AI 功能寫著「在手機上運作」，你的資料就一定沒有離開裝置嗎？不一定。模型可能在本機推論，也可能把較複雜的請求送到雲端，或依任務混合處理。判斷資料能不能交給 AI，不能只看產品標語；要確認這項功能實際走哪條路，以及服務方如何處理輸入內容。
先分清 3 種 AI 資料路徑
1. 端側 AI：模型在裝置上運算
端側 AI（on-device AI）會在手機、平板或電腦上執行推論。以 Android 的 Gemini Nano 為例，Google 文件說明它透過 AICore 在支援裝置上本機執行，可在不連網、不把提示送到雲端的情況下完成特定任務；同一份文件也提醒，推論速度取決於裝置硬體，並存在模型能力與支援機種限制。這代表「能離線使用」是某些功能的特性，不是所有 AI App 的通則。
2. 隱私防護雲端：請求離開裝置，但採特定保護架構
較大的模型可能需要雲端算力。Apple 將較複雜的 Apple Intelligence 請求交給 Private Cloud Compute（PCC）處理，並在安全指南中描述無狀態運算、請求完成後不保留個人資料、無特權執行介面及可驗證透明度等設計要求。Apple 於 2026 年 6 月另公告把部分 PCC 工作負載擴展到 Google Cloud，並表示維持相同的核心要求。這仍是雲端處理，不等於資料從未離開手機；上述保障是 Apple 公開描述的系統設計與承諾，且功能和部署會依服務而異。
3. 一般雲端 AI：依服務條款與設定處理提示
使用一般雲端聊天、摘要或影像服務時，文字、檔案或圖片通常會傳到服務供應商的伺服器。資料保存多久、是否用於改善模型、管理員能否查看，以及能否停用歷史紀錄，都要看產品條款、帳戶方案和管理設定；不同服務、甚至同一服務的個人版與企業版也可能不同。不要把一家公司的隱私政策套用到所有 AI 工具。
輸入敏感資料前，做這 5 步檢查
- 先分類資料。是公開資訊、一般工作內容，還是含姓名、聯絡方式、客戶資料、帳密或未公開文件？越敏感，越要先確認組織規範。
- 查清楚這項功能的推論位置。看功能說明、設定與隱私文件，確認是端側、本機優先、私有雲或一般雲端；若會自動切換，也要知道何時可能轉送。
- 確認保存與訓練政策。檢查對話紀錄、資料保留、模型訓練、人工檢視、雲端備份及企業管理選項。只看到「加密」兩字，還不足以回答資料會保存多久。
- 先做最小化與去識別。移除姓名、電話、客戶編號、密碼和驗證碼；用虛構例子描述問題，或只貼必要段落，不要整份文件一股腦上傳。
- 不確定時先用假資料測試。可先用沒有個人或商業機密的內容測試離線功能與輸出品質。離線時能用，僅能說明該次推論可能在本機完成，不能證明 App 的同步、遙測或其他功能永遠不會傳資料。
端側 AI 也有取捨
本機 AI 模型通常能減少網路往返、支援部分離線情境，並降低提示送往遠端推論服務的需求；但可用模型、輸入長度和複雜任務可能受裝置記憶體、晶片、電量與版本限制。Android 官方也說明，Gemini Nano 有硬體與能力邊界，應用程式可採混合推論，在本機模型不適用時改用雲端模型。因此，要確認的不是「這個品牌是不是端側 AI」，而是「我現在使用的這項功能，這一次如何處理資料」。
快速選擇原則
公開、低敏感度的內容，可以在理解服務條款後選方便的工具；內部工作資料，優先使用組織核准並有清楚管理政策的服務；醫療、財務、法律或帳戶憑證等敏感資料，先遵循機構規範，不要交給未核准的 AI。端側 AI 回答的是「模型在哪裡運算」，不等於整個 App 的資料收集與傳輸方式。看清實際路徑、縮小輸入範圍，再決定要不要按下送出。