这并不是针对所有OpenAI产品的一揽子承诺。OpenAI平台文档显示，默认情况下，API功能使用会生成滥用监测日志，通常最长保留30天；法律或运营需要可能构成例外。对于符合条件的端点和使用场景，ZDR会将客户内容排除在这些日志之外。

OpenAI也为符合条件的商业组织提供数据留存控制，包括在API平台配置零数据留存。因此，对企业采购方来说，真正需要核对的不是供应商是否笼统宣称“企业数据受到保护”，而是这项承诺究竟覆盖哪一款产品、哪个端点、哪类数据，以及哪些合同条款。

Private Safety Processing如何运作

传统的滥用监测如果能够把一连串交互联系起来，往往更容易发现持续性的攻击或违规行为。但这通常意味着供应商需要留存、审查，或以其他方式集中处理客户内容。对于涉及机密代码、患者信息、法律文件或金融数据的组织而言，这种做法会带来明显的保密风险。

OpenAI正在向部分客户预览的Private Safety Processing，试图把这两项功能拆开。该系统旨在识别相关交互中的行为模式和安全风险，同时保留ZDR的保护效果。OpenAI称，其系统可以向公司返回范围严格限定的安全信号，而不让OpenAI接触底层客户内容。

目前公开信息说明了这项技术希望实现的隐私与安全结果，但尚不足以核实具体采用了哪种加密设计、可信执行环境或其他底层架构。因此，更稳妥的判断是：OpenAI正在展示一个强调隐私保护的安全处理层，而不是声称该系统的每个技术细节都已经公开验证。

与Anthropic比较时，关键在于分清产品类别

Anthropic是这场竞争叙事中的核心对手，但它针对不同产品的政策并不相同。Anthropic隐私中心表示，Claude for Work、Anthropic API等商业产品的输入和输出默认不会用于训练模型；如果客户主动提供反馈，或以其他方式允许数据使用，情况可能发生变化。

外界广泛讨论的“五年留存”政策，针对的是消费者产品。Anthropic表示，如果用户允许公司使用聊天或编程会话来改进Claude，相关数据可能以去标识化形式进入模型训练流程，并最多保留五年。如果用户不启用这一设置，现有的30天留存期限仍会继续。

这一区分非常重要。OpenAI的宣传并不能证明Anthropic默认会使用企业数据训练模型。OpenAI真正试图拉开差距的，是更广泛的数据治理问题：内容是否会被留存、安全检查如何进行、人工人员或分包处理商能否接触被标记内容，以及客户对部署方式拥有多大控制权。

为什么隐私会影响企业采购

对于大型组织而言，模型能力只是部署风险的一部分。采购、法务和安全团队通常还会审查：

• 提示词和模型输出会被留存多久；
• 企业数据是否会用于模型训练；
• 哪些端点符合零留存条件；
• 元数据或被标记内容是否适用不同的处理规则；
• 谁可以访问安全监测或支持数据；
• 删除、审计和合同控制如何执行；以及
• 供应商能否在不制造新的保密风险的情况下监测滥用行为。

Private Safety Processing的目标，就是让OpenAI更有力地回答最后一个问题。如果其运作方式确如描述，客户就不必在“尽量减少留存内容”和“允许供应商识别跨多次请求的协同滥用”之间作出如此尖锐的二选一。

这对受到严格监管或高度依赖保密的行业尤其重要。即使模型表现出色，只要数据留存条款存在无法接受的例外，项目仍可能无法通过内部审批。对OpenAI而言，这也提供了一条不完全依赖基准测试和模型参数的竞争路径：把治理能力本身做成产品卖点。

收入竞争正在加大压力

这轮隐私攻势出现之际，Anthropic的企业业务正在快速扩张。根据展示给投资者的文件，Anthropic 2026年第二季度的初步收入超过115亿美元，而2025年同期为7.87亿美元，增幅超过14倍。需要注意的是，这些数字是初步数据，并非经审计的财务报表。

据报道，Anthropic截至7月底的年化收入运行率也超过650亿美元，而OpenAI近期披露的运行率约为400亿美元。年化运行率是根据较短时期的表现推算全年收入，因此不能等同于完整财年的实际收入，也不适合直接用来比较两家公司的盈利能力。

这些数字仍然解释了OpenAI为何急于寻找模型能力之外的差异化卖点。Anthropic已经在企业客户中积累了强劲势头，OpenAI则试图用能够直接对应企业风险审查的数据治理方案展开反击。

企业客户仍需逐项核实

OpenAI此次宣布更适合被理解为一项隐私与安全兼顾的竞争方案，而不是普遍适用的数据“彻底抹除”保证。企业在采用任何供应商前，都应确认具体模型和端点的留存条款、是否需要申请ZDR资格、有哪些例外，以及安全信号或元数据仍可能被如何处理。

更大的变化在于，数据治理正在从法律文件的细则变成AI产品本身的一部分。对企业采购而言，强大的模型能力仍是入场券；但当多个供应商的性能差距缩小时，能够提供可靠滥用防控、可验证的数据控制和清晰隐私承诺的厂商，可能更容易赢得最终订单。

这并不是针对所有OpenAI产品的一揽子承诺。OpenAI平台文档显示，默认情况下，API功能使用会生成滥用监测日志，通常最长保留30天；法律或运营需要可能构成例外。对于符合条件的端点和使用场景，ZDR会将客户内容排除在这些日志之外。

OpenAI也为符合条件的商业组织提供数据留存控制，包括在API平台配置零数据留存。因此，对企业采购方来说，真正需要核对的不是供应商是否笼统宣称“企业数据受到保护”，而是这项承诺究竟覆盖哪一款产品、哪个端点、哪类数据，以及哪些合同条款。

Private Safety Processing如何运作

传统的滥用监测如果能够把一连串交互联系起来，往往更容易发现持续性的攻击或违规行为。但这通常意味着供应商需要留存、审查，或以其他方式集中处理客户内容。对于涉及机密代码、患者信息、法律文件或金融数据的组织而言，这种做法会带来明显的保密风险。

OpenAI正在向部分客户预览的Private Safety Processing，试图把这两项功能拆开。该系统旨在识别相关交互中的行为模式和安全风险，同时保留ZDR的保护效果。OpenAI称，其系统可以向公司返回范围严格限定的安全信号，而不让OpenAI接触底层客户内容。

目前公开信息说明了这项技术希望实现的隐私与安全结果，但尚不足以核实具体采用了哪种加密设计、可信执行环境或其他底层架构。因此，更稳妥的判断是：OpenAI正在展示一个强调隐私保护的安全处理层，而不是声称该系统的每个技术细节都已经公开验证。

与Anthropic比较时，关键在于分清产品类别

Anthropic是这场竞争叙事中的核心对手，但它针对不同产品的政策并不相同。Anthropic隐私中心表示，Claude for Work、Anthropic API等商业产品的输入和输出默认不会用于训练模型；如果客户主动提供反馈，或以其他方式允许数据使用，情况可能发生变化。

外界广泛讨论的“五年留存”政策，针对的是消费者产品。Anthropic表示，如果用户允许公司使用聊天或编程会话来改进Claude，相关数据可能以去标识化形式进入模型训练流程，并最多保留五年。如果用户不启用这一设置，现有的30天留存期限仍会继续。

这一区分非常重要。OpenAI的宣传并不能证明Anthropic默认会使用企业数据训练模型。OpenAI真正试图拉开差距的，是更广泛的数据治理问题：内容是否会被留存、安全检查如何进行、人工人员或分包处理商能否接触被标记内容，以及客户对部署方式拥有多大控制权。

为什么隐私会影响企业采购

对于大型组织而言，模型能力只是部署风险的一部分。采购、法务和安全团队通常还会审查：

• 提示词和模型输出会被留存多久；
• 企业数据是否会用于模型训练；
• 哪些端点符合零留存条件；
• 元数据或被标记内容是否适用不同的处理规则；
• 谁可以访问安全监测或支持数据；
• 删除、审计和合同控制如何执行；以及
• 供应商能否在不制造新的保密风险的情况下监测滥用行为。

Private Safety Processing的目标，就是让OpenAI更有力地回答最后一个问题。如果其运作方式确如描述，客户就不必在“尽量减少留存内容”和“允许供应商识别跨多次请求的协同滥用”之间作出如此尖锐的二选一。

这对受到严格监管或高度依赖保密的行业尤其重要。即使模型表现出色，只要数据留存条款存在无法接受的例外，项目仍可能无法通过内部审批。对OpenAI而言，这也提供了一条不完全依赖基准测试和模型参数的竞争路径：把治理能力本身做成产品卖点。

收入竞争正在加大压力

这轮隐私攻势出现之际，Anthropic的企业业务正在快速扩张。根据展示给投资者的文件，Anthropic 2026年第二季度的初步收入超过115亿美元，而2025年同期为7.87亿美元，增幅超过14倍。需要注意的是，这些数字是初步数据，并非经审计的财务报表。

据报道，Anthropic截至7月底的年化收入运行率也超过650亿美元，而OpenAI近期披露的运行率约为400亿美元。年化运行率是根据较短时期的表现推算全年收入，因此不能等同于完整财年的实际收入，也不适合直接用来比较两家公司的盈利能力。

这些数字仍然解释了OpenAI为何急于寻找模型能力之外的差异化卖点。Anthropic已经在企业客户中积累了强劲势头，OpenAI则试图用能够直接对应企业风险审查的数据治理方案展开反击。

企业客户仍需逐项核实

OpenAI此次宣布更适合被理解为一项隐私与安全兼顾的竞争方案，而不是普遍适用的数据“彻底抹除”保证。企业在采用任何供应商前，都应确认具体模型和端点的留存条款、是否需要申请ZDR资格、有哪些例外，以及安全信号或元数据仍可能被如何处理。

更大的变化在于，数据治理正在从法律文件的细则变成AI产品本身的一部分。对企业采购而言，强大的模型能力仍是入场券；但当多个供应商的性能差距缩小时，能够提供可靠滥用防控、可验证的数据控制和清晰隐私承诺的厂商，可能更容易赢得最终订单。