OpenAI/Anthropic：版权诉讼解析
像 ChatGPT 或 Claude 这样的系统，好像不费吹灰之力就能生成文本、代码或歌词，但谁来为此付出代价？德国一家法院判决 OpenAI 因使用受版权保护的歌词而败诉，而 Anthropic 则与图书作者达成和解。这些诉讼涉及一个基本问题：是否允许大规模复制受版权保护的作品用于人工智能训练，以及在什么条件下。与此同时，人工智能提供商正与媒体公司签订许可协议，以获取“干净”的训练数据。这些诉讼是生成式人工智能商业模式的压力测试，将对出版商、创意人士、开发者、用户以及服务价格产生影响。
来源: 自家表示
人工智能与版权
针对 OpenAI 和 Anthropic 的版权诉讼涉及生成式人工智能系统，这些系统通过学习大量文本、图像、音乐或代码中的模式来生成新内容。训练过程涉及技术性复制数据，例如从阴影图书馆下载书籍、抓取网页或读取许可档案。 OpenAI 运营 ChatGPT 和底层语言模型，这些模型使用网络数据、许可内容和其他来源进行训练。 Anthropic 开发 Claude，一个功能相似的模型，基于大型文本语料库。
在法律层面，版权保护作品的复制和使用，以及人工智能训练可能属于文本识别或数据分析的范畴，与现有的限制规定相冲突。例如，欧盟的“文本和数据挖掘”或美国的“合理使用”。 Fair Use 是一项灵活的美国规定，允许在不经许可的情况下使用受版权保护的作品进行批评、研究或转化。欧洲有明确定义的例外和特定的文本和数据挖掘规则，其应用取决于许可和使用目的。
在 OpenAI，冲突始于个人作者就其书籍被用于训练而提起的诉讼。2023 年，17 位作者通过作者协会提起集体诉讼，指控 OpenAI 复制了他们的文本来训练能够生成风格相似内容的模型。纽约一家联邦法院驳回了对 OpenAI 和微软的主要版权指控。2023 年底，《纽约时报》起诉 OpenAI 和微软，指控其未经许可使用了数百万篇文章进行训练。报纸要求销毁所有基于其内容的模型，并寻求可能数十亿美元的赔偿。此案被认为是媒体与人工智能之间的一次重要较量。
Alden Global Capital 集团旗下的八家美国报纸也起诉了 OpenAI 和微软。2025 年，数字出版商 Ziff Davis 提起诉讼。总共有十多起针对 OpenAI 的诉讼。关于基于 OpenAI 技术运行的编程助手 GitHub Copilot，也存在争议，开发人员指控微软、GitHub 和 OpenAI 大规模地将许可的开源存储库纳入训练，并违反了许可条款。大部分索赔在 2024 年被驳回，但某些方面可以继续追究。
来源: YouTube
2025 年秋季，慕尼黑一家法院裁定 ChatGPT 违反了德国版权法，因为它使用了未经许可受 GEMA 会员保护的歌词。OpenAI 必须支付赔偿。法院指出，不仅是输出，就连训练所需的数据复制也可能受到保护权的影响。
对于 Anthropic，冲突最终以一本现成图书作者提起的集体诉讼告终，他们指控该公司使用了约七百万本书籍（包括盗版书籍）进行训练。一位美国联邦法官最初认为，在某些情况下，合法获取的书籍副本的训练可能构成合理使用，但对于如何处理非法获取的副本则未作规定。2025 年 9 月，Anthropic 同意支付约 15 亿美元以达成和解，了结该集体诉讼。和解金额表明，版权风险可能对人工智能提供商构成生存威胁。
来源: de.marketscreener.com
OpenAI 处于版权争议的中心，因为其人工智能模型使用了大量数据进行训练。
Meta 和 Stability AI 等其他人工智能公司赢得了一些初步判决，法院认定在某些图书或图像语料库上的训练是允许的使用，或者因程序原因驳回了诉讼。法律状况仍不明确。
经济方面
许多创意人士、出版商和协会正在起诉 OpenAI 和 Anthropic，因为这涉及到新的市场。训练语言模型需要海量数据：来自报纸、书籍、论坛、代码存储库、歌词的文本。很长一段时间以来，这些数据都是从开放网络上“抓取”的，通常认为公开可用的内容可以用于分析目的。诉讼质疑了这种做法，因此也质疑了人工智能公司将来是否必须系统性地支付许可费。
与此同时，一个由数据经纪人和专门的“数据集提供商”组成的生态系统正在不断壮大，它们提供经过策划、法律上安全的数据集用于人工智能训练。Rightsify 或 vAIsual 等公司已联合成立了一个行业协会，倡导更严格的规则、透明度和报酬，并将自己视为“狂野”的网络抓取行为的反面。
来源: aicamp.so
OpenAI 和 Anthropic 之间的竞争对人工智能行业的经济格局产生了重大影响。
对于媒体公司来说，问题在于阻止人工智能模型读取、总结其内容，并与它们自己的平台竞争，而无需支付任何费用。然而，许多出版商也认识到他们拥有可靠的数据流，可以进行许可，并正在建立合作关系。OpenAI 已与 Axel Springer、News Corp、金融时报、Le Monde 和美联社等公司达成协议，许可其内容用于训练和输出。Reddit 通过与 Google 和 OpenAI 的许可协议来赚取一部分收入，以获取论坛帖子。
人工智能的“隐藏成本”在政治讨论中日益重要。大型模型的训练过程消耗大量能源和水。如果还要支付数十亿美元的图书、文章或音乐许可费，问题就来了：如今的人工智能服务订阅价格是否能收回成本，还是通过投资者和隐藏补贴来交叉融资？
监管与政策
在监管层面，框架正在转移：《 EU-AI-Act 》要求像 ChatGPT 和 Claude 这样的“通用人工智能”提供商提高训练数据的透明度，并更严格地遵守版权法。这标志着从自愿披露到强制性义务的转变，这可能会产生与商业秘密的矛盾。
事实证明，OpenAI 和 Anthropic 在训练其模型时都处理了大量受版权保护的内容。诉讼和法庭文件详细说明了哪些数据源和阴影图书馆可能被使用。一些法院发出了截然相反的信号：慕尼黑一家法院认为使用受保护的歌词违反了德国版权法，而美国法官在针对 Meta 和 Anthropic 的诉讼中则得出合理使用的结论，至少在合法获取的副本方面。
人工智能模型可以“记忆”训练数据的一部分，即近乎逐字地再现较长的片段。这更像是一个技术性的副作用，但对于敏感内容和机密数据却很重要。研究表明，这方面的比例是个位数。
法院最终是否会认定仅基于受版权保护的作品进行训练是允许的，如果模型在之后不再返回大量相同的片段，并且使用被认为是足够“转化性”的，这一点仍然不清楚。法律分析强调，很大程度上取决于模型的具体设计、市场影响以及各自的限制规定。
未来的许可费用将达到多少，以及它们是否会优先考虑那些财大气粗的大公司，这一点也不清楚。与媒体公司的合约定价可能在几年内达到数亿美元，而开源模型仍然高度依赖免费数据。
“人工智能训练就是‘盗窃’，因为模型一定会存储完整作品并逐字输出”的说法是错误或误导性的。技术分析表明，模型主要学习模式和统计关系。更具问题的是一小部分但相关的记忆，以及初始复制训练数据是否被允许。这缓和了“人工智能就是一个大型复印机”的简单类比。
“《纽约时报》起诉 OpenAI 的一项判决就可以‘禁止’或关闭所有生成式人工智能”的想法也是误导性的。更现实的是循序渐进的调整：更多的许可，更严格的透明度义务，可能新的训练数据报酬模式以及额外的技术保护措施。
来源: user-added
一张图表，展示了各种人工智能模型及其所属的闭源或开源。
作者协会，如 Authors Guild 强调，没有有效的报酬体系，许多写作者的生计将受到威胁，而人工智能公司则在“盗窃”的书籍上建立了数十亿美元的生意。他们要求制定明确的规则，规定作品不得未经许可使用，或者至少集体向收款机构支付报酬。
大型媒体公司意见不一：《纽约时报》或一些美国地区性报纸，选择通过诉讼来获得谈判优势。其他出版商，如 Axel Springer、News Corp 或金融时报，则选择了广泛的许可协议，并视人工智能为额外的分销渠道和收入来源。
OpenAI 和 Anthropic 强调，它们遵守法律，尊重版权，并越来越多地使用许可或法律上已清楚的数据。同时，它们辩称，对每一次训练使用都实行严格的许可制度，会将人工智能的发展限制在少数大型企业手中。
电子前沿基金会等公民社会组织警告不要过度扩大版权。如果研究、开源项目或小型企业不再有类似合理使用的余地，创新可能会掌握在少数大型企业手中。另一方面，创意人士协会和一些法律专家要求，特别是考虑到人工智能，应引入新的报酬机制和保护权，这些机制和保护权应超越传统的用法。
实际影响
作为创意人士、开发人员或使用人工智能的企业，您将拥有越来越多的选择。如果您创作内容，您可以主动将您的作品许可给那些遵守透明人工智能报酬模式的平台，例如通过收款机构或数据集提供商。同时，您可以使用技术保护措施，从 robots.txt 配置到大型提供商日益尊重的一些特殊的“noai”元标签。
如果您在职业上使用人工智能服务，则应查看合同条款。如今，许多提供商允许您关闭某些数据的训练使用，或提供不重复使用输入数据的独立“企业”环境。特别是对于拥有敏感或受版权保护内容的组织，应主动考虑这些选项。
在判断新闻标题时，简单的检查步骤很有帮助：查看文章是否链接到具体的法庭文件，数字是否可查证，以及法律风险和纯粹的猜测是否已被清晰区分。原始来源，如 Courtlistener, Justia 或法院本身的出版物，有助于补充媒体报道。
幕后正在发生技术性的转变：Cloudflare 等提供商目前提供标准的人工智能爬虫拦截，并正在试验“按爬取付费”模式，即人工智能公司必须为访问内容付费。这可以加强内容平台的谈判地位，但也可能导致某些内容仅对付费人工智能提供商可见。
未来展望
尽管有大量的诉讼、判决和和解，许多重要的问题仍然悬而未决。核心的教义问题是，是否仅仅复制大量受版权保护的作品用于训练就是一种独立的、需要许可的使用，还是更应该将其视为分析行为，属于文本和数据挖掘或合理使用等限制范围。
人工智能提供商未来需要披露训练数据的详细程度，这一点也悬而未决。欧盟人工智能法案要求提供所用内容的“摘要”，但专业文章讨论这是否意味着比粗略的类别和示例来源更多，以及商业秘密的保护程度。
另一个悬而未决的问题是国际碎片化：虽然美国法院在合理使用论证方面进展很大，但欧洲法院更倾向于更严格的版权教义和特定的 TDM 规则。这可能导致人工智能模型根据地区的不同进行训练或部署，从而对竞争力和强大系统的访问产生影响。
最后，关于新的技术标准——从人工智能特定的 Robots 扩展到“ai-train”或“ai-input”等内容信号——将如何产生法律影响，以及法院是否最终会将它们视为明确的许可或反对工具，这一点仍然不甚清楚。
针对 OpenAI 和 Anthropic 的版权诉讼标志着一个深刻的结构性转变，而不是突然的断裂：创意人士、媒体和平台正在努力应对在生成式人工智能时代如何使用和报酬他们的作品——而人工智能公司必须学会，“简单地从网络上获取一切”在政治上和法律上都不可持续。对您来说，这意味着：将训练数据视为抽象的集合是没有意义的，而应认识到它们是什么——是数百万人的劳动成果。规则、报酬途径和技术保护措施越清晰，就越有可能出现强大的人工智能系统，并且同时尊重在它们肩上站立者的权利。