11 月 4 日，据媒体报道，字节跳动出台新的内部 AI 工具使用管理规定：从本月起，全公司所有 L4 级别的代码仓库和飞书文档，一律禁止外部 AI 访问。Claude、Codex 等第三方工具均在限制之列，即便是员工自费购买的账号亦被禁止接入。
该通知上周下发后，引发员工关于外部工具可用性、信息安全边界以及自研与第三方产品关系的热烈讨论。字节跳动技术副总裁洪定坤在内网回应称，此次调整核心考量为内部信息安全，强调“L3 及以上内容一旦泄露后果严重”。针对“借机推广自家产品”的质疑，他明确表示：“推广产品不需要用这种禁掉其他选择强迫使用的方式，因为这样效果很差。”
本文看点
01
密级划线
02
自费账号这条路
03
六个月前的另一笔账
管的不是工具，是出口
此次管控的核心对象是 L4 级别的代码仓库和飞书文档。据流出的通知显示，L4 代表最高密级，而非职级等级，其可见范围仅限极少数核心人员。这意味着，被拦截的是公司内部最敏感、严禁外流的数据资产，而非阻碍员工日常办公效率。
值得注意的是，员工自费购买的外部 AI 账号也被纳入管控范围。过去两年，许多开发者自行订阅 Claude 或 ChatGPT 并接入公司研发环境，虽未通过公司采购审批，但显著提升了效率。新规明确禁止此类个人外部 AI 账号接入内部办公和研发系统。
例外情况仅留给 Seed 团队（字节大模型团队）。作为最前沿的技术团队，Seed 保留了使用最强外部工具的权限，其余人员则严格遵循密级规定。这一举措表明，管控的重点在于数据出口：工具列表容易规避，但代码库和文档的唯一入口却可以被严密监控。
六个月前，同一个人在台上算另一笔账
今年 6 月 23 日，在火山引擎 FORCE 原动力大会上，字节跳动技术副总裁、TRAE 业务负责人洪定坤分享了《AI Coding 的实践与探索》。数据显示，过去一年字节 AI 代码贡献率增长超 6 倍，Token 消耗增长 5 倍，代码合入率增长超 2 倍。TRAE 团队更为激进，半年内超 90% 的代码由 AI 生成，人均需求吞吐率提升 60%。
与此同时，洪定坤也指出指标可能存在的误导性：单纯关注 AI 代码量易将“使用程度”混淆为“成果”，甚至导致团队将其设为 KPI。他提出，“AI 已能写出 90% 的代码，剩下 10% 叫软件工程”。
结合最新禁令来看，逻辑清晰可见：鼓励 AI 应用是为了接管 90% 的重复劳动以提升效率；封锁 L4 数据则是为了保护那 10% 涉及架构、核心算法及未发布产品设计的核心竞争力，防止其被外部模型获取。半年来，字节一直在践行“让 AI 深入流程，让高密数据远离外网”的双重策略。
这不是字节一家的动作
事实上，多家科技巨头近期均采取了类似措施。7 月 3 日，阿里宣布全面禁止员工在办公环境使用 Claude Code，列入高风险软件名单，并推荐自研 Qoder 替代。7 月中旬，蚂蚁集团也全面禁用原生 Claude Code。9 月，英伟达限制员工使用 Claude，理由同为担忧内部代码和知识产权通过外部模型泄露。
此前，2025 年 9 月 Anthropic 发布新版限制政策，随后报道显示字节、腾讯旗下 AI 编程工具移除了 Claude 模型。此外，今年 6 月起，有开发者发现 Claude Code 安装包中存在识别中国用户的判定逻辑，尽管该说法尚未得到第三方独立复核，但反映出行业对数据出境的普遍警惕。
随着公司官方通道的关闭，员工自费使用的个人账号曾是最后的“缝隙”，如今这一途径也被彻底阻断。
密级是唯一能落地的开关
单纯“禁止使用某工具”的规定往往难以执行，员工可通过更换客户端、中转地址或个人热点规避。真正有效的治理在于数据分级与按级设闸。字节的实践表明，以密级为开关的思路同样适用于零售等其他行业。
对于零售企业而言，会员信息、采购价毛利表、供应商合同、新品促销节奏及单店盈亏数据等均为核心机密。针对此类场景，建议采取以下三项措施：
第一，先分级，再谈禁。制定具体的“绝不出内网”数据清单，精确到字段（如“会员手机号后四位”、“含采购价的表格”），避免模糊的“敏感数据”表述。
第二，提供合规替代入口。仅堵不疏会导致影子 AI 转移至隐蔽渠道。企业应统一采购模型、建立统一网关及日志系统，为员工提供便捷且安全的内部 AI 服务。
第三，例外留痕。承认特定团队需使用顶级工具的同时，必须记录谁在何种场景下使用了哪些模型及传输了何种级别的内容，确保例外不等于隐身。
综合施策才是有效治理，单一禁令往往只能带来“看不见的使用”。
结语
企业在推进 AI 深度融入研发流程的同时，必须坚守最高密级数据的底线。这并非矛盾，而是效率与安全的双重保障。
对于各行业从业者而言，值得借鉴的是基于密级的管理思维以及留有口子的例外机制。理解自身最有价值的数据所在，并采取相应防护措施，比盲目模仿禁用动作更为重要。
若未来面临类似限制，不妨先审视日常工作中传输给 AI 的数据是否包含核心商业机密，如采购价等敏感信息。
END
