企业客户对 AI 厂商的信任，正在从「听你说什么」转向「看你做什么」。
发生了什么
据 The Decoder 报道，OpenAI 和 Anthropic 都曾向企业客户承诺，其业务数据不会被用于模型训练。但 Anthropic 宣布将旗舰模型 Fable 的使用日志留存 30 天后，Palantir、英伟达和 Booz Allen Hamilton 等客户开始从敏感业务场景中撤出对该模型的使用。这些公司本身承接大量政府、国防与关键基础设施相关项目，对数据流向的敏感度远高于普通企业。
值得注意的是，Anthropic 并未改变「不用于训练」的承诺，仅仅是延长了日志留存时间，就足以触发客户的防御性反应。
为什么重要
这件事的关键不在于某一条政策是否合理，而在于 AI 厂商与客户之间的信任结构本身很脆弱。
企业采购大模型时，真正在意的不是模型能力排名，而是数据边界是否可验证。厂商的隐私政策、数据处理条款、日志策略、第三方审计能力，任何一项发生变化，都可能让客户重新评估风险。而这类变化往往发生在合同周期之外，客户缺少对等的话语权。
更深层的矛盾在于，AI 厂商自身也有合规、安全和滥用检测的需求，日志留存几乎是必选项。于是「不训练你的数据」和「不留你的数据」变成了两件事，而客户往往把两者混为一谈。厂商越是强调前者，越容易在后者上失分。
影响与看点
对行业而言，这会加速企业侧的分层：通用、低敏感场景继续用公有 API；涉及专有数据、合规审计、政府项目的场景，会更多转向私有部署、专属实例，或干脆自建模型。这也解释了为什么「数据不出域」正在成为企业级 AI 的核心卖点，而不是附加功能。
对开发者来说，需要重新审视自己依赖的 API 条款：日志留存多久、谁能访问、是否可协商删除、是否有区域化存储选项。这些细节过去常被忽略，现在会直接影响产品能否进入某些客户。
对 AI 厂商而言，真正的解法不是反复声明承诺，而是把数据边界做成可审计、可配置、可合同化的产品能力。信任无法靠公关稿建立，只能靠可验证的机制积累。
一个独立判断：在数据治理能力追上模型能力之前，AI 厂商在企业市场的天花板，可能不是技术，而是信任。
