從長(zhǎng)遠(yuǎn)看，Google案件反映的不僅是版權(quán)問(wèn)題，更關(guān)乎數(shù)字時(shí)代“數(shù)據(jù)是什么資產(chǎn)”的定性。

文｜胡嘉琦
ID | BMR2004

2026年1月，美國(guó)大型出版集團(tuán)Hachette、Cengage等機(jī)構(gòu)請(qǐng)求加入針對(duì)Google的集體訴訟，指控其在訓(xùn)練Gemini大模型時(shí)未經(jīng)授權(quán)使用出版物的內(nèi)容，稱這種行為構(gòu)成“大規(guī)模侵權(quán)”。

這起訴訟始于2025年12月，《紐約時(shí)報(bào)》記者及多位圖書(shū)作者向美國(guó)加州法院提起訴訟，指控Google、OpenAI、Meta、Anthropic等公司未經(jīng)許可使用受版權(quán)保護(hù)的作品訓(xùn)練大語(yǔ)言模型，并將這一行為稱為“盜版訓(xùn)練”。

這起案件迅速成為全球科技與法律領(lǐng)域的焦點(diǎn)。中國(guó)科學(xué)院科技戰(zhàn)略咨詢研究院副研究員呂磊在接受《商學(xué)院》記者采訪時(shí)指出，當(dāng)前大模型訓(xùn)練所使用的數(shù)據(jù)來(lái)源十分復(fù)雜，既包括合法購(gòu)買(mǎi)的數(shù)據(jù)集，也不可避免地涉及受著作權(quán)保護(hù)的作品。技術(shù)發(fā)展高度依賴大規(guī)模數(shù)據(jù)，但這些數(shù)據(jù)中包含大量受保護(hù)內(nèi)容，如何在技術(shù)進(jìn)步與權(quán)利保護(hù)之間取得平衡，已成為生成式人工智能興起后最核心的法律議題之一。

01

訓(xùn)練如何會(huì)構(gòu)成侵權(quán)？

當(dāng)訓(xùn)練規(guī)模擴(kuò)大、商業(yè)化程度提高、模型直接生成內(nèi)容的能力增強(qiáng)時(shí)，簡(jiǎn)單套用既有判例難以覆蓋新的技術(shù)現(xiàn)實(shí)。

在Google案件中，原告認(rèn)為未經(jīng)授權(quán)將作品納入AI模型訓(xùn)練，不僅構(gòu)成復(fù)制行為，更對(duì)創(chuàng)作者的現(xiàn)實(shí)經(jīng)濟(jì)利益造成實(shí)質(zhì)性侵害。原告律師團(tuán)隊(duì)指出，當(dāng)人工智能系統(tǒng)能夠生成與原作品高度相似的內(nèi)容時(shí)，這種行為已經(jīng)超出“學(xué)習(xí)”的范疇，更接近于對(duì)原創(chuàng)表達(dá)的“侵占”。

與之相對(duì)，以Google為代表的科技企業(yè)則認(rèn)為，現(xiàn)行版權(quán)體系中的合理使用規(guī)則足以涵蓋 AI訓(xùn)練行為。它們強(qiáng)調(diào)，收集作品的目的并非消費(fèi)內(nèi)容本身，而是讓算法學(xué)習(xí)語(yǔ)言結(jié)構(gòu)與表達(dá)規(guī)律。這種定性上的巨大分歧，正是當(dāng)前全球司法體系面臨的核心難題。

從根本上看，現(xiàn)行版權(quán)保護(hù)法中的“復(fù)制”“合理使用”“轉(zhuǎn)換性使用”等概念，是在人類創(chuàng)作與傳播的背景下形成的，并非針對(duì)算法驅(qū)動(dòng)的統(tǒng)計(jì)學(xué)習(xí)設(shè)計(jì)。因此，爭(zhēng)議的焦點(diǎn)很快從“企業(yè)是否違法”，上升為更基礎(chǔ)的問(wèn)題：人工智能訓(xùn)練行為在法律上應(yīng)如何定性？

這一爭(zhēng)議可從人工智能運(yùn)行的兩個(gè)階段理解：訓(xùn)練階段與生成階段。

在訓(xùn)練階段，海量文本、圖像和視頻被系統(tǒng)化地納入算法處理流程，模型通過(guò)參數(shù)調(diào)整形成對(duì)語(yǔ)言和世界規(guī)律的抽象理解。然而，這一過(guò)程是否構(gòu)成對(duì)作品的“復(fù)制”，法律上尚無(wú)明確答案。Google等公司強(qiáng)調(diào)，這是統(tǒng)計(jì)學(xué)習(xí)而非對(duì)作品表達(dá)的再現(xiàn)或傳播，其法務(wù)團(tuán)隊(duì)嘗試將其界定為“功能性使用”，并類比于Google Books案中掃描圖書(shū)建立索引的行為，試圖將其納入“轉(zhuǎn)換性使用”框架。

但呂磊指出，當(dāng)訓(xùn)練規(guī)模擴(kuò)大、商業(yè)化程度提高、模型直接生成內(nèi)容的能力增強(qiáng)時(shí)，簡(jiǎn)單套用既有判例難以覆蓋新的技術(shù)現(xiàn)實(shí)。在此案中，創(chuàng)作者與版權(quán)方就認(rèn)為，只要作品被納入訓(xùn)練數(shù)據(jù)庫(kù)，或者以任何形式加載進(jìn)系統(tǒng)內(nèi)存，就已構(gòu)成未經(jīng)授權(quán)的復(fù)制行為。更關(guān)鍵的是，訓(xùn)練后的模型可能在生成階段再現(xiàn)、改寫(xiě)甚至替代原作品，從而擠壓原作者的市場(chǎng)空間。在這一邏輯下，訓(xùn)練階段本身即可構(gòu)成侵權(quán)，無(wú)須等待輸出內(nèi)容。

由此來(lái)看，生成階段的爭(zhēng)議或許可以聚焦于模型輸出與訓(xùn)練樣本的相似性。當(dāng)人工智能生成的文本高度接近某些原作品時(shí)，問(wèn)題隨之而來(lái)：模型究竟是“記住了”原作品，還是僅僅“學(xué)會(huì)了風(fēng)格”？

呂磊指出，從法律上區(qū)分“記住作品”與“模仿風(fēng)格”本身就存在難度，而在技術(shù)層面，要精確判斷模型發(fā)生了哪種行為，更是高度專業(yè)化的挑戰(zhàn)。若法律分析脫離對(duì)AI技術(shù)原理和訓(xùn)練機(jī)制的理解，很難得出可操作性結(jié)論。

在傳統(tǒng)版權(quán)法框架下，保護(hù)對(duì)象是具體表達(dá)而非風(fēng)格。理論上，如果模型在特定提示下輸出與原作品高度相似的內(nèi)容，可能被認(rèn)定為實(shí)質(zhì)性再現(xiàn)；但更多情況下，生成內(nèi)容只是對(duì)大量信息的重新組合，現(xiàn)有法律難以精準(zhǔn)劃定其與原作的邊界。

截至目前，Google與多家出版巨頭的版權(quán)爭(zhēng)議案件尚未裁決。案件仍在美國(guó)聯(lián)邦法院審理，包括出版商介入請(qǐng)求的審查、證據(jù)披露及雙方提交法律論證等程序。圍繞Google的訴訟核心問(wèn)題是：AI模型訓(xùn)練行為是否構(gòu)成版權(quán)“復(fù)制”與侵權(quán)，以及在何種條件下成立，而現(xiàn)行法律對(duì)此尚無(wú)明確界定。

而出版集團(tuán)加入訴訟的動(dòng)機(jī)之一，是將案件從個(gè)體作者的權(quán)益爭(zhēng)議，提升到涵蓋整個(gè)出版行業(yè)的商業(yè)利益層面，從而擴(kuò)大集體訴訟的適用范圍和潛在法律影響。

02

尚未明朗的法律制度體系

從歷史經(jīng)驗(yàn)來(lái)看，每一次重大技術(shù)變革往往都會(huì)推動(dòng)著作權(quán)制度的演進(jìn)。

以Google案件為例，這幾起針對(duì)其Gemini大模型訓(xùn)練的版權(quán)訴訟，表面上看是具體企業(yè)的侵權(quán)指控，但實(shí)際上它們暴露了一個(gè)更深層次的制度問(wèn)題：現(xiàn)行知識(shí)產(chǎn)權(quán)體系，設(shè)計(jì)之初是針對(duì)人類創(chuàng)作與傳播的行為，而并未為以海量數(shù)據(jù)為基礎(chǔ)的人工智能生產(chǎn)方式做好準(zhǔn)備。無(wú)論是圍繞“訓(xùn)練算不算復(fù)制”，還是“生成內(nèi)容算不算侵權(quán)”的爭(zhēng)論，核心問(wèn)題都是基于AI訓(xùn)練在法律上應(yīng)如何界定。

呂磊指出，從現(xiàn)行《著作權(quán)法》出發(fā)，大模型在訓(xùn)練階段對(duì)作品的使用，很難直接納入傳統(tǒng)“合理使用”框架。

從歷史經(jīng)驗(yàn)來(lái)看，每一次重大技術(shù)變革往往都會(huì)推動(dòng)著作權(quán)制度的演進(jìn)。呂磊以互聯(lián)網(wǎng)為例，早期的網(wǎng)絡(luò)信息傳播同樣對(duì)版權(quán)構(gòu)成沖擊，但隨著商業(yè)模式逐漸成熟、法律規(guī)則不斷完善，“信息網(wǎng)絡(luò)傳播權(quán)”等制度逐步建立，新的產(chǎn)業(yè)秩序也隨之形成。由此可見(jiàn)，圍繞AI訓(xùn)練數(shù)據(jù)的制度亟待重構(gòu)。

呂磊指出，若嚴(yán)格按照傳統(tǒng)版權(quán)邏輯，對(duì)每一份作品逐一進(jìn)行授權(quán)，不僅在操作上幾乎不可能實(shí)現(xiàn)，也會(huì)嚴(yán)重拖慢技術(shù)發(fā)展。歷史經(jīng)驗(yàn)同樣表明，每一次技術(shù)革命最終都促使授權(quán)方式和收益分配規(guī)則隨著技術(shù)演進(jìn)而發(fā)生調(diào)整。

在制度尚未完全明朗的情況下，Google等企業(yè)也開(kāi)始在商業(yè)實(shí)踐中提前搭建“準(zhǔn)規(guī)則”，以應(yīng)對(duì)潛在風(fēng)險(xiǎn)。例如，推出訓(xùn)練退出機(jī)制、與內(nèi)容提供方建立付費(fèi)授權(quán)合作，為法律不確定性留出緩沖空間。

一個(gè)典型做法是，Google 在官方服務(wù)條款中為客戶提供知識(shí)產(chǎn)權(quán)賠償承諾：如果企業(yè)用戶因使用Google生成的內(nèi)容被起訴侵權(quán)，Google會(huì)在約定范圍內(nèi)承擔(dān)相應(yīng)責(zé)任和賠償。這種安排將原本分散在用戶身上的潛在風(fēng)險(xiǎn)集中到平臺(tái)自身，使企業(yè)在使用AI工具時(shí)更為放心。

與此同時(shí)，Google推出了面向網(wǎng)站運(yùn)營(yíng)者的“訓(xùn)練退出機(jī)制”，允許內(nèi)容提供方通過(guò)技術(shù)手段聲明不希望其網(wǎng)站內(nèi)容被用于模型訓(xùn)練。雖然這一機(jī)制在執(zhí)行效果上仍存在爭(zhēng)議，但它釋放了一個(gè)重要信號(hào)：科技公司開(kāi)始承認(rèn)，數(shù)據(jù)使用并非隨意，邊界和規(guī)則或許都需要更明確。

03

轉(zhuǎn)變數(shù)據(jù)使用方式

隨著生成式AI大模型開(kāi)發(fā)者逐漸耗盡公共數(shù)據(jù)資源，訓(xùn)練數(shù)據(jù)正越來(lái)越依賴專有數(shù)據(jù)和商業(yè)授權(quán)。

更重要的是，Google在數(shù)據(jù)合作方式上也發(fā)生了轉(zhuǎn)變。對(duì)于價(jià)值高、更新快、專業(yè)性強(qiáng)的數(shù)據(jù)，它越來(lái)越多地采用付費(fèi)授權(quán)與合作模式，而非依賴抓取或模糊的“合理使用”。

2025年1月，Google宣布與美聯(lián)社（AP）達(dá)成協(xié)議，通過(guò)授權(quán)讓Gemini AI聊天機(jī)器人獲取實(shí)時(shí)新聞更新，這是其首次與新聞出版商建立AI內(nèi)容的商業(yè)合作。盡管具體金額未公開(kāi)，但此舉意味著新聞內(nèi)容從可隨意抓取的網(wǎng)絡(luò)素材，轉(zhuǎn)變?yōu)榭山灰椎臄?shù)據(jù)資產(chǎn)。

2025年7月，《商業(yè)周刊》報(bào)道Google正與約20家全國(guó)性新聞機(jī)構(gòu)進(jìn)行初步授權(quán)接觸，探索通過(guò)付費(fèi)方式使用其內(nèi)容。這不僅為媒體提供了新的收入來(lái)源，也改變了它們?cè)谄脚_(tái)面前的被動(dòng)地位，使內(nèi)容創(chuàng)作者成為數(shù)據(jù)經(jīng)濟(jì)中的參與者和直接受益者。

這一趨勢(shì)并非個(gè)例。隨著生成式AI大模型開(kāi)發(fā)者逐漸耗盡公共數(shù)據(jù)資源，訓(xùn)練數(shù)據(jù)正越來(lái)越依賴專有數(shù)據(jù)和商業(yè)授權(quán)，并成為具有明確價(jià)值與定價(jià)機(jī)制的核心生產(chǎn)要素。OpenAI已與新聞集團(tuán)簽署數(shù)千萬(wàn)美元級(jí)數(shù)據(jù)許可協(xié)議；類似模式在學(xué)術(shù)出版、專業(yè)數(shù)據(jù)庫(kù)及平臺(tái)數(shù)據(jù)領(lǐng)域也相繼出現(xiàn)。而能夠成為“數(shù)據(jù)供應(yīng)商”的機(jī)構(gòu)，往往掌握高價(jià)值、專業(yè)性強(qiáng)且難以替代的數(shù)據(jù)，如美聯(lián)社、路透社、《紐約時(shí)報(bào)》、Factiva、Statista、Gartner、Elsevier、Springer Nature、WIPO、IEEE標(biāo)準(zhǔn)庫(kù)，以及電商和社交平臺(tái)的用戶行為數(shù)據(jù)。

《數(shù)字化賦能高質(zhì)量發(fā)展》主編、數(shù)字化專家賴家材認(rèn)為，隨著數(shù)據(jù)成為關(guān)鍵生產(chǎn)要素，企業(yè)對(duì)數(shù)據(jù)價(jià)值的認(rèn)知和使用方式，正在從“資源思維”走向“資產(chǎn)思維”。

企業(yè)評(píng)估數(shù)據(jù)的商業(yè)價(jià)值，核心看兩個(gè)維度：“不可替代性”和“實(shí)用度”?？梢园褦?shù)據(jù)理解為食材，越新鮮、越稀缺、越貼合使用場(chǎng)景，價(jià)值就越高。更新頻率快、專業(yè)性強(qiáng)、獲取難度大的數(shù)據(jù)，天然具有更高的市場(chǎng)溢價(jià)能力。在授權(quán)模式選擇上，企業(yè)要根據(jù)使用需求進(jìn)行匹配：按條許可適合短期、小規(guī)模使用，靈活且避免浪費(fèi)；長(zhǎng)期合同更適用于核心、剛需型數(shù)據(jù)，有助于鎖定穩(wěn)定來(lái)源；訂閱模式則適合高頻、持續(xù)更新的數(shù)據(jù)，能夠形成長(zhǎng)期穩(wěn)定的數(shù)據(jù)供給機(jī)制。

在數(shù)據(jù)類型上，真正最有價(jià)值也最難替代的，往往是那些具有專業(yè)門(mén)檻和生產(chǎn)成本的“硬數(shù)據(jù)”。例如權(quán)威媒體的實(shí)時(shí)新聞、學(xué)術(shù)出版機(jī)構(gòu)的專業(yè)論文數(shù)據(jù)庫(kù)、成熟調(diào)研機(jī)構(gòu)的行業(yè)統(tǒng)計(jì)與研究數(shù)據(jù)等。這類數(shù)據(jù)采集和生產(chǎn)過(guò)程復(fù)雜，難以被輕易復(fù)制。企業(yè)在選擇數(shù)據(jù)供應(yīng)商時(shí)，應(yīng)重點(diǎn)關(guān)注三項(xiàng)關(guān)鍵指標(biāo)：一是數(shù)據(jù)質(zhì)量，是否準(zhǔn)確、干凈、可直接使用；二是更新效率，能否跟上模型訓(xùn)練和業(yè)務(wù)迭代的節(jié)奏；三是合規(guī)性，版權(quán)歸屬是否清晰、使用風(fēng)險(xiǎn)是否可控。高價(jià)值數(shù)據(jù)是AI系統(tǒng)的重要“養(yǎng)料”，而穩(wěn)定可靠的數(shù)據(jù)供應(yīng)商，則是保障模型能力和業(yè)務(wù)安全的源頭。

在使用這些高價(jià)值數(shù)據(jù)的過(guò)程中，合規(guī)問(wèn)題變得尤為重要。AI企業(yè)在使用內(nèi)容數(shù)據(jù)時(shí)，需要與權(quán)利人簽訂清晰協(xié)議，明確使用范圍、期限以及收益分配機(jī)制。同時(shí)，優(yōu)先采用版權(quán)清晰、經(jīng)過(guò)脫敏或去標(biāo)識(shí)化處理的數(shù)據(jù)，也有助于從源頭降低法律風(fēng)險(xiǎn)。

從更宏觀的角度看，數(shù)據(jù)資產(chǎn)的商業(yè)化正在重塑行業(yè)結(jié)構(gòu)，并推動(dòng)相關(guān)制度不斷完善。未來(lái)有望逐步形成類似版權(quán)市場(chǎng)的“數(shù)據(jù)許可市場(chǎng)”，讓數(shù)據(jù)交易從分散、模糊走向規(guī)范、透明。對(duì)行業(yè)而言，這意味著內(nèi)容生產(chǎn)機(jī)構(gòu)不再只是被動(dòng)提供素材，而是成為AI價(jià)值鏈中的重要參與者；對(duì)政策層面來(lái)說(shuō)，也將加快數(shù)據(jù)權(quán)屬界定、交易規(guī)則和監(jiān)管框架的完善。隨著規(guī)則逐漸清晰，數(shù)據(jù)要素的價(jià)值將得到更充分釋放，數(shù)字經(jīng)濟(jì)的發(fā)展邏輯也將隨之升級(jí)。

康達(dá)律師事務(wù)所高級(jí)合伙人茍博程則認(rèn)為，企業(yè)對(duì)其數(shù)據(jù)價(jià)值的評(píng)估通常綜合技術(shù)效用、稀缺性、可復(fù)用性、合規(guī)成本與市場(chǎng)替代難度，并應(yīng)用成本法、收益法和市場(chǎng)比較法進(jìn)行定價(jià)。這一邏輯在實(shí)際巨頭實(shí)踐中也清晰可見(jiàn)。以Google為例，谷歌在其Gemini和其他生成式AI服務(wù)中強(qiáng)調(diào)對(duì)客戶數(shù)據(jù)的安全與合規(guī)處理，比如明確承諾不會(huì)未經(jīng)許可使用Workspace客戶數(shù)據(jù)來(lái)訓(xùn)練其模型，從而避免合規(guī)風(fēng)險(xiǎn)和潛在侵權(quán)指控，這本身就是對(duì)數(shù)據(jù)來(lái)源合法性和使用邊界的商業(yè)價(jià)值判斷和風(fēng)險(xiǎn)防控的體現(xiàn)。

與此同時(shí)，圍繞如何使用公開(kāi)內(nèi)容訓(xùn)練模型的爭(zhēng)議也日益成為行業(yè)焦點(diǎn)。歐盟競(jìng)爭(zhēng)監(jiān)管機(jī)構(gòu)近期對(duì)谷歌是否在訓(xùn)練Gemini等模型時(shí)利用網(wǎng)絡(luò)內(nèi)容（包括出版商文章和YouTube視頻）且未給創(chuàng)作者提供合理補(bǔ)償或選擇退出的權(quán)利啟動(dòng)了調(diào)查。

茍博程認(rèn)為，真正高價(jià)值且難替代的數(shù)據(jù)仍集中于垂直領(lǐng)域?qū)Ｓ袛?shù)據(jù)、真實(shí)用戶交互數(shù)據(jù)、多模態(tài)對(duì)齊數(shù)據(jù)及時(shí)效性強(qiáng)的動(dòng)態(tài)數(shù)據(jù)，企業(yè)在遴選數(shù)據(jù)供應(yīng)商時(shí)需重點(diǎn)核查合法來(lái)源證明、數(shù)據(jù)質(zhì)量文檔及知識(shí)產(chǎn)權(quán)清晰度。在利用公開(kāi)數(shù)據(jù)的同時(shí)，必須建立合規(guī)體系，通過(guò)事前盡調(diào)、合同與技術(shù)雙重保障以及創(chuàng)作者補(bǔ)償與溯源機(jī)制來(lái)降低侵權(quán)風(fēng)險(xiǎn)；全球監(jiān)管趨勢(shì)也日益強(qiáng)調(diào)訓(xùn)練數(shù)據(jù)的合法性與透明度。

從長(zhǎng)遠(yuǎn)看，Google案件反映的不僅是版權(quán)問(wèn)題，更關(guān)乎數(shù)字時(shí)代“數(shù)據(jù)是什么資產(chǎn)”的定性。圍繞數(shù)據(jù)的許可市場(chǎng)、透明度規(guī)則和合規(guī)機(jī)制，可能成為未來(lái)制度框架的重要組成部分，推動(dòng)新的數(shù)據(jù)產(chǎn)權(quán)體系形成。