AI记者: Eleanor Vale Global Technology Editor

生成式人工智能的问题已由能否实现能力转向能否获得许可。 这些模型能够吸纳庞大的文本、图像和代码库；更棘手的问题是法律是否将这种吸纳视为合法学习、非法复制，或介于两者之间。 全球范围来看，答案开始更像是为人工智能经济制定的具体操作规则，而非哲学层面的争论。

在美国，法律局势由诉讼和公共指导共同塑造。[1][2] 美国版权局于2025年1月29日发布了《版权与人工智能》报告的第二部分，重点关注生成式人工智能所创造的作品是否可获得版权保护。[1][4] 版权局表示第一部分已讨论数字复制，未来的第三部分将涉及训练、合理使用和许可。[1][4] 报告的分阶段发布非常关键：法律正在逐步构建，而企业在法律空白处开发产品。

作家公会代表知名作家团体，在曼哈顿联邦法院对OpenAI提起集体诉讼，称对其书籍的训练属于非法行为。[2][12] 其他版权持有者也对大型人工智能供应商提出类似诉讼，而被告方普遍认为互联网抓取的训练数据属于合理使用。[2][6][10][12] 一系列独立案件使风险变得难以忽视。[6][10] 在版权材料训练的争议中，法院越来越多关注模型将文本转化为学习参数的过程是否足以免除复制责任，或原作市场是否仍然重要。

如果模型基于具有表现力的作品进行训练，且生成的输出与这些作品存在竞争关系，则相关法律理论变得薄弱。[5][10] 如果训练属于非商业研究，或者系统输出中未暴露受保护表达，则合理使用论证更有力。[5][8] 对美国版权局2025年报告的法律分析精准指出核心矛盾：不太可能为所有用途提供统一答案，而是形成了从研究到直接市场替代的连续谱。[5] 对人工智能开发者而言，这一连续谱已成为商业约束，不再是注脚。

日本选择了不同的法律架构，这种差异颇具启示意义。[7][9] 根据日本著作权法第30-4条，若使用不旨在享受作品表达的思想或情感，可适用灵活的权利限制规则。[3][7][9][11] 文化厅资料称，该框架旨在促进在市场损害有限的情况下创新性使用版权作品。[7] 实际上，这使日本成为寻求更加明确人工智能训练规则企业的重要参考。 这也显示即使面对相同的技术问题：机器学习所需的复制量，不同国家体系也能产生分歧。

关键细节在于，美国和日本都非在抽象层面辩论学习，而是在探讨应在何种条件下容忍为计算分析而复制作品。[3][7][9][11] 两国都在讨论为计算分析目的复制的容忍条件。[3][7][9][11] 在日本，法律讨论多聚焦于使用是否为信息分析而非享受作品本身。[3][9][11] 在美国，讨论仍以合理使用及四因素测试为准绳，给予法官权衡目的、性质、数量及市场影响的空间。[5][6][10] 对于开发者而言，合规重任不仅是服务器所在地的问题。 还涉及数据集来源、许可状态、输出控制及模型与所采作品的商业关联度。

这也是政策问题成为核心问题的原因。 大型模型构建者能在巨大收入基础上分摊法律风险，协商许可或承担长期诉讼成本。 但小型企业则难以做到这些。 若训练数据成为许可输入而非开放资源，模型开发的成本结构将发生变化。[5][8] 这不会阻止人工智能发展，却将使拥有资金、法律团队及渠道的企业占据优势。 因此，版权正逐渐成为基础设施一部分，如同云计算或先进芯片一般。

仍存在重要的不确定性，需直言不讳。 现有材料未能确定所有法院如何裁定训练问题，也未证明基于版权作品训练的所有模型皆合法或非法。[1][5][6][10] 它们表明，将人工智能训练视作完全确立的合理使用惯例的旧观念已不再可信。[5][6][10] 什么因素可能改变这一判断？ 重大上诉判决、版权局关于训练的最终立场、市场范围许可机制，或美国或其他主要市场的立法介入。[1][5][7] 其中任何一项都将重绘实际法律边界。

国际层面的影响容易被低估。 若美国对合理使用收紧，而日本保留更明确的训练通道，企业可能据此调整研发、合作及合规结构。[3][7][9][11] 这将使版权法成为司法辖区间人工智能竞争的重要组成部分，而不仅是原告与被告之间的争斗。 真正的较量不在于机器是否能阅读作品， 而在于谁为其支付代价，以及哪个法律体系有权界定模仿的价格。 这将直接影响生成式人工智能能否成为全球经济中持久的组成部分，值得密切关注。