欧盟委员会希望,依照欧盟法院2025年的一项裁决,只有对能够识别数据背后自然人的主体而言,数据才算个人数据。监管机构对此强烈反对,他们“强烈敦促共同立法者不要采纳关于个人数据定义的拟议修改”。
欧盟各成员国政府删除了这一修改,转而写入一条范围更窄的规则:“如果第三方无法识别数据所涉及的自然人,则假名化数据对该第三方而言不应被视为个人数据。”对数据团队而言,这在共享或购买数据集时很重要:经过妥善假名化的数据,如果交给无法重新识别的一方,对该方而言可能不再受 GDPR 约束。
Cookie 简述
理事会还推翻了欧盟委员会将 cookie 规则并入 GDPR 的计划。其版本将这些规则保留在 ePrivacy 指令中,并增加了同意豁免,包括针对第一方受众测量和安全的豁免。在需要同意时,用户必须能够“通过一键按钮或同等方式”拒绝,并且网站不得在“至少四个月的期限内”就同一目的再次询问。我们的各国同意墙对比展示了目前各网站处理同意的方式有多么不同。
当前适用的规则
在《数字综合法案》获得通过之前,以下三份文件构成了在欧盟抓取个人数据的实际规则:
- EDPB 第 28/2024 号意见,涉及 AI 模型,发布于2024年12月,认可采用三步测试的合法利益,并列出了抓取方面的保障措施,例如排除表示反对的网站。
- EDPB 第 03/2026 号指南,涉及生成式 AI 背景下的网络抓取,于2026年7月7日通过并公开征求意见。指南称,抓取者应通过“robots.txt 或 ai.txt 文件,或 CAPTCHA”等措施,“将明确反对抓取其内容的网站排除在收集范围之外”。
- 各国指引,例如法国的 CNIL,其称“通过网络抓取收集网上可获得的个人数据,通常基于合法利益”,并需要采取额外措施以限制对个人的影响。
这些指南仍是草案,但方向很明确:技术性的退出信号具有法律分量。我们关于 robots.txt 与 AI 退出信号的指南介绍了目前使用的各类信号。
数据团队现在应该做什么
- 按现行 GDPR 规划。 《数字综合法案》可能需要一年或更久才能完成。依照监管机构已有的期望,以合法利益为基础,并留存书面评估。
- 尊重退出信号。 在 AI 数据收集中遵守 robots.txt、ai.txt 及类似信号,并保留你已遵守的记录。
- 过滤敏感数据。 《数字综合法案》的两个版本都要求避免并删除敏感数据。现在就建立过滤机制。
- 尽早假名化。 如果理事会的规则得以保留,与他人共享的、经过良好假名化的数据可能会得到更简单的处理。无论如何,这都是良好实践。
- 公开收集。 使用住宅代理,是为了像本地访客一样查看公开页面,而不是绕过已明确拒绝的网站。我们的面向 AI 数据收集的合规住宅代理指南说明了我们划定这条界线的位置。
在欧盟之外,各地规则正朝着各自的方向发展。我们关于英国《数据(使用与访问)法》的解读介绍了英国的做法。
各方反应
该提案从一开始就引发了意见分歧。隐私组织 noyb 称其为“多年来对欧洲数字权利最严重的攻击”。理事会达成一致后,数字权利网络 EDRi 表示:“其结果是一项削弱重要保障措施、并使救济更加困难的协议。”DIGITALEUROPE 等行业团体则对澄清 GDPR 如何适用于创新这一目标表示欢迎。最终文本将取决于仍在制定立场的欧洲议会。
结论
《数字综合法案》将确认 AI 训练可以依据合法利益,但欧盟各成员国政府已明确表示这不是通行证,保留了个人数据的现行定义,并为假名化数据增加了一条范围更窄的规则。这一切目前都尚未生效。眼下,现行 GDPR 和监管机构的抓取指南草案共同构成规则,二者指向一致:记录你的法律依据,过滤敏感数据,尊重选择退出的网站。
来源与参考资料
- 欧盟委员会,关于数据保护与隐私的《数字综合法案》提案,COM(2025) 837(2025年11月19日):eur-lex.europa.eu
- 欧盟委员会,新闻稿 IP/25/2718(2025年11月19日):ec.europa.eu
- 欧盟理事会,与欧洲议会谈判的授权,ST 14756/26(2026年10月):data.consilium.europa.eu
- 欧洲议会,立法观察站,程序 2025/0360(COD):europarl.europa.eu
- EDPB 与 EDPS,关于《数字综合法案》的第 2/2026 号联合意见(2026年2月10日):edpb.europa.eu
- EDPB,关于 AI 模型的第 28/2024 号意见(2024年12月17日):edpb.europa.eu
- EDPB,关于生成式 AI 背景下网络抓取的第 03/2026 号指南,征求意见版本(2026年7月7日):edpb.europa.eu
- CNIL,关于网络抓取与合法利益的要点说明:cnil.fr
- noyb,关于《数字综合法案》的声明(2025年11月19日):noyb.eu
- EDRi,关于理事会立场的声明(2026年11月):edri.org