企業用 AI 資料會外洩嗎？

取決於你選的部署方式。API 直接呼叫時，資料會經過 AI 公司的伺服器，但全程加密且商業用戶資料不用於訓練。雲端託管（如 AWS Bedrock）的資料留在你自己的雲端帳號，AI 公司看不到。自建開源模型則資料完全在你自己的機房。三條路的安全等級不同，成本也差很多。

AWS Bedrock 是自建 LLM 嗎？

不是。Bedrock 是 AWS 的託管服務，模型由 Anthropic 提供並跑在 AWS 的 GPU 上。你不需要管硬體、不需要懂 ML。差別在於資料的進出口綁在你的 AWS 帳號裡，Anthropic 無法存取。

Claude Pro 和 Claude API 的資料保留政策有什麼不同？

API（商業條款）資料保留 7 天後自動刪除，且不用於訓練。Pro 個人方案在關閉訓練選項時保留 30 天，開啟訓練時最長 5 年。企業用 API 商業條款最嚴格。

自建 LLM 可以跑 Claude 或 GPT-5 嗎？

不行。Anthropic 和 OpenAI 都不釋出旗艦模型（Claude Opus、GPT-5）的權重。想自建只能用開源模型如 Meta 的 Llama 或 OpenAI 的 gpt-oss 系列，能力與旗艦模型有落差。

訂閱制和 API 按量計費差多少？

訂閱制是吃到飽（有速率限制），API 是按量計費。同樣的使用量，API 費用遠高於訂閱價。AI 公司在訂閱制上大量補貼，所以讓員工日常使用 AI，訂閱制的性價比遠勝 Bedrock。

公司用 AI，資料會外洩嗎？自架 LLM、雲端託管、訂閱制三種部署方式完整比較

TL;DR

路線	方案	資料經過誰	月成本 / 人	啟動時間
🍽️ 去餐廳吃	Claude Pro / ChatGPT	AI 公司伺服器	$20（大量補貼）	今天
🧑‍🍳 租廚房請廚師	AWS Bedrock / Azure OpenAI	你的 AWS / Azure 帳號	API 按量計費（遠高於訂閱制）	1-2 週
🏠 自己蓋廚房	Ollama + Llama / gpt-oss	你自己的機房	硬體千萬台幣 + ML 工程師	數月

三條路的差別不是安全性高低，是你願意為「資料不經過 AI 公司」付多少代價。

前言

「公司的資料傳到 AI，安全嗎？」

「這樣資料不就放到雲端了？不會有外洩風險嗎？」

「那我們是不是要自己架一套 LLM，資料才不會外流？」

這是我幫企業導入 AI 時最常聽到的三連問。從模糊的不安，到「雲端 = 不安全」，最後跳到「那就自己架」。

但自己架一套能用的 LLM 系統，光硬體就是千萬台幣起跳。而且你用不到最強的模型——因為 Anthropic 和 OpenAI 都不賣旗艦模型的權重。

自己架不是唯一的答案，多數情況下也不是最好的答案。這個問題歸根到底只有三件事：

你的資料敏感到什麼程度？
你的員工是誰？
你願意為「資料不經過 AI 公司」付多少代價？

這篇把三條路攤開——成本算到具體數字，資安政策附上官方來源，幫你做出正確的決策。

三條路總覽：去餐廳吃、自己租廚房請廚師來煮、自己蓋廚房

想像你要讓公司員工每天吃到好菜。

去餐廳吃。 你帶員工去米其林餐廳。廚藝頂級、點了就上、不用管廚房。食材（你的資料）會經過餐廳的廚房處理，但餐廳有嚴格的衛生認證，用完後短期內就清掉，不會拿你的食譜去開分店。

租廚房請廚師。 你請同一位米其林廚師到你公司的員工餐廳煮。廚藝一模一樣，但食材從頭到尾只在你租的廚房裡，廚師的老闆（AI 公司）碰不到。代價是：外燴按原價計費，沒有餐廳的套餐優惠。而且你的員工餐廳只有廚房，沒有前台——員工怎麼點餐？這個你要自己想辦法。

自己蓋廚房。 你蓋一間專屬廚房，自己請廚師。食材百分之百在你手上。但米其林廚師不外派——你只能請到手藝不錯但沒那麼頂的師傅。蓋廚房要買設備（GPU）、請人維護、付水電費（機房 + 電費），而且不管有沒有人吃飯，這些成本都在燒。

	🍽️ 去餐廳吃	🧑‍🍳 租廚房請廚師	🏠 自己蓋廚房
對應方案	Claude Pro / ChatGPT	AWS Bedrock / Azure OpenAI	Ollama + Llama / gpt-oss
資料經過誰	AI 公司伺服器	你的 AWS / GCP / Azure 帳號	你自己的機房
廚師（模型）	米其林（Opus / GPT-5）	同一位米其林	家常菜等級（開源模型）
需要 GPU	不用	不用（雲端商管）	要，很多
前端介面	claude.ai / ChatGPT 完整介面	! 只有 API，沒有介面	自己做
付費方式	訂閱制（大量補貼）	按量計費（API 原價）	一次性大額 + 持續維護
不用的月份	$20（訂閱費）	$0	GPU 還是在折舊、吃電
啟動時間	今天	1-2 週	數月

來源：Anthropic Pricing、AWS Bedrock Pricing、Azure OpenAI Pricing

第一條路：去餐廳吃（API / 訂閱制）

代表方案： Claude Pro ($20/月)、ChatGPT Plus ($20/月)、API 直接呼叫

這是大部分企業的正確起點。

資料怎麼被處理？

AI 資料處理流程與風險說明

「資料傳到 AI 安不安全？」與其猜，不如拆開來看——從資料離開你的電腦、到結果回到你手上，中間到底經過什麼、每一步誰能看到、風險多高：

步驟	做了什麼	誰能看到資料	風險
1. 加密打包	資料變密文離開電腦	沒有人	極低 — 跟網路銀行同技術
2. 到達伺服器	進入 Anthropic AWS 機房	沒有人 — 機器自動接收	低 — 通過國際資安稽核，同等級銀行機房
3. 安全檢查	自動程式掃描	沒有人 — 除非觸發違規警報（僅在要求 AI 產出嚴重違法內容時才會觸發，如暴力、犯罪教唆等。一般商業文書作業不可能觸發）	低
4. 模型推論	AI 讀資料、生成回應	沒有人 — 純機器	低 — 不訓練、不儲存到模型
5. 回傳結果	加密傳回電腦	沒有人	極低

※ 伺服器端會暫存加密的處理紀錄，依方案不同保留 7-30 天後自動刪除，一律不用於模型訓練。存取有嚴格權限管控，只有法院命令才能調閱。

來源：Anthropic Certifications、Anthropic — Data Retention

跟你現在用的工具比

大部分企業員工每天都在用 Google Workspace 處理公司資料。兩者的資安等級其實很接近：

項目	Claude API	Google Workspace（企業版）
資料加密傳輸	✓	✓
雲端資料保留	7-30 天後自動刪除（依方案）	永久保存（除非主動刪除）
用於訓練 / 改善服務	否（合約明確保障）	否（企業版合約明確保障）
安全認證	SOC 2 Type II + ISO 42001	SOC 2 + ISO 27001 + FedRAMP
人類會看到內容	不會（除非法院命令或安全違規）	不會（企業版合約保障，除非法院命令）

差異在保留時間——Claude 自動刪除，Google 永久保存。你已經接受雲端服務的安全等級了，Claude 的保護至少不比它差。

訂閱制 vs. API 按量計費

這是多數人不知道的——訂閱制是吃到飽（有速率限制），API 是按量計費。同樣的使用量，API 費用遠高於 $20/月的訂閱價。

AI 公司在訂閱制上大量補貼，目的是養成用戶習慣。OpenAI CEO 公開承認訂閱方案正在虧錢，因為用戶使用量超出預期。

這代表什麼？如果你讓員工用 Claude Pro 或 ChatGPT Plus，每人 $20/月就能大量使用（用太快會有冷卻期，但日常工作綽綽有餘）。但如果你走 Bedrock / Azure OpenAI 的 API 按量計費，同樣的使用量要貴很多——因為 API 沒有補貼。

後面講第二條路時會再回來看這個差距。

適合誰

一般商業文書、行政作業、內容產出
非高度監管產業
想要最快啟動、最高性價比的企業
啟動時間：今天

第二條路：租廚房請廚師（雲端託管）

代表方案： AWS Bedrock（Claude）、Azure OpenAI Service（GPT）、GCP Vertex AI（Claude）

雲端託管（Bedrock / Azure OpenAI）資料處理流程

Bedrock 是自建 LLM 嗎？不是

這是最多人搞錯的地方。Bedrock 不是「買一套 Claude 回來裝在自己的伺服器」。

回到廚師的比喻：廚房是你跟 AWS 租的，廚師是 Anthropic 派來的。 食材（資料）從頭到尾在你的廚房裡，廚師的老闆（AI 公司）碰不到。

你不需要碰 GPU、不需要管模型、不需要懂機器學習。就跟用 AWS 上的任何其他服務（S3、RDS）一樣，只是多了一個 AI 的 API endpoint。帳單也是跟 AWS 結，不用另外付 Anthropic。

關鍵差異是：資料的進出口綁在你的 AWS 帳號裡，Anthropic 看不到。

Anthropic 在官方文件裡寫得很明確：

“The technology provided by Anthropic to AWS to enable Customer’s access to the Services does not give Anthropic access to Customer’s AWS instance, including Prompts or Outputs.”

翻譯：Anthropic 無法存取你在 AWS 裡的任何東西，包括你問的問題和收到的回答。

來源：Claude on Amazon Bedrock、AWS Bedrock Data Protection、Azure OpenAI Data Privacy

Token 同價，但記得補貼的事

Bedrock 上的 Claude 定價和 Anthropic API 一模一樣：

模型	Anthropic API	AWS Bedrock
Sonnet 4.6 Input	$3 / M tokens	$3 / M tokens
Sonnet 4.6 Output	$15 / M tokens	$15 / M tokens
Opus 4.6 Input	$5 / M tokens	$5 / M tokens
Opus 4.6 Output	$25 / M tokens	$25 / M tokens

帳怎麼走？你只付 AWS 帳單，不需要另外付 Anthropic。AWS 和 Anthropic 在後面自己拆帳，跟你無關。

來源：AWS Bedrock Pricing

看起來沒差？別忘了前面算過的補貼差距——訂閱制是吃到飽，Bedrock 是按量計費。同一個員工同樣的使用量，Bedrock 的費用會遠高於 $20/月的訂閱價。這就是讓資料留在你自己雲端帳號的代價。

如果公司本來就在用 AWS，雲端環境的費用是既有成本，不算新增。但 token 費用是真金白銀多出來的。

前端問題：大部分人沒想到的坑

很多企業評估到「Bedrock 比較安全」就決定用了。但他們漏了一個問題：

Bedrock 只有 API，沒有聊天介面。

Claude Pro 有 claude.ai——打開瀏覽器就能聊天、上傳檔案、管理對話。Bedrock 什麼都沒有，只有一個 API endpoint。

使用者類型	有沒有前端問題	怎麼解
一般員工	! 有 — 不會用 API	要自建或買第三方介面（Typingmind、Librechat 等），開發 + 維護成本遠超 $20/月
工程師用 Claude Code	✓ 沒有 — CLI 本來就不需要前端	兩個環境變數就能切換到 Bedrock
系統自動化	✓ 沒有 — API 對 API	本來就不需要人用的介面

我見過的案例：老闆說「Bedrock 比較安全，我們用 Bedrock」。IT 收到需求，開始開發內部聊天介面。兩個月後介面還在做，員工還是沒有 AI 可以用。原本想解決的效率問題，反而多卡了兩個月。

Claude Code + Bedrock：工程團隊可以直接走

如果你的團隊本來就在用 Claude Code，Bedrock 反而是最乾淨的路——因為 Claude Code 是 CLI，不需要前端。只要設兩個環境變數就能切換到 Bedrock，其他使用方式完全不變。IT 設好 AWS IAM 權限，工程師就能用，資料走公司 AWS VPC，Anthropic 碰不到。

來源：Claude Code on Amazon Bedrock

適合誰

資料處理環境必須在已通過內部合規審計的基礎設施上，不能多一個新的外部供應商——這是走 Bedrock / Azure OpenAI 的核心理由。如果你的 AWS/Azure 已經在核准名單上，加一個 Bedrock 比重新審計 Anthropic API 簡單得多。

但要有心理準備：Bedrock 走的是 API 按量計費，沒有訂閱制的補貼，同樣的使用量成本會高出不少。這是合規的代價。

已有 AWS / GCP / Azure 且有合規需求的企業（金融、醫療等）
工程團隊用 Claude Code（最無痛的組合）
啟動時間：1-2 週（IT 設定）

第三條路：自己蓋廚房（自建開源模型）

自建開源模型（地端部署）資料處理流程

代表方案： Ollama + Llama、gpt-oss、vLLM 推論引擎

可以買 Claude 或 GPT-5 回來自己跑嗎？不行

先講一個很多人不知道的事實。

你沒辦法「買一套 Claude Opus 裝在公司機房裡跑」。同樣的，GPT-5 也不行。

不管 Anthropic 還是 OpenAI，最強的模型權重都不對外釋出。

模型	能不能下載回來自己跑？
Claude Opus / Sonnet	✕ 不賣
GPT-5 / GPT-5.4	✕ 不賣

來源：anthropic.com/company、OpenAI GPT-5 Models

想自建？只能用開源模型。

你能請到的廚師

模型	來源	參數量	硬體需求	能力
gpt-oss-120b	OpenAI (Apache 2.0)	117B（MoE, 5.1B active）	單張 H100 (80GB)	AIME 2025: 97.9%（超越 o4-mini）、SWE-bench: 62.4%（o4-mini: 68.1%）
gpt-oss-20b	OpenAI (Apache 2.0)	21B（MoE, 3.6B active）	16GB GPU（需 MXFP4 量化）	接近 o3-mini
Llama 3.1 405B	Meta	405B	多張 GPU	中上

gpt-oss-120b 在數學上超越 o4-mini，但軟體工程略輸。整體接近打平。不差，但跟 Claude Opus 或 GPT-5 比仍有明顯差距。

來源：OpenAI gpt-oss、gpt-oss Model Card

自建 LLM 要花多少錢？

API 和訂閱制是用多少付多少——這個月沒人用，費用是 $0。

自建不是。GPU 買了就在折舊、在吃電，不管有沒有人用。

成本項目	概估
GPU 硬體（H100 一張）	~$30,000-40,000 USD
跑大型模型的 GPU 需求	數張到數百張，看模型大小
ML 工程師	年薪百萬台幣以上
電費、機房、散熱	持續性支出
模型更新	每次新版本手動重新部署
前端介面	自己開發 + 持續維護

gpt-oss-120b 只需要一張 H100 就能跑，門檻比以前低很多。但如果你要服務整個公司的員工、需要多 instance 並行，硬體需求會快速上升。

適合誰

法規明確禁止資料離開內網（國防、特定政府機關）
有自己的 ML 團隊和 GPU 叢集
能接受模型能力不如旗艦的 trade-off
啟動時間：數月

決策框架

選擇流程圖

你的資料敏感到什麼程度？
    │
    ├─ 一般商業資料
    │   → 去餐廳吃：Claude Pro / ChatGPT，$20/月/人
    │     （API 安全措施與 Google Workspace 企業版同等級）
    │
    ├─ 有合規需求（金融 / 醫療 / 個資法）
    │   → 租廚房請廚師：Bedrock / Azure OpenAI
    │   │
    │   ├─ 員工是一般人 → 要解決前端問題，成本高
    │   └─ 員工是工程師 → Claude Code + Bedrock，最乾淨
    │
    └─ 資料不能離開自己的機房
        → 自己蓋廚房：開源模型 + 自有 GPU
          （千萬台幣起步，模型能力打折）

按使用者類型選

你的員工是誰	最佳方案	原因
一般員工（行政、行銷、業務）	Claude Pro / ChatGPT	完整介面、補貼最多、馬上能用
工程師 / 開發團隊	Claude Code（可走 Bedrock）	不需前端，Bedrock 可資料隔離
系統自動化（客服、報告）	API 或 Bedrock API	API 對 API，用量可控
國防 / 晶圓廠 IT	自建開源模型	法規要求

我的選擇：為什麼推薦 Claude

以下是我的個人觀點。每個論點附有來源，你可以自己判斷。

我在幫企業導入 AI 時推薦 Claude，不只是因為模型能力。

Anthropic 對安全的立場

Claude 的開發公司 Anthropic 是目前主要 AI 公司中對安全立場最強硬的：

2026 年 2 月：美國國防部要求 Anthropic 移除合約中「禁止用於自主武器」和「禁止大規模監控」的條款。Anthropic CEO 公開拒絕，表示「無法昧著良心同意」。國防部因此將 Anthropic 列為「供應鏈風險」，下令所有聯邦機構停用 Claude，預估損失數十億美元營收。Anthropic 選擇接受損失，並於 2026 年 3 月對美國政府提起訴訟。
公司創立背景：Anthropic 由前 OpenAI 研究員於 2021 年創立，正是因為認為 OpenAI 將商業利益置於安全之上。他們的 Responsible Scaling Policy v3.0 公開可查。

一家公司願意為了安全原則放棄數十億美元的政府合約，這代表他們對資料保護的承諾不只是寫在紙上。

來源：ABC News、TechPolicy.Press Timeline、EFF Analysis

Claude 在企業市場的領導地位

Claude 不只安全，在企業導入上也是目前的市場領導者：

指標	Claude (Anthropic)	ChatGPT (OpenAI)
企業市佔率	約三分之一	約 25%
Fortune 10 採用率	10 家中有 8 家	—
年花費 >$100 萬的企業客戶	500+ 家	未公開
年化營收（2026/2）	$14B	$25B

來源：Fortune、Anthropic Series G、Yahoo Finance

結語

大部分企業不需要花千萬台幣自建 LLM，就能得到足夠的資料保護。

你的員工每天都在用 Google Workspace，那也是雲端，安全等級跟 Claude API 相當。真正的問題不是「要不要上雲端」，是你願意為「資料不經過 AI 公司」付多少代價。

你的答案	走哪條路	成本
不需要特別多	Claude Pro / ChatGPT	$20/月，今天開始
資料不能經過 AI 公司	Bedrock / Azure OpenAI	API 按量計費（遠高於訂閱制），需自建前端介面，1-2 週起
資料不能離開我的機房	自建開源模型	千萬台幣起，數月啟動

選錯路的代價不是不安全——是員工等了半年，還是沒有 AI 可以用。

延伸閱讀

部署方式選好了，下一個問題是怎麼開始——企業導入 AI 工作流，為什麼總是卡在第一步？記錄了我在企業現場做 AI 工作流導入時，實際遇到的瓶頸和突破方式。

我幫企業評估 AI 部署方案和工作流導入。還在猶豫選哪條路？直接寫信聊聊，或到匯流顧問看企業 AI 導入怎麼做。