2026年夏天，苹果公司在美国加州北区联邦地区法院对OpenAI及其硬件子公司io Products提起了诉讼，一同被列为被告的还有两名前苹果核心工程师。苹果指控OpenAI通过系统性手段窃取其硬件领域的商业秘密，以加速自身消费硬件业务的扩张。这起案件之所以引人注目，除了两家科技巨头的身份之外，更因为它恰好戳中了AI产业一个日益尖锐的矛盾——AI企业的核心竞争力高度依赖于掌握核心技术的顶尖人才，而这些人才在流动过程中难免会带着技术信息一同迁移，法律如何在这一领域划定边界，正成为越来越迫切的现实问题。苹果与OpenAI的这场诉讼，把这一矛盾推到了聚光灯下。

一、苹果诉OpenAI案情回顾

2026年7月10日，苹果公司正式递交诉状，其指控可以概括为三个层面。

第一个层面针对具体个人。 Chang Liu在苹果担任高级系统电气工程师八年，2026年1月离职加入OpenAI。苹果称，Liu离职后未归还工作笔记本电脑，随后利用苹果身份验证系统的漏洞，非法访问内部网络存储空间，在数周内下载了包含上千页主逻辑板制造测试工艺在内的数十份高密级工程文件。Tang Tan的案情更具戏剧性。作为在苹果工作24年的老将，他曾担任iPhone和Apple Watch产品设计副总裁，掌握最高等级的项目和供应链机密。苹果指控Tan在职期间便将苹果供应商信息通过邮件发送给自己，离职后出任OpenAI首席硬件官，还在面试环节使用苹果内部项目代号追问未发布产品细节，要求应聘的苹果在职工程师将电池、逻辑板等“实际零件”带到OpenAI进行展示。

第二个层面指向制度化的行为模式。苹果认为这不是个人行为，而是OpenAI有组织的策略：面试中强制候选人携带原公司的零件和设计原型；指导离职员工隐瞒下家为OpenAI以延长内网访问窗口；甚至串通苹果供应商盗用独家金属表面处理工艺。苹果特别指出，截至诉讼提起时已有超过400名前苹果员工加入了OpenAI。

第三个层面指向OpenAI硬件子公司io Products。 2026年3月，OpenAI收购了由Tang Tan联合创立的io Products，随后Tan出任OpenAI首席硬件官。在苹果看来，这宗收购的实质是利用Tan在苹果积累的全部知识和人脉为OpenAI硬件业务铺路。

面对指控，OpenAI于2026年8月5日提交驳回动议，提出三条核心抗辩。

• 其一，苹果没有说清楚自己到底丢了什么商业秘密，诉状仅停留在“产品开发流程中的宽泛类别”层面，未指明具体保护范围。

• 其二，苹果所称的很多“专有信息”实际上可以通过合法或公开渠道获得，不符合“不为公众所知悉”的要件。

• 其三，苹果未能证明自身遭受了实际损失。

OpenAI还抓住苹果自身的安全管理漏洞——苹果允许员工使用个人iCloud处理工作事务，离职后也常常不能及时切断内网权限。OpenAI甚至公开了部分聊天记录，试图证明Chang Liu并非主动窃密，而是前同事联系他请求协助查找资料。至于Tan，OpenAI表示他始终明确告知团队不得使用任何其他公司的机密信息。

2026年8月20日，苹果提交32页正式回应，逐条反驳。苹果表示诉状已清晰列明遭到盗用的具体商业秘密，相关细节符合同类案件的立案标准。针对Liu，苹果强调数周内持续下载数十份内部文件远超出“帮忙找资料”的范围。针对Tan，苹果补充指出他曾要求在职员工出示苹果内部涉密硬件组件用于OpenAI团队展示。法官已定于10月1日就驳回动议举行听证会。

二、人才流动中的核心风险

为什么AI企业因人员流动带来的商业秘密风险尤其值得关注？答案在于AI产业的根本特征。传统制造业的核心竞争力可能体现在生产线和设备上，但AI企业的核心资产几乎都集中在人身上——算法怎么设计、模型怎么训练、参数怎么调优，这些决定企业生死的关键技术信息都存储在工程师的头脑里。更棘手的是，AI技术的“黑箱特征”使得这种知识迁移极为隐蔽，举证极其困难。

从苹果案以及近年来的多起AI商业秘密纠纷中，可以梳理出几个突出的风险场景。

离职前的非法获取。Chang Liu在离职后利用残留权限下载数十份机密文件，这并非孤例。AI企业中，技术人员在离职前批量拷贝代码库、训练数据集、模型参数的行为极为常见。一个U盘或一次云端同步就能带走企业的核心技术资产。

在职期间的秘密输送。Tan被指控在职期间便将供应商信息发送给自己，意味着商业秘密的泄露可能远早于正式离职日。AI行业研发周期长，核心人员在决定跳槽后往往有数月的时间窗口进行有意识的涉密转移。

通过招聘进行情报收集。苹果指控OpenAI在面试中要求候选人携带零件和设计原型——如果成立，这意味着面试本身成了一种低成本、高效率的情报获取手段。一次面试就可能暴露竞争对手的技术路线和产品规划。

供应链渠道的泄密。苹果还指控OpenAI通过其供应商获取了独家金属表面处理工艺。AI企业的训练芯片采购、算力集群部署、数据标注外包同样可能成为泄密薄弱环节。

针对这些风险，企业需要在人才流动的全流程布设防线。入职阶段，严格核查候选人的竞业背景，要求签署不侵权承诺函。在职期间，实行权限分级管理，遵循最小权限原则，对核心代码库和模型参数实施严格访问控制和操作留痕。离职阶段，必须在第一时间注销所有系统权限，回收全部工作设备，审查安全日志，签署离职保密承诺书。此外，还应建立离职人员动态跟踪机制，关注其后续就业去向。

三、商业秘密保护的边界

商业秘密保护的边界，既是苹果与OpenAI争讼的法律焦点，也是AI企业日常合规中最感困惑的地方。保护范围过窄，核心资产可能裸露在外；保护范围过宽，则可能被认定为滥用制度打压竞争，甚至损害员工的正当择业权。

先看“该保护什么”。

2026年6月1日起施行的《商业秘密保护规定》（以下简称“新规”）第五条明确，与技术有关的数据、算法、计算机程序、代码等信息属于商业秘密中的技术信息；同时，根据第七条的规定，阶段性成果或者失败的实验数据等在符合“不为公众所知悉、具有商业价值、采取相应保密措施”等要件时，可受商业秘密保护。据此，AI企业的训练数据、模型参数、算法架构、源代码等核心资产，在符合条件时可获得更明确的商业秘密保护路径。

2026年8月20日，国家市场监督管理总局公布了六起侵犯商业秘密典型案例，其中包括全国首例人工智能垂类大模型商业秘密案件——浙江省杭州市市场监管局查处孙某侵犯人工智能大模型商业秘密案。杭州市场监管部门认定：AI模型的专属提示词模板、审查规则、标注规范等文件组合形成的智能审查整体解决方案，构成受法律保护的商业秘密。该案中，算法专家孙某在职期间利用配偶身份注册竞争公司，将原公司的提示词模板和审查规则提供给新公司用于研发同类AI模型，最终被处以35万元罚款。这一判决突破了传统的“代码保护”思维，明确认定自然语言类集成方案、非标准化运营规则也可以独立构成商业秘密。

更值得关注的是对失败数据和研发过程信息的保护。对AI企业而言，失败训练实验、被弃用的算法路径、调参和数据处理经验等，若能帮助权利人避免重复试错、节约研发成本或形成竞争优势，就可能具有商业价值。司法实践中，即便算法某些组成要素来自公知信息，只要其整体组合、参数设置、训练/调用逻辑等具有非公知性并满足价值性和保密措施要求，仍可被认定为商业秘密。

再看“什么不该保护”。

• 其一，未采取合理保密措施的信息不构成商业秘密。 这是苹果案中OpenAI的核心抗辩方向——如果苹果真的允许员工使用个人iCloud处理工作事务且未及时切断离职人员的权限，那么这些信息能否被认定为“采取了合理保密措施”的商业秘密确实存在疑问。合理保密措施是商业秘密的法定要件之一，企业自身疏于防范的信息，法律不予保护。

• 其二，可通过合法或公开渠道获得的信息不构成商业秘密。 OpenAI指出苹果部分所谓“专有信息”实际上可以合法获取。商业秘密要求信息具有非公知性，一旦被公开就不再受保护。

• 其三，员工的通用技能和经验不属于商业秘密。 新规明确，利用自己的通用技能、行业经验跳槽不属侵权。商业秘密保护的是企业具体的技术和经营信息，而非员工头脑中的一般知识和算法思维。企业不能以商业秘密为由限制员工正常的职业发展。

• 其四，未能明确保护范围的信息难以获得保护。 OpenAI在驳回动议中指出，苹果的指控仅停留在“宽泛类别”层面。在商业秘密诉讼中，权利人必须明确其主张保护的范围——即具体可界定的技术信息或经营信息。笼统地主张“我的技术被偷了”无法获得法院支持。

这四种情形构成了商业秘密保护的“否定性边界”。对AI企业而言，理解这些边界同样重要——它既告诉你什么可以保护，也告诉你保护失败的风险在哪里。

四、启示与建议

苹果诉OpenAI案给所有AI企业带来不少启示：

第一，商业秘密合规应从“防御性投入”升级为“战略性布局”。 2026年新规已为AI核心资产提供了明确保护依据，但法律不会自动保护那些没有被识别、标记和管控的信息。企业应主动梳理自身技术资产——不仅是源代码，还包括训练数据、模型参数、提示词工程、失败实验数据——纳入系统的商业秘密管理体系。

第二，构建覆盖人才流动全周期的管控闭环。 事前完善保密和竞业限制协议；事中实行权限分级、操作留痕、数据脱敏，尤其关注离职前的高危行为；事后建立快速响应机制，一旦发现泄密线索立即启动证据固定和法律程序。

第三，正视“合理保密措施”的法定要件。 苹果案敲响的警钟是：如果企业对信息管理疏于防范——允许员工使用个人账户处理工作、离职后不及时切断权限——那么在诉讼中就可能面临“相关信息不构成商业秘密”的致命反驳。合理的保密措施不仅是保护手段，更是商业秘密获得法律保护的前提。

第四，关注中美两地同步增加的AI商业秘密诉讼风险。 苹果诉OpenAI案与国内首例AI大模型商业秘密案证明此类案件在中美地区均有高发趋势。尤其是有跨境业务的AI企业，更应该建立双轨制合规体系，同时关注两地的法律动态。

在AI时代，商业秘密保护的目标不应是筑起高墙阻断人才流动，而是要在激励创新与保护投入之间找到平衡。过度保守可能扼杀人才的创造性流动，过度开放则可能让研发投入付之东流。找到那个平衡点，是所有AI企业必须面对的课题。而苹果与OpenAI在法庭上的这场较量，无论最终如何判决，都将为寻找这个平衡点提供重要的参考坐标。