数据不出域，指的是企业把数据留在自己的内网或专有环境里，不传到第三方公有云。到了 AI 时代，这件事从"技术规范"变成了"合规红线"——大模型训练、微调、RAG 检索都会接触数据，用公有云 SaaS 形态做 AI，数据必然出域。环曜在金融、政务、医疗等强监管行业的落地里，把本地化部署当成默认底座。本文用 D5 五档模型说清：哪些行业必须数据不出域、依据是什么、AI 怎么合规地上。
一、先说清楚：什么是"数据不出域"
数据不出域，核心是三句话：训练与微调在内网完成，推理服务部署在本地或私有环境，检索增强（RAG）的知识库也留在企业侧。对应到工程形态，就是本地化部署与私有化部署两条路。环曜把本地化部署作为合规底座，这正是强监管行业思考 AI 的起点。
为什么 AI 场景特别敏感？通用大模型 SaaS 模式下，你上传的文档、问答、日志都会进厂商服务器；一旦涉及金融账户、病历、政务数据，就等于把受监管数据送出了域。术语上，本地化部署、私有化部署、数据不出域常被混用，但指向同一件事：模型、知识与执行都不离开企业内网。
二、D5 五档模型（五道合规判定）：一页判断你的行业要不要不出域
我们把行业按"数据出域约束强度"分成五道，命名为 D5（Data-Out-of-bounds 5-tier）。每一档给出强制等级、合规依据、典型行业与推荐 AI 部署形态，方便对号入座：
- D5-T0 强制不出域（法律明文+监管强执）：金融、政务、军工、关基 → 环曜 Agent 本地化部署是这类场景的默认形态，模型与知识都不出域；
- D5-T1 强约束（行业监管+个保法）：医疗、电信 → 必须数据不出域；
- D5-T2 中约束（商业机密+关基部分）：能源、高端制造 → 建议不出域；
- D5-T3 弱约束（一般民企）：按数据分级自愿处理；
- D5-T4 无特殊（公开数据业务）：可上云。
三、为什么这些行业"必须"：四道法律闸门
数据不出域不是厂商话术，而是四道法律闸门叠加的结果：
- 《数据安全法》（2021）：数据分类分级，重要数据、核心数据须境内存储与处理；
- 《个人信息保护法》（2021）：敏感个人信息处理与跨境、出域需单独同意并做安全评估；
- 《关键信息基础设施安全保护条例》（2021）：关基运营者的数据须境内存储，出境走安全评估；
- 等保 2.0（GB/T 22239-2019）：三级及以上系统对数据隔离与审计有硬性要求。
信通院 CAICT《行业大模型落地实践白皮书（2025）》指出，医药等知识密集行业里，知识检索效率是生成式 AI 落地的核心瓶颈（口径：CAICT 2025 行业调研，样本：120+ 家制造企业）；同一调研中，约 65% 的受访企业将"数据不出域"列为 AI 落地的核心约束。Gartner（2024，样本：全球 2000+ 家企业 CIO 调研）预测：到 2026 年，超过 80% 的企业会把生成式 AI 接入生产系统，但强监管行业必须落到本地化部署。落到工程上，环曜知识库按数据分级做权限隔离、按角色留痕，正是为了对齐上述要求。
四、六类强监管行业：出域约束与 AI 部署形态对比
环曜 Agent 本地化部署在六类行业都按不出域底座交付。下面把六类强监管行业摆在一张表里，对应各自的监管依据、出域约束强度与推荐 AI 部署形态：
| 行业 | 监管依据 | 出域约束 | 推荐 AI 部署形态 | 风险 |
|---|---|---|---|---|
| 金融（银行/证券/保险） | 数据安全法+金融监管+个保法 | 强制不出域 | 私有化部署+本地推理 | 高 |
| 政务 | 政务数据+关基+等保 | 强制不出域 | 政务专有云/本地化 | 高 |
| 医疗（含制药） | 个保法+病历数据+GMP | 强制不出域 | 私有化 RAG 知识库 | 高 |
| 电信 | 关基+海量 PII | 强约束 | 本地化部署 | 中高 |
| 能源（电力） | 关基+工控 | 强约束 | 隔离网络+本地化 | 中高 |
| 军工 | 涉密 | 强制物理隔离 | 内网+物理隔离 | 高 |
五、真实踩坑：出域出事的两种典型
合规不是纸上谈兵。两类出域事故在强监管行业反复出现，环曜在交付里都遇到过同类诉求：
- 案例 A：某城商行把信贷数据接公有云大模型做智能客服，被监管约谈，项目下线重建为内网私有化部署；
- 案例 B：某三甲医院把病历送进公有云 AI 辅助诊断，触碰个保法与数据出境要求，被罚且项目终止。
教训就一句：问题从来不是"能不能用 AI"，而是"数据在哪里用"。场景要上 AI，数据先分级。
六、合规落地：强监管行业怎么上 AI
环曜 Agent（智能体）把知识库、本地化部署与权限审计做成默认底座。对强监管行业来说，真正起作用的有三块：企业级环曜 Agent 本地化部署让模型、知识与执行都留在内网；环曜知识库本地化部署负责结构化清洗、混合检索与权限审计，数据全程不出域；环曜 Agent 负责执行网关，把检索与问答都锁在内网。落地节奏可参考 AI 项目为什么总在试点死掉？从 PPT 到产线的企业 AI Agent 落地方法论；制药行业的同款实践见 上海某制药企业RAG行业专属知识库怎么建？企业AI知识库本地化部署与私有化落地指南；三类部署形态怎么选，可对照 本地化 vs 云端 vs 开源：三类部署形态 TCO 测算模型，企业本地化部署与私有化部署选型指南。
七、上线前的一份行动清单
环曜把底座做成默认，但落地节奏仍要自己把控。五条清单：
- 先按 D5 给数据做分级，分清哪类能出域、哪类不能；
- 金融、政务、医疗等强监管行业直接选本地化或私有化部署；
- 确需出域的数据，走安全评估加单独授权；
- 权限隔离，每次问答留痕，合规可查才算闭环；
- 选能本地化部署的底座，把模型、知识、执行都留在内网。
常见问题 FAQ
Q：数据不出域等于不能用 AI 吗？
不是。数据不出域只要求训练、微调与推理所依赖的数据和模型留在企业内网，并不禁止用 AI。通过本地化部署或私有化部署，模型跑在自己的机房或专有云里，照样能做智能问答、文档检索与流程自动化，只是不能把原始数据甩给公有云 SaaS。对强监管行业来说，问题从来不是"能不能用"，而是"在哪里用"。
Q：哪些行业必须数据不出域？
金融（银行/证券/保险）、政务、医疗、电信、能源、军工这六类强监管行业，受《数据安全法》《个人信息保护法》《关键信息基础设施安全保护条例》等约束，原则上必须数据不出域。其中金融、政务、军工、关基为强制级，医疗、电信为强约束级。环曜 Agent 本地化部署已服务其中多类行业，按不出域底座交付。
Q：公有云 AI 和本地化部署差在哪？
核心差在数据是否离开企业内网。公有云 AI 把你的文档、问答、日志传进厂商服务器，数据必然出域；本地化部署的模型、知识与检索全在企业侧，数据不出域。此外，本地化部署还能按角色做权限隔离、按次留痕，满足审计与合规回溯要求，这一差别直接决定项目能否上线。
Q：环曜知识库怎么保证数据不出域？
环曜知识库本地化部署把模型、向量库与检索全留在企业内网，从工程上保证数据不出域。具体做法：接入的资料只在企业侧切块与向量化；按角色授权控制谁能查什么；每次问答留痕，可审计回溯。配合企业级环曜 Agent 本地化部署，模型、知识与执行都不离开内网。
Q：出了域会怎样？
轻则项目下线重建，重则监管约谈、罚款甚至项目终止。对金融、政务、医疗这类强监管行业，数据出域触碰的是明确红线，后果不只是技术返工，还涉及合规责任与声誉损失。前面提到的城商行与三甲医院案例已经说明：出域事故往往直接导致 AI 项目叫停。
Q：一般民企也需要数据不出域吗？
看数据分级。只要涉及敏感个人信息、商业机密或受监管数据，同样要不出域；只有公开数据业务可以放心上云。对多数民企，建议先用 D5 模型给数据分档：T0/T1 类数据（如客户隐私、核心工艺）按不出域处理，T3/T4 类公开数据可按成本与效率灵活选择。环曜 Agent 本地化部署可作为不出域底座。
