大数跨境

商业秘密保护新动态:xAI在加州联邦法院起诉OpenAI涉嫌窃取商业秘密,AI企业该如何进行商业秘密保护?

商业秘密保护新动态:xAI在加州联邦法院起诉OpenAI涉嫌窃取商业秘密,AI企业该如何进行商业秘密保护? 施吉龙的涉外法与合规旅程
2025-09-27
1
导读:2025年09月24日,xAI在加州北区联邦法院提交诉状起诉OpenAI涉嫌窃取商业秘密。xAI指控OpenAI通过系统性挖角xAI前员工以获取与Grok相关的源代码、内部策略/数据中心运维优势等商业
声明与限制:本文依据是美国国内法,相关信息来源于媒体报道以及相关案件李学晨案的信息(本公众号9月18日有过介绍)。
一、事件概述

    2025年09月24日,xAI在加州北区联邦法院提交诉状起诉OpenAI涉嫌窃取商业秘密。xAI指控OpenAI通过系统性挖角xAI前员工以获取与Grok相关的源代码、内部策略/数据中心运维优势等商业秘密,并据此在生成式AI竞赛中获得不正当优势。涉及的前员工有前xAI工程师Xuechen Li(李学晨)、工程师Jimmy Fraiture及一位资深财务高管等被点名牵涉;其中李学臣此前已因涉嫌窃密被起诉并被法庭以临时措施限制在OpenAI从事相关AI工作。


二、适用法律与争点

   由于具体的起诉状并未公开披露,施吉龙律师认为xAI会以以下理由向OpenAI提起诉讼:

(一)可能适用的法律

     1、联邦《捍卫商业秘密法》(DTSA, 18 U.S.C. §1836 等)与加州《统一商业秘密法》(CUTSA):界定“商业秘密”、合理保密措施与不当获取/使用/披露要件。
      2、合同法/侵权法配套:保密协议(NDA)、雇员忠实义务、干扰经济关系、不正当竞争等州法主张。
       3、加州用工法背景:禁止竞业限制的一般立场(Bus. & Prof. Code §16600),使“跳槽”本身不违法,焦点回到“是否带走并使用商业秘密”。

(二)诉讼核心争议点与双方可能论点预测

核心争议点1:商业秘密的可识别性与保密措施

       xAI需证明:涉密对象(如代码/架构/数据中心部署优势等)具体而可界定,且有实际、持续的保密措施(访问控制、日志、权限分级、NDA等)。

       OpenAI或抗辩:指控笼统/不具体;涉密信息可从公开渠道或独立研发获得;或xAI保密措施不足。


核心争议点2:不当获取/使用的证据链


      xAI可能依赖:取证日志(下载量、拷贝行为、外接盘/云端同步记录)、邮件/聊天记录、离职交接痕迹等;媒体称xAI指控有人“下载了完整代码库”。(下载量、拷贝行为、外接盘/云端同步记录)、邮件/聊天记录、离职交接痕迹等。
     OpenAI或抗辩:独立开发(independent development)、清洗隔离(ethical wall/洁净室)流程、未使用涉密内容。

核心争议点3:“系统性挖角”与人才流动边界

     合法招聘≠ 合法使用商业秘密。加州保护人才自由流动,但禁止携密。OpenAI可主张正常招聘、未索取保密信息;xAI则需证明“诱导违约/披密”或“有计划的获取”。


核心争议点4:紧急救济(TRO/PI)门槛

    xAI若申请临时/初步禁令,需证明:胜诉可能性、难以弥补的损害、衡平性与公共利益;法院常关注证据的即时性/具体性。



三、未来可能进行的程序预测及关注点

1、开局阶段:送达、被告应诉(动议驳回/转移管辖/更明晰起诉书等),以及是否进入临时限制令/初步禁令听证期。

2、取证期(Discovery):

    • 数字取证:代码仓库日志(pull/clone/push)、设备镜像、公司SaaS日志(Drive、Slack、Notion、Git等)、VPN/访问控制记录。

    • 人员证据:离职与入职面谈纪要、培训材料、内部邮件/IM、招聘沟通记录。

3、专家证人:比对代码相似度、系统架构与性能指标、可公开获得性与独立开发可行性评估。

4、动议提起:禁令、证据保全/保护令、商业秘密识别令(法院可能要求原告在保密令下更具体地列示“到底什么是秘密”)。


   这起诉讼的胜负关键在于:xAI能否具体且可验证地证明“哪些”信息构成商业秘密、采取了“哪些”保密措施,以及这些信息被不当获取/使用与OpenAI产出之间的因果链。在加州人才自由流动的大背景下,“挖角”与“窃密”之间的界线将由数字取证与工程证据来划清。短期内,双方的禁令攻防与取证策略将决定案件走向,同时也会对整个AI行业的人才招聘、代码与数据合规带来示范效应。


四、企业合规启示

   针对该案件,考虑到行业背景以及案件具体情况,施吉龙律师将聚焦三大风险场景:系统性挖角、整库/批量代码与资料外流、禁令(TRO/PI)与取证战,给出如下风险应对措施:


(一)招聘与“系统性挖角”风险:合法招才 vs. 商业秘密边界

1、零容忍索取前雇主资产:在招聘、面试、入职引导中明确禁止候选人携带/展示/复用前雇主的代码、模型权重、内部文档、数据集、基建脚本、评测集等。任何“带样例来证明能力”的要求一律改为公开题/自建题。

2、入职“洁净室”四层防线

(1)人:签署《前雇主保密资产不携带/不使用承诺》《负面知识使用限制说明》(只能使用一般职业技能与公开知识)。

(2)流程:关键岗位(模型训练/推理栈)设置冷静期/影子期(不接触核心仓库、不提交核心路径代码),并记录独立开发计划与任务拆分。

(3)技术:为新员工启用最小权限与延时升级策略;禁止任何形式的外部网盘/个人设备接入;开启剪贴板/外设策略与DLP告警。

(4)审计:新员工前90天代码相似度扫描、提交溯源(关联工单/设计文档/评审记录)与定期spot-check。

3、招聘沟通留痕 + 话术规范:统一使用招聘系统或企业通信工具,禁用易销毁消息;禁用“带上你原来做的某某模块”之类话术,避免引导披密。

4、反垄断底线:严禁与竞争对手达成任何互不挖人/薪酬串通协议。招聘边界靠内部合规而非对外限制人才流动。


(二)“整库下载/批量外流”类风险的工程控制(代码/模型/数据/基建)

1、仓库级风控:核心仓库启用克隆/拉取限速与阈值告警、大文件(LFS/权重/检查点)单独白名单、离线包导出封禁。

2、源代码“原创证明链”:所有提交都需绑定工单ID,并附设计文档/参考资料(仅公开源);评审模板新增“公开来源佐证”检查项。

3、相似度与“污染”防护:在提交与合并前,对代码/笔记本/脚本/推理服务配置运行相似度检测(文本+AST/指纹结合);对模型权重、评测集建立来源账本(provenance ledger),记录创建时间线、参与人、数据/脚本/算力配方。

4、数据与评测资产:区分公开数据/许可数据/自建数据;评测集采取分片访问与水印/陷阱样本;禁止将前雇主私有评测或内部对齐脚本导入。

5、基建脚本与SRE资产同等对待:编排脚本、缓存/路由策略、KV布局、成本优化手册等均可能是商业秘密;设独立库与访问审计。


(三)禁令(TRO/PI)与取证就绪:如何降低“先发制人”风险


1、独立开发档案(IDA):为重要功能建立可时间戳验证的证据包:最早需求/白板图、PRD、PoC、提交记录、基准测试、第三方开源依赖列表、关键人员到岗时间。用于证明未使用对手秘密。

2、法律保全与沟通“急停键”:一旦收到律师函/起诉,立即触发Legal Hold:冻结相关账户的删除/过期策略,保存Git/对象存储/Slack/邮件/工单日志;对外统一口径,避免自发解释造成证据风险。

3、新员工“隔离与澄清”:涉诉员工临时权限收紧与工作范围调整,记录隔离决策与审批链,并由法务牵头做书面情况说明。

4、外部取证伙伴:预先签订与数字取证/鉴定供应商的应急框架协议(SLA含响应时效、镜像方式、保密条款),避免临阵招标耽误时间。


    上述建议仅根据AI企业以及本案案情展开。其他企业的商业秘密保护措施以及防御手段实际上也是需要根据企业所在行业、企业自身情况运用合适的措施进行。因此,系统化定制化的商业秘密保护体系建设和流程化、模块化的具体措施,建议寻找该领域的专家进行诊断和方案定制。





【声明】内容源于网络
0
0
施吉龙的涉外法与合规旅程
1234
内容 104
粉丝 0
施吉龙的涉外法与合规旅程 1234
总阅读0
粉丝0
内容104