AI 网关开始替团队背锅了：Vercel 把‘别拿我 Prompt 去训练’做成了一个总开关
过去一年，很多团队接大模型最烦的事，已经不是"怎么调用"，而是"这段数据到底会不会被留下来"。
尤其你一旦开始同时接多个模型供应商，事情会迅速变得很不优雅：
- 这家默认会不会保留请求数据？
- 那家能不能禁用训练？
- 某个开发者是不是忘了在某条敏感链路上手动加参数？
- 今天走 OpenAI，明天切 Anthropic，策略会不会直接漏掉？
这种感觉很像什么？很像公司门口装了三把锁，但每个员工都得自己记得锁哪一把。理论上很安全，实际上迟早有人忘。
Vercel 新发的这篇 Zero Data Retention on AI Gateway 干的，就是把这件事往基础设施层按下去：不再靠每个接口、每次请求、每个开发者自己记得配置，而是让 AI Gateway 直接替团队做路由筛选和策略兜底。
这次更新到底更新了什么
先讲大白话版本。Vercel AI Gateway 这次新增的重点，不是又接了几个模型，而是把合规控制做成了团队级开关。
它主要给了三层能力：
- 团队级 Zero Data Retention（ZDR）
- 请求级 ZDR
- Disallow Prompt Training（禁止用你的 Prompt 训练模型）
重点在第一条。
以前很多团队做法是：谁写到敏感场景，谁自己在代码里配数据保留策略。听起来灵活，实际上非常脆。只要有一条链路漏配，或者有人切 provider 时没把策略同步过去，之前那些"我们很重视数据安全"的口号就容易当场破功。
Vercel 现在的思路是，你直接在网关层开团队级 ZDR，后续请求只会被路由到符合零数据保留要求的 provider。 也就是说，这不再是一条业务逻辑，而是一条基础设施规则。
这个转变非常关键。因为凡是要靠人记住的安全策略，本质上都不算稳定策略。
真正有价值的，不是‘支持 ZDR’，而是‘默认替你筛模型’
说实话，现在市面上说自己支持隐私、支持企业合规、支持不训练数据的平台不少。但很多时候它们只是把控制项丢给你，剩下的自己想办法。
Vercel 这次更像是在做一件很工程化、也很现实的事：
你不用再挨个研究供应商条款，然后在每个请求里祈祷配置没漏；网关会先替你过滤掉不符合要求的路由。
这件事听上去不炸裂，但对真正在生产里跑多模型的团队，含金量其实挺高。
因为很多公司现在并不是只接一个模型：
- 客服机器人可能走便宜模型
- 内部知识库问答可能走效果更稳的模型
- 代码分析、合同摘要、商业文档处理，又是另一套组合
模型一多，策略就容易碎。策略一碎，最先出事的不是效果，而是合规。
Vercel 把它收口到 Gateway，实际上是在把"数据保留策略"从应用代码里抽出来，变成平台级默认值。这个方向我挺认同。
对团队来说，这比多一个 SDK 参数重要多了
文里还提到两种细粒度控制：
- 对特定请求启用
zeroDataRetention - 对特定请求启用
disallowPromptTraining
这当然有用，尤其适合某些链路特别敏感、但全局没必要一刀切的团队。
但如果你问我，真正值得关注的不是那几个参数，而是背后的组织含义：
安全策略终于不再依赖“工程师今天有没有记得写这一行”。
这件事很重要，是因为 AI 系统出问题，很多时候不是模型瞎说八道，而是工程流程里某个看似很小的默认值没人盯住。
你可以把团队级 ZDR 理解成一种"别靠自觉，直接上门禁"。
这类设计的价值，不在于让高手更强，而在于让普通协作也不容易翻车。
你可能还想看：如果你对 AI 时代的基础设施变化感兴趣，可以顺手读读这篇 Vercel 开始不装了：下一代云基础设施，已经默认软件会自己写、自己发、自己修了。两篇放一起看，会更容易看懂为什么 AI 平台现在越来越想接管“默认规则”。
还有一个细节，很多人会低估
Vercel 说，每次响应里还会返回一段 metadata，告诉你这次路由时考虑了哪些 provider、又过滤掉了哪些 provider。
这玩意儿看起来像是顺手加的，但我觉得其实很关键。
因为合规这件事，最怕的不是没有规则，而是你以为规则生效了，结果根本没人能证明它真的生效过。
有了这层 routing metadata，团队至少能知道：
- 这次请求有没有因为 ZDR 被限制路由
- 哪些 provider 被排除了
- 最终实际走到了哪条链路
这对审计、排查和内部沟通都很重要。否则很多团队最后会陷入一种很经典的尴尬：安全同学说要严格，业务同学说别拖速度，工程同学说我好像配了，结果谁都说不清到底发生了什么。
当然，别把它神化成‘一键隐私无敌’
该泼的冷水还是得泼。
Vercel 这次更新很实用，但它解决的是网关层路由和供应商策略一致性，不是所有隐私问题的总答案。至少还有几件事你不能装作不存在：
1. 你的应用自己怎么存，还是你的锅
就算模型侧是 ZDR，如果你把用户输入、日志、trace、报错堆栈全量打进自家系统，那风险并没有凭空消失。
2. RAG、缓存和监控链路也可能泄露上下文
很多团队模型请求是安全的，但向量库、缓存层、第三方监控和工单系统反而把敏感内容留得明明白白。
3. 并不是每个 provider、每个模型都能满足同一等级的策略
一旦你打开严格过滤，选择空间本来就会变小。某些时候，这会直接影响成本、延迟和可用性。
所以这次更新更准确的意义，不是"隐私问题被终结了"，而是：
AI 团队终于可以少写一点到处散落的合规胶水代码了。
这就已经很值钱。
为什么这类能力会越来越重要
我越来越觉得，AI 工程接下来的竞争，不会只是谁模型接得多、调用单价压得低，而是谁能把"默认正确"做进基础设施。
因为今天很多团队的问题不是不会做，而是：
- 规则太多，没人记得全
- 供应商太多，策略难同步
- 业务迭代太快，安全要求总是落后一拍
这时候，最靠谱的做法不是再发一份内部规范文档，而是把规范变成开关，把开关放在平台层。
Vercel 这次干的，就是这件事。
如果你正在做企业级 AI 产品、内部 Copilot、代码助手、文档分析、法务摘要或者任何会碰到敏感信息的工作流，这个方向都值得盯紧。因为它代表了一种更成熟的信号：
AI 平台开始不再只卖模型入口，而是开始卖“默认不会出事的系统行为”。
这比再多一个模型 Logo，实际得多。