一句话定义：Air-gapped Training（气隙训练）指把模型训练环境与公网彻底隔离，训练数据以离线方式“静态投喂”，整个训练过程不联网、不调用外部服务的安全做法。“气隙”（air gap）原意是物理上不留连接缝隙，引申为网络上的硬隔离。
原理打个比方：就像把学生关进一间没有 Wi-Fi、没有手机信号的教室，教材提前打印、审查、装订好送进去，学生只能在屋里读这些材料，既不能上网查资料，也不能往外发消息。对应到训练集群：数据集先经过审核、脱敏、病毒与恶意代码扫描，打包成离线介质或通过单向网关（data diode，数据二极管）导入；训练框架、依赖包、模型权重都来自内部镜像仓库；训练任务运行期间，机器不解析外网域名、不出站连接。
它防的是什么：一是防数据外泄，训练语料和模型权重都是高价值资产，一旦联网就可能被窃取；二是防外部注入，避免训练过程中从公网拉取被污染的依赖或数据；三是防远程操控和供应链攻击；四是防训练过程被外部观测。换句话说，它把“信任边界”画在机房门口，而不是画在防火墙规则里。
和评测气隙的区别：评测气隙（evaluation air gap）发生在评测阶段，核心是防止评测题目、标准答案泄漏，或被测模型偷偷上网“作弊”；训练气隙发生在训练阶段，核心是保护数据和权重。两者可以同时存在，但目的不同。
| 维度 | 气隙训练 | 评测气隙 | 普通云端训练 |
|---|---|---|---|
| 阶段 | 训练 | 评测 | 训练/评测 |
| 主要防什么 | 数据与权重外泄、外部注入 | 题目泄漏、模型联网作弊 | 一般网络安全 |
| 数据进入方式 | 离线介质/单向导入 | 离线题库导入 | 在线拉取 |
| 迭代速度 | 慢，依赖人工搬运 | 中等 | 快 |
对迭代速度的影响：最直接的是“数据搬运靠人”，一次导入要审批、扫描、拷贝、校验，原本小时级的动作可能变成天级；其次不能用实时在线数据做增量训练，反馈闭环变长；再次是调试困难，缺依赖只能离线打包，出了问题排查链路更长。所以采用气隙训练的团队通常要把离线依赖管理、数据版本审计、单向导入流程做成标准动作，并接受“更新慢但可控”的取舍。对普通人来说，这解释了一个现象：某些高敏感行业的 AI 功能更新偏慢，不是模型不行，而是它被关在断网房间里练功。具体合规要求以各机构官方页面为准。