ZCode偷传代码后股价跌4%，AI工具的底线在哪

9月18日，智谱就旗下AI编程工具ZCode向用户公开致歉。事情起因简单却触目惊心：在用户登录状态下，ZCode会默默把整个项目的代码文件打包、加密，上传到阿里云的OSS存储服务器里。

不是个别用户的偶发操作，而是几乎所有登录用户的项目都被扫了一遍。

受此影响，9月21日智谱港股收盘单日跌幅达4.42%。作为2025年上市的国产大模型独角兽，这是智谱上市以来第一次因非财务原因遭遇明显抛售。市场敏感的不仅仅是股价波动本身——它是对AI工具数据安全底线的重新定价。

一个没有开关的数据通道

ZCode是什么？它是智谱推出的集成化编程环境，基于GLM-5.3模型构建，支持多智能体协同开发。付费版ZCode Lite的月费约94.4元，面向的是有一定使用频率的专业开发者群体。

这类产品的核心卖点很明确：你输入代码，它帮你补全、调试、重构、写测试。要实现这个功能，工具必须读取你的代码上下文——这是基本逻辑。

问题是，读取和上传之间有一道墙。而ZCode的这道墙，消失了。

根据界面新闻的报道，ZCode上传的数据包包含四个关键部分：当前项目的全部源代码、Git版本历史记录、LFS大文件缓存，以及reflog日志和部分全局开发配置文件。一位涉及此事的企业技术人员告诉媒体，实际波及的范围可能更远——包括系统架构设计、数据库访问口令、云服务凭证乃至员工个人信息。

更值得关注的技术细节是：这个上传功能疑似默认开启，客户端界面上没有提供明显的关闭入口；用户无法自行查看已生成的数据包，也无法对其解密。

换句话说，开发者在自己的电脑上敲了几年积累的代码，被无声无息地打包发送给了智谱的后端服务器，而他们无从阻止，也无从追溯。这在本质上构成了对ZCode《隐私政策》中数据收集范围的超越。

"是否用于训练？"——悬而未决的核心追问

致歉声明发出后，最大的疑问只有一个：这些数据有没有被用来训练智谱的模型？

截至发稿前，没有任何证据能够证明智谱将用户上传的代码用于模型的二次训练。这也是界面新闻评论中明确指出的立场。

但对于开发者而言，无法证明不等于不会发生。

AI编程工具的商业模式决定了它的核心飞轮：更多的用户代码 → 更好的模型理解 → 更强的编码能力 → 更多用户。在这个飞轮中，上传数据的价值是双重的——它可以即时改善单个会话的体验，也可能被沉淀为长期训练资产。

这正是争议的焦点所在。如果仅仅是为了优化单次对话的结果，那么短暂处理后立即删除是合理的技术路径；但如果这些数据被保留下来，无论是否立即使用，其风险等级就已完全不同。

这也解释了为什么智谱在致歉之后采取了一系列动作：9月19日发布修复版本切断上传机制，9月21日将ZCode开源至GitHub接受社区审查，邀请第三方进行安全审计，并承诺上线"数据内容不留存"功能。

开源是最有效的自证方式之一。但如果连核心逻辑都能默认跳过用户授权，那么社区审查又有多大把握发现所有类似的设计？这是一个自我证明的悖论。

行业的系统性盲区

ZCode事件并非孤例。

AI编程工具天然面临一道伦理与技术上的模糊地带。为了给出准确的代码建议，工具需要理解你的代码结构；但要真正读懂一段工程级别的代码，它需要的上下文量往往远超单文件范畴——目录结构、依赖关系、调用链，这些都是天然存在的关联数据。这给产品设计留出了一个灰色空间："我需要尽可能多的上下文来理解你的代码"可以成为一个无限延展的理由。

业内已有产品因此调整过策略。例如GitHub Copilot在全球范围内多次修订过数据使用和退出选项的政策条款，允许用户选择不让自己的代码用于改进服务。但在默认设置上，这类产品同样倾向于"先收集，后告知"。

在中国市场，这一问题的监管框架尚不明确。《个人信息保护法》对于AI训练场景下的数据处理规则缺乏细化的司法解释。代码究竟是"个人财产"还是"个人信息"，在现行法律中尚未形成统一共识。更重要的是，即使未来立法填补空白，执法也会面临巨大挑战——代码上传行为发生在云端黑盒中，普通开发者既没有技术能力也没有经济激励去追踪和诉讼。

所以每一次类似的事故，都会带来同样的结局：一轮道歉，一轮修复，一轮短暂的信任恢复，然后继续下一轮的产品迭代。直到下一次更严重的事故触发监管介入。

代价谁来支付？

回到最初的数字：智谱股价跌了4.42%。这个数字看似不大，但对于一家刚刚完成港股上市的新兴AI公司来说，释放的信号比金额本身更重要。资本市场愿意为AI叙事买单，但前提是信任不被击穿。一旦用户意识到自己贡献的数据不仅不会被保护，反而可能被默许地转移到对方的服务器上，购买意愿就会发生质变——从"这是一个好用的工具"变成"这是一个潜在的泄密渠道"。

尤其对企业和研发团队而言，这个问题具有放大效应。个人开发者可能只损失几行代码的思路，但企业的核心算法、商业秘密和客户数据一旦泄露，代价是毁灭性的。这也是为什么此次事件中，一些企业用户的声音格外刺耳——他们购买的不仅是软件许可证，还有对知识产权的保护预期。当这个预期被打破时，后果就不再是"少用了一个工具"那么简单。

事后可以看到的三个指标

第一，开源能否真正成为可信机制。 ZCode已经宣布上线GitHub，社区的审查速度和质量将是判断其诚意的第一步。真正的考验在于：开源过程中是否会隐藏敏感模块，或者以其他方式规避实质性的代码审查。

第二，智谱的商业化路径会不会因此改变。 目前ZCode靠订阅收入驱动，94.4元/月的定价在同类产品中属于中等水平。但如果用户流失加速，订阅模式的增长曲线会被打断。智谱需要在模型能力和数据安全之间找到一个新的平衡点，否则这个平衡点会被竞争对手抢走。

第三，行业会不会迎来一轮强制标准出台。 单次事件的治理力度通常有限，但如果后续出现更严重的泄露或被证实存在未经授权的训练行为，监管层面可能会推动针对AI开发工具的强制性数据管理标准。类似的标准已经在欧洲的数字安全监管框架中被纳入讨论。

在AI工具从"玩具"走向"基础设施"的过程中，每一个环节的失守都不只是产品bug，而是对整个产业信任基石的侵蚀。ZCode只是一个触发点，真正的答案要在更长周期里才能看清。