你大概已经知道，ChatGPT、Gemini、Claude 等大模型背后的训练数据包含了海量图书、在线文章、学术论文——基本上是互联网上能找到的一切。据统计，这些数据集涉及数亿册出版物，而大多数作者对此毫不知情，更谈不上授权同意。这听起来显然是一种侵权行为，但现实远比直觉复杂。
法院怎么判：训练行为合法，但"抄书"要罚
去年，旧金山联邦地区法院法官 William Alsup 就一起标志性案件作出裁决：命令 AI 公司 Anthropic 向一批作家支付 15 亿美元版税和解金。
但值得注意的是，Alsup 法官实际上认定 Anthropic 的模型训练本身是合法的。他惩罚的是 Anthropic 从非法"影子图书馆"盗取图书进行训练这一行为——即"盗版"而非"训练"本身。
法官在判决书中写道：
"如同任何渴望成为作家的读者，Anthropic 的大语言模型学习这些作品，并非为了赶超或复制它们——而是为了转身，创造全新的东西。"
法官将大语言模型消化万亿词汇的过程比作作家对文学作品的研读，这一类比在法律层面显然有利于 AI 公司。
AI 领域知识产权专业律师 Cathy Gellis 接受 TechCrunch 采访时评论认为，对 Anthropic 的 15 亿美元罚款对于一家预计 2028 年年收入约 2000 亿美元 的公司来说，不过九牛一毛。更重要的是：
"我认为对 AI 训练来说，这总体上是个好消息——法官将模型训练类比为'阅读'受版权保护的作品，而非'复制'受版权保护的作品。版权法的核心在于'复制'，而不是'使用''体验''消费'或'阅读'作品。"
版权法 50 年未更新，法官只能"古为今用"
美国现行《版权法》自 1976 年以来从未修订，这意味着法官只能用半世纪前的法律框架，来裁决可能决定 AI 行业走向的重大问题。
IP 与媒体法专家、JWL International 创始合伙人 Jason Henderson 告诉 TechCrunch：
"目前所有人都非常焦虑，因为相关判例非常混乱，根源就在于这个核心问题：AI 模型在海量数据上训练，但法律尚未跟上这一现实。"
这些争议的核心，往往指向合理使用（Fair Use）原则——即对受版权保护内容的使用，是否足够"转换性"（transformative），从而被认定为合法。
合理使用是版权法的例外，允许在不经授权的情况下使用受版权保护材料，用于评论、批评、教育、模仿等目的。法官在判定时，会综合考虑使用目的与性质、使用数量，以及对原作市场的影响等因素。
Henderson 指出：
"版权的本质，始终是保护和拓展市场。在 AI 相关案件中，法院的推理路径各不相同。总体趋势是：如果你的训练目的是直接与原作市场竞争，法院会持否定态度；但如果你的用途不构成竞争，法院往往倾向于认定合法。"
这一趋势在 Thomson Reuters 诉 Ross Intelligence 一案中体现得最为清晰。Ross Intelligence 为构建一个与 Reuters 直接竞争的 AI 法律平台，复制了 Reuters 的内容。联邦上诉法院法官 Stephanos Bibas 在去年裁定：
"Ross 的使用不具有转换性，因为它与 Thomson Reuters 的用途没有'进一步的目的或不同的性质'。"
法官因此认定，以直接竞争为目的训练 AI 使用受版权保护内容，不属于合理使用。至于作家能否主张聊天机器人通过其作品生成新内容构成竞争关系，目前这一论点尚未在法庭上获得支持。
AI 生成内容的版权：另一个悬而未决的问题
Gellis 指出，讨论 AI 与版权的关系时，实际上需要区分两个不同的问题：训练阶段使用受版权作品是否合法，以及 AI 生成内容本身是否受版权保护。
在 Thaler v. Perlmutter 一案中，法院裁定：若作品 100% 由 AI 生成，则不受版权保护。但这随即引出了另一个难题——如何判定一部作品有多少比例是 AI 生成的？AI 在创作过程中扮演了什么角色？
Gellis 打了一个形象的比方：
"如果你用 Microsoft Word 写小说并使用拼写检查，我们通常不会认为 Word 应该拥有你的小说版权。但 AI 正在迫使我们重新审视那些长期被搁置的决策。"
短期格局：诉讼持续，判例逐步塑造行业规则
大多数 AI 公司目前仍深陷相关诉讼，这意味着短期内不会出现定论。
Gellis 认为：
"目前看到的这些初期判决正在产生影响，但这种影响并非不可逆转——如果其他法院作出不同认定，局势就可能改变。最终哪种解释会占上风，需要后续诉讼来验证。但在此之前，所有这些判决都在塑造整个行业的走向。对 AI 公司来说，无视这些判例是非常愚蠢的。"
评论