5月20日，國家網絡與信息安全信息通報中心發布通告，在應用寶中35款移動應用存在違法違規收集使用個人信息情況。通報中涉及不少AI應用，據通報，“智譜清言（版本 2.9.6）”等存在實際收集的個人信息超出用戶授權范圍；“Kimi（版本 2.0.8）”等涉及實際收集的個人信息與業務功能沒有直接關聯；“Wow（版本 1.16.5）”“貓箱（版本 1.57.0）”等被指在配置文件中聲明的一些權限，與移動應用的所有業務功能均沒有直接關聯。面對超范圍搜集個人隱私信息，用戶撤回隱私授權是否方便？讓我們聽聽大模型們怎么說。

01

DeepSeek

圖源：DeepSeek截圖

DeepSeek總結：大模型產品撤回隱私授權面臨諸多困難，包括操作流程復雜（如僅支持特定數據類型撤回、需人工客服介入）、透明度不足（條款模糊、數據用途不明確）、技術限制（已訓練數據無法刪除、匿名化效果存疑）以及監管滯后（國內外標準不一、責任劃分不清）等問題。用戶往往難以全面控制個人數據的使用，甚至需要注銷賬號才能終止授權。改進需廠商優化撤回機制、監管完善立法，而用戶應優先選擇支持部分撤回功能的產品并謹慎提供敏感信息。這一難題凸顯了技術便利與隱私權保護之間的矛盾，需多方協同解決。

02

夸克

圖源：豆包截圖

夸克總結 ：當前大模型撤回隱私授權的難度較高，主要表現為功能覆蓋有限、操作復雜、歷史數據不可逆，且訓練數據透明度不足。用戶若需保護隱私，建議優先選擇支持撤回功能的廠商（如豆包、騰訊元寶），并關注法律更新（如歐盟監管方向）。未來需通過立法推動數據透明度和用戶權利保障。

03

豆包

圖源：豆包截圖

豆包總結 ：大模型產品撤回隱私授權的難度體現在操作流程復雜（入口分散、授權范圍模糊且部分產品無明確選項）、技術實現不可逆（訓練數據混合處理致不可追溯，分布式存儲與備份機制使數據難徹底清除）、法律與商業博弈（法規執行落差與企業借協議限制用戶權利）、用戶認知門檻高（界面設計隱蔽與技術術語晦澀），以及第三方集成和跨境數據流動帶來的協同復雜性，當前該問題受技術特性、企業策略與法規執行等多重制約，需通過技術創新、政策完善與行業協作等方式構建更透明的數據使用生態。

04

Kimi

圖源：Kimi截圖

Kimi總結：大模型產品撤回隱私授權存在諸多困難，涉及技術、產品設計與用戶體驗、企業利益與商業考量、法律與監管等多個層面。技術上，數據追蹤定位難，刪除與模型更新復雜，且存在數據關聯與衍生問題；產品設計與用戶體驗方面，選項不明確或缺失，操作流程繁瑣，影響用戶信任與滿意度；企業利益與商業考量層面，數據價值受限影響模型性能與競爭力，處理撤回請求成本高，且存在法律風險與合規壓力；法律與監管領域，法規不完善，監管難度大，企業執行不積極或不到位。

05

文心 X1

圖源：文心X1截圖

文心X1總結：大模型產品撤回隱私授權面臨技術、法律、體驗與商業的多重挑戰：技術上需解決數據狀態同步、高并發處理及脫敏局限性；法律層面需適應全球監管差異并平衡數據刪除與模型性能；用戶體驗常因操作碎片化、反饋延遲及功能限制受損；企業則因成本考量采取差異化策略，如部分授權自主撤回、付費用戶特權等。盡管聯邦學習、區塊鏈存證等技術提供突破方向，但當前用戶仍需在隱私保護與功能使用間妥協，行業透明度與統一治理框架的缺失進一步加劇了這一困境。

06

騰訊元寶

圖源 ：騰訊元寶截圖

騰訊元寶總結：當前主流大模型產品在隱私授權機制上普遍存在“授權易、撤回難”的結構性矛盾：用戶撤回權限的操作常被形式化（如僅支持語音撤回、需注銷賬號或聯系客服），關鍵數據（文本、位置等）默認用于模型訓練且缺乏明確退出機制，企業數據使用與用戶權益嚴重失衡；技術層面匿名化存疑，云端存儲和關聯性風險加劇隱私泄露隱患，而國內監管標準滯后及企業合規惰性更放大了這一矛盾。解決需強制披露數據來源、建立標準化撤回流程，并強化法律與第三方監管，以實現數據利用與隱私保護的平衡。

07

ChatGPT

圖源:ChatGPT截圖

ChatGPT總結：在大模型產品中，用戶要真正撤回隱私授權不僅需在法律上滿足“同等便捷”撤回數據處理的要求，更面臨技術上難以追蹤和剔除已吸收信息、需重訓練或依賴尚在研究階段的“機器學習可撤回”技術，以及產品設計中入口深、反饋慢、體驗差等挑戰；同時法規細則不一、監管灰色地帶和責任分配不明，使得企業往往只能提供“表面可撤回”選項，而難以在合規、技術和用戶體驗間取得真正平衡。

08

通義

圖源:通義千問截圖

通義總結：當前大模型產品在撤回隱私授權方面存在顯著障礙：用戶需通過復雜流程（如人工客服或郵件）才能撤回非語音數據授權，且多數模型聲明已訓練數據無法刪除，違背《個人信息保護法》的“便捷性”與“刪除權”原則；隱私政策對數據使用范圍、訓練來源披露模糊，用戶難以知情同意；行業缺乏統一標準，監管執行不足，導致實際維權成本高。未來需通過技術優化（如隱私計算）、政策約束（明確數據使用規則）及用戶教育（簡化操作流程）三管齊下，才能實現用戶對數據的自主控制權。

09

圖靈AI+大模型榜是基于企業商業力、團隊力、領導力、資本力和輿論力的評估結果：

戳我查看本月“AI+大模型榜單”