提到AI公司的商业秘密，绝大多数人脑子里第一个冒出来的，是源代码。

不少创始人也是这么想的：代码我都加密了、权限也管了，应该没问题了吧？

但这两年办AI企业的知产案子，我越来越明显地感觉到，真正值钱、也真正容易被带走的东西，往往不是那几行代码。

今年8月市场监管总局公布的全国首例人工智能垂类大模型商业秘密案，把这件事讲得特别透。今天就拿这个案子，跟做AI的朋友聊一聊。

一、这个案子，他没偷代码，为什么还是被罚了

事情发生在杭州。

孙某是杭州一家人工智能企业的资深算法专家，从2011年入职，一直干到2025年离职，在位十几年，全权牵头研发公司某垂直领域的AI智能审查模型，手里掌握着这个模型最核心的资料。

问题出在他在职期间。2023年12月，他用配偶的身份，悄悄注册并实际控制了一家叫"法原"的科技公司；2024年6月，他把原东家AI模型的专属提示词模板、审查规则、标注规范这些资料，发给了自己公司的研发人员，用来做一个同类的AI模型。

注意，这里被带走的不是源代码。

但经过行业专家专项论证，这些资料组合起来形成的"场景智能审查一体化方案"，具备非公知性、有商业价值、企业也做了保密管控，被认定为AI垂直领域新型集成式技术商业秘密。

2026年5月28日，杭州市市场监管局责令孙某停止违法行为，并处罚款35万元，他实际控制的法原公司另案处理。

这个案子最关键的意义，是打破了AI行业过去的"代码情结"——明确了自然语言类的集成方案、非标准化的运营规则，同样可以独立构成商业秘密。

二、为什么说"非代码资产"才是AI企业真正的护城河

懂行的人都知道，同样一个开源底座、同样一套框架，为什么不同公司做出来的模型效果天差地别？

差距往往不在代码，而在这些地方：

• 提示词工程：怎么把一个专业场景拆成模型听得懂、输出稳定的提示词体系

• 训练和审查规则：行业Know-how沉淀下来的判断标准、规则库

• 数据标注规范：标注口径、质检标准，这些直接决定训练质量

• 模型参数和权重：反复调参试错换来的成果

• 集成方案和运营规则：怎么把模型嵌进业务流程、非标运营打法

这些东西有个共同特点：它们大量以文档、表格、自然语言的形式存在，不依赖某个程序员，却高度依赖核心专家，而且复制、带走的门槛极低。

一个算法专家离职，可能拷不走、也记不全全部代码，但他脑子里、硬盘里装着的提示词、规则、规范，往往能让新东家少走一两年弯路。

这才是AI企业人才流动中，最现实、也最容易被忽视的泄密风险。

三、想认定商业秘密，绕不开这三个要件

有的创始人问我：那我把这些文档都管起来，是不是就自动成了商业秘密？

还真不是。法律上认定商业秘密，要同时满足三个条件，缺一不可：

第一，非公知性（秘密性）。这个信息不能从公开渠道直接获取，是你投入成本摸索出来的。

第二，商业价值（价值性）。它能给你带来现实或潜在的竞争优势。

第三，保密措施（保密性）。这是实践中最容易出问题的一项——你得证明自己真的把它当秘密在保护：签了保密协议、标了密级、设了权限、做了加密。

提醒一句：很多企业败诉，不是因为信息不重要，而是拿不出"我采取过合理保密措施"的证据。前面说的孙某，恰恰是因为入职时就签了专项保密协议，保密义务清清楚楚，处罚才来得这么干脆。

四、给AI企业的几条实操建议

第一，把"非代码资产"正式纳入秘密管理范围。提示词库、规则库、标注规范、调参记录，该标密的标密、该归档的归档，别让它们散落在各人电脑和聊天记录里。

第二，核心专家的保密、竞业协议要签到位。算法、数据、产品负责人这类岗位，保密义务要覆盖在职和离职后，关键岗位配合竞业限制。

第三，管好权限和留痕。核心文档按岗位授权访问，下载、外发有记录，离职时及时收回权限、交接资料。

第四，做一次系统的商业秘密盘点。把公司真正值钱的信息资产摸清楚，分清哪些是代码、哪些是非代码秘密，分别定保护措施。

AI行业的竞争，说到底是人才和Know-how的竞争。你辛苦摸索出来的提示词体系、规则库、标注规范，和代码一样，都是公司的命根子。

为了帮企业系统排查，我们整理了一份《企业商业秘密保护自查清单（20项）》，从秘密范围、保密措施到人员管理，覆盖了企业最容易漏的点，AI企业尤其可以照着查一查"非代码资产"。需要的朋友，私信"自查"领取。

遇到人才流动、秘密保护方面的问题，也欢迎直接找我聊。

知寰律师事务所-AI时代知识产权全链条保护专家

加入「知寰-AI时代知识产权保护」交流群 企业知产合规 · AI版权 · 商业秘密 · 软件著作权实务交流，定期分享自查清单与典型案例 长按识别进群，免费领取各业务自查清单