当大模型厂商竞相为千亿算力基建烧钱时，一颗更为隐秘的“版权暗雷”正在逼近。
8月中旬，苹果拟付数亿美元采购新闻语料的消息传出，一时激起内容行业千层浪。近两年，围绕AI训练语料的版权诉讼已在全球蔓延。
新闻界，《纽约时报》起诉OpenAI和微软公司，指控两家企业未经授权使用数以百万计文章训练ChatGPT等大模型。文学界，包括两届普利策奖得主约翰·卡雷鲁等六位作家，同时将Anthropic、OpenAI、谷歌、Meta、xAI及Perplexity告上法庭，指控其实施了“蓄意盗窃行为”。
此前，据媒体报道，Anthropic被指控滥用著作训练AI聊天机器人Claude，后经和解，仍需支付15亿美元赔偿金。这也是目前美国版权案中已知金额最高的和解协议。
国内方面，去年11月，上海市金山区人民法院一审宣判了上海首例人工智能大模型著作权侵权案，涉及《斗破苍穹》系列动漫中角色形象的复制权、信息网络传播权问题。
迭代的大模型一路狂奔，背后的“版权之争”如何破局？面对争议，法律上如何界定“合理使用”与“侵权”的边界？记者就此对话了相关律师、知识产权教授及出版商等内容从业者。
“按量付费”是公平交易还是定价权游戏？
苹果这一动作之所以引发关注，不只是因为它计划掏了数亿美元买新闻版权，也因其提出“按量付费”的浮动报酬机制。即当合作方内容实际被 Siri 使用时，才向出版商支付费用。
有人认为，苹果此次提出的“按使用量付费”模式，这是AI时代内容授权的新范式。
从版权保护的法律层面，“按量付费不是新范式。苹果支付的依然是因AI使用受版权保护作品而产生的美国版税，所涉作品类型与授权内容都依照美国现行《版权法》判定。按量付费本身是版权法常见的许可费计价模式之一。”
上海财经大学竞争法与知识产权研究中心执行主任厉彦冰告诉记者。同时她也是上海财经大学中国式现代化研究院特聘研究员，主要研究方向是知识产权与竞争法、数据与人工智能法。
“按量付费”就能完全规避侵权风险吗？
北京大成（上海）律师事务所高级合伙人、律师傅钢特别强调：著作权法关注的是企业实际实施了哪些作品使用行为，以及这些行为是否获得许可，而不是费用是一次性支付还是分期支付。
“合同即使约定了Siri展示新闻时按次付费，如果来源方的权利有瑕疵，或者授权范围没有完全覆盖使用场景，仍然可能产生侵权或违约风险。”傅钢表示。
不过，北京市中伦文德律师事务所上海分所合伙人、律师黄阳阳指出，在协议框架下“苹果基本上规避了版权侵权的风险，除非其引用的新闻本身侵犯了第三方的版权，但一般情况下类似协议会约定使用方可以免责的条款”。
厉彦冰提醒，按量付费本身只是许可费的计价方式，属于合同条款，仅就次数和单价达成一致，并且只约束合同当事人，不涉及AI使用作品的行为的定性问题。即便成为行业标准，它也无法解决复制与演绎的界定难题，还带来了新的计量认定难题。就已公开的信息看，通常也不会披露此类计量口径的细节。
“比如，一次查询调用了三家出版商的五篇新闻报道、生成一段摘要，这是五次使用、三次还是一次？如果中间发生技术故障，进行了再次调用，但最终只生成了一段摘要，这个使用量如何计算？
“使用量”，是否针对抓取、训练、检索、引用、输出等不同环节、不同目的的使用行为，分别分类计算？”哪怕是按量付费，当前的界定仍然不清晰。
这也意味着：技术模式的选择，会直接影响到许可费的收取。
到实际运作层面，AI大模型企业和内容方，“议价权到底在哪一边”是大家关注的核心议题。
厉彦冰认为，无论是固定年费制度，还是按使用量付费，两种计价方式本身无所谓优劣，真正决定结果的是议价能力：“谁掌握计量数据，谁就掌握定价的解释权。”区别在于，固定授权（如固定年费）模式下，“内容有没有被用”的风险由平台承担，而按量付费把这个风险转移给了传媒或出版商。
通常来看，“计量数据是由平台掌握的，内容商既无法验证自己的内容被调用了多少次，也不知总额多少如何分配，集体议价能力被削弱。”厉彦冰表示。
律师黄阳阳也认为，内容方在举证内容是否侵权上，是存在劣势的。目前高质量中文内容版权分散在海量不同权利人手中，出版商、新闻媒体等机构大多独立且分散，对于版权方来说集体议价能力偏弱，对于AI平台来说获取授权流程复杂、交易成本高昂。
一位出版社从业者透露，“从语料训练的角度来讲，出版社大家很多还没意识到这个问题。对这个问题兴趣不大，比较消极被动，这是出版社实际的反应状态。”
他告诉记者，现在如果有人看中你的版权、愿意支付费用，大家利益共享、风险共担，对出版社而言是利大于弊的。但“应该是什么”和“实际是什么”是两回事，这两者之间是分裂的。
苹果买新闻语料引市场波动，如何分析？
苹果计划投入最高数亿美元资金获取新闻内容版权的消息，在业内引发了不小震动。消息传出当天，A股“AI语料”板块大涨，读客文化盘中一度20cm涨停，中信出版、中国出版、海天瑞声等跟涨。
西南证券传媒首席分析师苟宇睿认为，这类“海外映射”行情，具备情绪与主题资金轮动特征。长期来看，AI正推动传媒内容产业，从“消费品"转向“数据+IP资产“双重定价。定价逻辑方面，国内正从“规模竞争“转向“价值和质量竞争“，政策在推动“以词元为基础的数据集价值体系”确权。
图片来源：东方财富“AI语料”概念
对A股传媒板块估值比较大的影响在于，“让市场从‘看渠道、看发行量’转向‘看数据资产质量’。AI 语料叙事提供一个新的、成长性的估值叙事。”苟宇睿告诉记者。不过，他也提醒，Token价值体系落地，短期更多偏主题弹性，能否沉淀为长期估值中枢，仍需观察后续授权交易、政策能否实质落地。
图片来源：苹果公司2025财年10-K年度报告 美国证券交易委员会（SEC）
回到苹果购买新闻版权的新闻，这种“主动合规”的姿态，在其2025年年报中也可以找到线索。在2025年年报中，苹果将AI列为风险因素。苹果认为，AI等复杂技术可能使用户接触到有害或者不准确的内容，也可能涉及为训练取得和使用受版权保护的材料，以及在模型输出中再现受版权保护的内容，并由此产生产品修改、诉讼成本、许可费用和监管处罚。
“这说明苹果公司已经将AI版权、内容安全和产品责任视为前置的中长期经营风险。”律师傅钢认为，这对国内大模型厂商最直接的启示是，AI语料合规应当覆盖数据取得、清洗、训练、微调、索引、检索、输出和投诉处理的完整过程。
花数亿美元买新闻版权 未来内容行业会重估吗？
“未来真正稀缺的可能不是‘更多的数据’，而是能够被大模型持续、稳定、合规使用的高质量数据资源。大模型厂商的数据竞争会逐步从早期的公开抓取，转向与新闻媒体、出版机构、专业数据库和垂直行业内容提供方建立长期授权合作，并通过权利清理、来源标记、使用范围约定和调用审计来降低合规风险。”律师傅钢告诉《科创板日报》记者。
苟宇睿也有类似的观点。他认为，大众通俗文本、公版书、开放网页数据较多且供应充分。真正稀缺的是高质量、独家、合规、可溯源的专业垂类数据，比如医学教材与病例、法律判例、学术期刊、行业深度报告、权威新闻，以及多模态的真实物理交互数据。高质量、实时性内容正在变成AI竞赛的重要资源之一。
哪些内容资产有望受益呢？苟宇睿的总结是：“稀缺+独家+合规+可溯源+实时”，主要包括五类：专业垂类知识（学术/工具书/出版社类公司）、权威古籍/工具书（出版社）、实时权威新闻（主流媒体）、网文/影视IP（网文平台公司）、数据服务/加工类公司。
与此同时，未来语料相关厂商的收入结构和估值体系也可能面临重构，比如对内容方，理想路径是在传统出版/发行收入之外，新增“数据授权/API 调用分成/数据加工服务”这一增量收入线。传统出版有望从“单纯分红/PE估值”向“分红+数据/版权重估”双逻辑切换。不过目前直接的语料授权收入尚未规模化兑现。
“不过，兑现节奏或许并不会非常快，存在几个约束条件，首先权属复杂、二是工程壁垒：从版权库到"可用数据资产"，中间要经历数字化、清洗、标注、脱敏，成本不低，所以“重估”更可能发生在少数专业、独家、稀缺、可溯源的垂类内容持有方，而非全行业。”苟宇睿表示。
IDC数据显示，2025年中国人工智能基础数据服务市场规模达到62.62亿元人民币，同比增长27.8%，增速超出市场预期。预计2026年市场规模将进一步增长至78.34亿元，2025-2030年复合年均增长率达19.6%。
据业内人士梳理，目前，国内语料数据是“数据本地化+私有部署”为主，暂未公开大规模付费授权交易，以下三类做法并行。
1、自建/合作研发专有模型：如中信出版“夸父 AI”数智出版平台、中国出版推动“中华古籍大模型”、中文在线自研“逍遥”大模型、中原传媒与腾讯合作“豫教大模型”等；
2、共建国家级正版语料库：首批22家机构共建人工智能高质量语料库，坚持“先授权、后使用”，覆盖出版、传媒、版权、科技等领域；人民网牵头成立“主流价值语料生态联盟”；
3、专业数据服务外包。
是“合理使用”还是侵权？未定论的全球争议
多位律师告诉记者，人工智能大模型训练语料时，使用版权人的作品，是“合理使用”还是侵权，主要法律争议在与是否人工智能大模型的训练使用行为是否构成著作权法意义上的合理使用。
对于是否侵权，双方也是各执一词。
AI公司认为，模型在学习了语言规律、知识关系和表达模式后，形成了一种新的技术工具和表达方式。从语料输出到文本输出，具有较强的转换性，两者无法等同。
版权方则认为，模型训练通常以商业经营为目的，需要完整、大规模地复制作品，部分数据还可能来自盗版网站或者未经授权的数据集；模型不仅可能复现原作品，还可能生成大量替代性内容，削弱原有的出版、订阅和授权市场，这是“侵权”。
“对大模型厂商而言，不能仅以训练具有‘转换性’作为当然抗辩；对权利人而言，也不能仅凭作品被用于训练就当然推定侵权。”这是律师傅钢的判断。
黄阳阳也有类似的观点，她认为，未经授权在训练阶段复制语料，不等于输出内容一定侵权。而训练合法，也不代表输出摘要、转述内容准确。
关于“合理使用”和侵权的界定，律师傅钢认为，至少应该考虑以下问题：数据是如何取得的、训练过程中实施了哪些复制行为、模型能否稳定复现受保护表达、最终产品是否与原作品或者权利人的业务形成竞争，以及企业是否采取了过滤、去重、阻止复现和处理投诉的措施。
到现实认定是否侵权时，情况则更为复杂。
“哪怕是同一项AI业务中，不同环节完全可能得出不同结论。比如法院可能认为训练模型本身具有一定转换性，但同时认为从盗版渠道取得和长期保存作品不属于合理使用；也可能认为训练阶段缺少侵权证据，但模型发布、内容展示或者最终输出构成侵权。”傅钢进一步解释道。
今年7月20日，持续近两年的“巴茨诉Anthropic案”以十五亿美元和解正式收官。法官认为Anthropic使用受版权保护的书籍来训练Claude大语言模型在性质上属于“典型的转换性使用”，构成合理使用。但同时驳回了Anthropic用从影子图书馆下载的盗版书籍进行训练的合理使用抗辩，认定构成侵权。
律师傅钢认为，Bartz v. Anthropic案有借鉴意义的地方，是明确了“训练目的具有转换性”和“数据来源合法”是两个独立问题，不能因为后端用途具有创新性，就当然消除前端取得数据的侵权风险。
不过，法学教授厉彦冰也提醒，Bartz v. Anthropic案最终以15亿美元和解终结，所以案件认定没有产生有约束力的先例。当前唯一进入上诉审的Thomson Reuters v. ROSS案，第三巡回法院尚在审理中。
她指出，截至目前，美国没有任何一家联邦上诉法院就AI训练是否构成合理使用作出过实体判决。就合理使用抗辩的认定，美国地区法院的既有判决认定，彼此也存在冲突。在是否侵权以及侵犯何种著作权上，同样存在争议。这种法律上的不确定性很难在短期消除。
版权保护不当 AI将“无米下锅”？
如果版权保护不当，不少采访对象也向记者表示了“竭泽而渔”的担忧。AI越是肆无忌惮地吞噬版权内容，原创供给就越萎缩；原创供给越萎缩，AI就越只能靠“复制自己、循环自己”续命。
皮尤研究中心发布的一项研究显示，自ChatGPT 问世后发布的网页中，超过三分之一可能带有 AI 生成痕迹。研究结果显示，大量网页可能正在形成一种由机器人阅读机器人生成内容的循环。
律师黄阳阳提醒，“知识凝固在模型参数权重里，靠训练学到的统计规律生成答案，知识不会自动更新，容易产生幻觉，输出错误内容。”
一位不愿具名的内容出版从业者透露了一个更隐蔽的危机：“很多上游作者大量通过人机协同进行创作，拿到的作品AI味非常浓，生产效率越来越高、越来越快，其原创性问题在著作权上可能带来比较大的麻烦。”
聚焦到新闻领域，律师黄阳阳也认为，目前AI大模型训练对新闻报道类内容语料版权侵权问题不太重视。而且由于新闻报道数量巨大、文字表述质量较高、且广泛公开刊登在互联网，比较容易获取，成为内容语料版权侵权争议的重灾区。
黄阳阳认为，除极少量对新闻事件简单描述的内容，绝大多数新闻报道都是版权作品。新闻事件事实本身不受版权保护，但记者的文字表达、叙事编排、采访成果属于受保护作品，AI大模型训练利用新闻报道内容语料依旧存在侵权风险。
她进一步指出：“大模型合规需要把版权、内容安全、产品责任放在一起评估，不能只看重模型效果，把版权当作后置问题。”
目前的实际情况如何？“大部分大模型企业都没有主动向著作权人提出购买的，并在大模型产品商用之前隐匿了训练语料数据的来源，对大模型输出结果进行了技术处理，以防止暴露线索和痕迹。”上海段和段律师事务所合伙人、律师刘春泉告诉记者。这也给当前的版权保护以及举证带来了认定难题。
在实际案件中，有法官从“宽容创新”角度解释为构成合理使用，来鼓励新技术进步。
律师刘春泉认为，人工智能企业将作品扫描复制后应用于数据库训练大模型是商业行为，应当认定侵犯作品的复制权。
“大模型的语料训练是区别于科研等公益事业的纯粹商业行为。虽然大模型语料训练不像出版或者网络传播直接向读者销售收取商业利益，但是大模型的输出是基于语料训练的调用作品元素并进行组合输出。这个过程使用了作品，通过token等方式实现了商业利益，没有分给版权人，法院若认定合理使用等于慷他人（作者）之慨帮大模型企业节省成本，所以合理使用缺乏合理性。”
从利益平衡角度，律师刘春泉认为，新技术发展固然需要法律制度宽容，但是也要考虑人工智能的发展，大模型的使用极大替代了作家等创作劳动，减少了现有作品的市场需求，虽然是新技术新商业，但仍然需要考虑承接传统著作权制度对于人类作品传承的保护。
语料交易，当前有一套可落地的规则吗？
从我国现行《著作权法》看，合理使用主要规定在第二十四条所列的个人学习、适当引用、新闻报道、教学科研等具体情形中，同时要求不得影响作品的正常使用，也不得合理损害权利人的合法权益。
多位律师告诉记者，我国现行法律并没有明确规定一个普遍适用于商业大模型训练的文本和数据挖掘的例外，但也不能简单照搬美国法中的“转换性使用”概念，认为只要作品被用于模型训练就当然构成合理使用。
“未来相关裁判规则，大概率也会继续沿着分阶段、分场景、分责任主体的方向逐步细化。判断重点已经从抽象讨论“AI是否可以学习作品”，逐步转向对数据来源、训练方式、输出结果和市场影响的全过程审查。司法仍然需要结合数据来源、使用目的、复制规模、技术必要性、输出结果和市场影响进行具体判断。”
同时，目前国内也有一系列管理办法和支持政策出台。
《生成式人工智能服务管理暂行办法》第七条已要求，使用具有合法来源的数据和基础模型；涉及知识产权的，不得侵害他人依法享有的知识产权。
图片来源：《生成式人工智能服务管理暂行办法》
2025年11月，国家标准《网络安全技术 生成式人工智能服务安全基本要求》正式实施，这是该国标是我国首部针对生成式人工智能服务安全的国家标准。
标准4.1.3 条写明，开源语料须有许可协议或授权文件；自采语料须有采集记录，不应采集他人已明确声明不可采集的语料；商业语料须有具法律效力的合同并要求提供方出具承诺与证明材料。
图片来源：《网络安全技术 生成式人工智能服务安全基本要求》
今年 5月，22 家机构在深圳启动的“国家级正版高质量语料库”确立了“先授权、后使用”的原则，并引入区块链留痕。该语料库目前仍处于共建启动阶段，未披露语料规模、授权价格与分成方案。
法学教授厉彦冰表示，合规义务已经落地，但履行义务所必需的市场基础设施和可交易市场尚在建设中，还存在实际的制度落差。具体来看，语料交易的标准化授权模板、公开透明的定价机制、版权方与AI企业的常态化授权通道、可大规模复用的授权交易平台等均处于探索初期。
不过，厉彦冰表示，随着技术的成熟、案例的增多，司法裁判会通过类型化和法律解释方法，逐步达成共识。“仅就AI对作品使用行为的认定而言，不存在由AI造成的法律层面的结构性问题，现代版权法加上法教义学的解释方法足以应对，这是在颠覆性技术出现时的正常现象，需要的正常更新适应的过程和时间。”
