GitHub官宣2026年4月起默认采集Copilot用户数据训练AI模型

2026年3月26日，全球最大代码托管平台GitHub宣布将于2026年4月24日更新隐私政策，默认采集Copilot Free、Pro、Pro+版本用户的代码片段、交互记录等数据训练AI模型。GitHub首席产品官Mario Rodriguez透露，微软内部预测试显示该方式可显著提升代码建议接受率，目前该政策已引发开发者群体对数据确权问题的广泛讨论。

不少海外开发者近日反馈，打开GitHub时已收到关于Copilot服务的政策变更弹窗，这条将于1个月后正式生效的规则调整，3月26日一经公布就冲上了Hacker News、Reddit编程板块的热榜首位，相关讨论帖24小时内互动量突破10万次。

根据GitHub公布的官方说明，此次数据采集的覆盖范围仅针对个人用户序列，包括Copilot免费版、Pro版及Pro+版用户，受企业合同约束的商业版、企业版用户，以及教育版用户暂不受此次调整影响。

采集的内容涵盖用户与Copilot交互的全链路数据，包括模型输入输出内容、代码片段、上下文参考信息、关联仓库结构，以及Copilot Chat的聊天交互记录。需要注意的是，此次政策采用预设加入（Opt-out）机制，用户如果不想自己的数据被用于模型训练，需要手动进入账户隐私设置页，关闭对应授权选项方可退出。

GitHub首席产品官Mario Rodriguez对外解释称，引入真实用户交互数据训练模型，核心目标是提升Copilot代码建议的准确率和安全性，减少生成代码的漏洞风险。目前基于微软内部积累的交互数据完成的预测试显示，引入用户真实场景数据后，Copilot的代码建议用户接受率提升了近20%，生成代码的合规性也有明显改善。

GitHub方面同时强调，这种基于用户交互数据优化模型的方式，并非行业个例，Anthropic、JetBrains、微软等AI工具厂商均采用类似的训练数据采集规则。

尽管官方给出了合理的优化理由，但此次的预设加入机制还是引发了开发者社区的大量质疑。不少开发者提出，部分用户可能不会关注到政策变更提示，在不知情的情况下就授权平台采集自己的私有代码数据，而现有规则并未明确私有仓库代码的知识产权归属，一旦训练后的模型生成高度相似的代码，很可能引发新的版权纠纷。

此前Copilot就曾因生成受版权保护的代码，被开发者集体起诉，相关案件至今仍在审理过程中。

事实上，随着AI编程工具的普及率持续提升，如何平衡模型迭代的训练数据需求和用户的数据权益，已经成为整个行业面临的共性问题。一方面，真实场景的用户交互数据是提升AI模型能力的核心资源，另一方面，数据确权、隐私保护的相关规则尚未完善，此前已有多家AI工具厂商因默认采集用户数据遭到监管部门的处罚。此次GitHub的政策调整，也再次将AI工具的数据治理问题推到了公众视野中。