中國儲能網訊：隨著DeepSeek的“橫空出世”以及人工智能的深度發(fā)展，未來，能源大模型企業(yè)應用DeepSeek的場景將更為多元。不過，在接入運用和深度訓練等系列活動中，企業(yè)可能面臨一系列法律風險，應結合技術特性與監(jiān)管要求進行綜合考量。能源企業(yè)需在技術創(chuàng)新與法律合規(guī)間尋求平衡，通過跨領域合作，如法律、技術、行業(yè)專家，構建風險防控體系，以應對大模型應用帶來的復雜挑戰(zhàn)。
能源大模型是一種將大型語言模型和其他先進人工智能技術應用于能源行業(yè)的創(chuàng)新技術，在能源行業(yè)中具有廣泛的應用場景，包括智能電網管理、能源消耗優(yōu)化、新能源技術研發(fā)、碳排放管理和減排策略、能源市場分析、供應鏈優(yōu)化等多個方面。在全球范圍內，能源安全正面臨前所未有的挑戰(zhàn)，包括地緣政治沖突、經濟增長疲軟、氣候變化等問題。傳統的能源增長模式和管理手段已逐漸失效，而大模型技術為能源產業(yè)創(chuàng)新提供了無限可能，推動全球綠色轉型。通過應用大模型技術，可以優(yōu)化能源生產和消費、提高能效、促進可持續(xù)發(fā)展，應對全球氣候變化挑戰(zhàn)。
能源大模型的運用已逐步推廣，眾多能源央企也開始嘗試能源大模型應用。據不完全統計，國家能源集團、中國核電、中廣核、國家電網、國家電投、華電集團、華能集團、南方電網等多家能源央企，先后接入DeepSeek大模型。能源央企通過DeepSeek的深度整合，實現了從底層算力到上層業(yè)務的全面升級。隨著應用深度和廣度的不斷提升，能源大模型接入DeepSeek應用場景，應當從以下幾個法律關系層面做好風險防范。
首先，在數據安全與隱私保護方面，大模型訓練涉及到各個行業(yè)的海量數據，若能源企業(yè)使用包含用戶隱私或行業(yè)敏感數據，如電網運行數據、用戶能耗信息、企業(yè)用能技術數據等進行訓練，可能違反《中華人民共和國個人信息保護法》或《中華人民共和國數據安全法》，尤其是在數據跨境傳輸時需滿足本地化存儲和審查要求。具體而言，大模型平臺存在“多租戶數據交織存儲”風險，可能因微調參數殘留導致敏感信息通過模型輸出而產生泄露情形。大模型平臺的業(yè)務特性與風險場景呈現鮮明的個性化特征，因此需進一步警惕算力資源遭受攻擊的風險。同時，圍繞數據質量與來源合法性考察安全性，若訓練數據包含未授權的開源代碼、專利技術或受版權保護的行業(yè)研究報告，可能同時引發(fā)知識產權爭議。
第二，知識產權與算法侵權風險同樣伴隨著能源大模型運用DeepSeek的過程。以模型訓練中的版權爭議為例，大模型可能吸收開源代碼、論文或專利技術，若未明確授權，可能構成侵權。例如，能源領域的算法若借鑒了受保護的專利技術，可能面臨侵權訴訟。權屬完整性同樣也是引發(fā)侵權責任的關鍵原因，生成式模型數據的內容權屬與責任歸屬是一個問題的兩個方面——模型輸出的建議若涉及錯誤或侵權行為，責任主體將難以界定。雖然在實踐中DeepSeek能夠通過開源策略降低風險，但企業(yè)作為經營主體仍然需明確用戶協議中的責任條款，加強內控合規(guī)，防范由于內控不嚴導致的外部追責。
第三，在開源模式下的合規(guī)風險方面，目前DeepSeek-R1采用完全開源模式，但如果能源企業(yè)基于其開發(fā)衍生模型，需遵守開源協議，避免閉源使用或未履行署名義務。DeepSeek的開源策略雖自由，仍需防范一些潛在的法律糾紛。一些國外案例顯示，開源模型可能被用于軍事或受制裁的能源項目，違反出口管制法規(guī)。同時，網絡攻擊者可能利用模型漏洞進行網絡攻擊，企業(yè)需加強合規(guī)審查。
第四，在合規(guī)倫理風險方面，模型運用的倫理風險可通過倫理審查合規(guī)性檢測來預防?？萍紓惱韺彶?，是指對科技研發(fā)、應用、推廣等全過程進行的倫理性評價和監(jiān)督，其主要目標是確?？萍蓟顒臃系赖潞蛡惱碓瓌t，保護人的權益，避免或減輕可能產生的負面影響。根據我國頒布的《科技倫理審查辦法（試行）》《生成式人工智能服務管理暫行辦法》，能源企業(yè)若提供基于大模型的公共服務，如能源需求預測等，需完成算法備案和安全評估，確保內容符合倫理規(guī)范。如果模型生成誤導性能源政策建議或虛假報告，將可能引發(fā)公共信任危機。目前，DeepSeek通過“提示詞注入檢測”等技術控制輸出，企業(yè)需建立內容過濾機制。
為應對前述法律風險，建議能源大模型企業(yè)在應用DeepSeek進行數據交互時，從如下幾個方面防范具體法律風險。
一是建立數據治理體系。嚴格審核訓練數據來源，實施數據脫敏和分類分級管理，強化安全架構。例如，采用分布式服務、動態(tài)熔斷機制抵御DDoS攻擊，定期進行滲透測試。
二是全方位做好數據安全與隱私保護。本地化層面，能源企業(yè)可采用私有化部署模式，確保核心業(yè)務數據不流出本地環(huán)境。例如，部分企業(yè)通過全棧國產化適配，實現從芯片到模型的自主可控，避免敏感數據外泄。能源大模型企業(yè)在數據采集應用方面，應當嚴格遵守協議預授權，協同委托客戶方企業(yè)的訓推一體機提供開箱即用的本地化解決方案，降低數據暴露風險。動態(tài)加密角度，在數據調用環(huán)節(jié)，可采用角色分級、場景化訪問控制等細粒度權限管理和動態(tài)加密技術。
三是遵守法律強制性規(guī)定且明確法律協議。能源大模型企業(yè)應當遵循《中華人民共和國數據安全法》《中華人民共和國網絡安全法》及行業(yè)監(jiān)管要求，設立內控數據倫理審查機制，審查算法偏見、決策透明度等模型應用潛在風險，例如，央企在“AI+專項行動”中強調數據合規(guī)與場景高價值性結合。在與用戶簽訂的委托或者合作協議中，界定生成內容權屬，限制高風險用途。此外，在行業(yè)法律法規(guī)方面，能源大模型企業(yè)還需關注行業(yè)個性化方面的規(guī)定，遵守涉及能源行業(yè)的全生命周期管理、數據安全、環(huán)境保護、市場準入等多個方面的法律法規(guī)。如《中華人民共和國能源法》《中華人民共和國節(jié)約能源法》《重點用能單位節(jié)能管理辦法》《節(jié)能減排統計監(jiān)測及考核實施方案》等。
四是做好跨部門協同和提升標準制定參與度。推動行業(yè)協會或政府主導構建能源數據開放平臺，在脫敏處理后共享風電功率曲線、電網負荷歷史數據等行業(yè)通用數據集，促進跨企業(yè)協同創(chuàng)新。能源大模型企業(yè)應積極為相關行業(yè)標準和法律法規(guī)提供反饋途徑。通過接口協同的方式，活化與行業(yè)資源互動機制。通過統一API和可視化界面，實現上下游企業(yè)間的數據互通。
總之，能源大模型企業(yè)在應用DeepSeek的過程中，需以數據治理為核心，圍繞“安全、質量、共享、合規(guī)”四大支柱構建體系。未來，隨著行業(yè)數據開放程度的提升和聯盟學習等技術的發(fā)展，能源數據治理體系將更趨動態(tài)化與智能化，進一步釋放大模型在能源革命中的潛力。
（作者系上海律師協會環(huán)境資源與能源業(yè)務委員會副主任、中國能源研究會碳中和委員會會員）
