我最近把几起正在打的官司翻来覆去看了好几遍，越看越觉得这一年多的变化实在够快。2023年那会儿大家还在猜“第一个判决会怎么走”，到了2025年，美国、欧盟、中国都已经攒出了一批能拿来说事的裁定和判决。不是终局，但足够让权利人、模型开发者和平台方各自调整姿势了。
美国：从Authors Guild到NYT，核心争点逐渐收窄
Authors Guild v. OpenAI这案子我一直盯着。2023年底起诉的时候声势很大，主张OpenAI未经许可复制了受版权保护的小说训练模型。到了2024年底到2025年初的几轮动议裁决，法院对集体诉讼的认证态度比较谨慎，部分主张被压缩。让我印象深的是，法官在听证里反复追问一个问题：训练阶段复制作品和输出阶段生成相似内容，这两件事在法律上到底该怎么分开评价。这个问题后来在NYT案里成了主战场。
NYT v. OpenAI/Microsoft是另一个量级的诉讼。《纽约时报》2023年12月起诉，指控OpenAI和微软“逐字复制”其新闻内容用于训练，并且ChatGPT能输出与原文高度相似的段落。2024年法院驳回了OpenAI部分动议，允许核心版权主张继续推进。到了2025年上半年的证据开示阶段，OpenAI被要求提交更多关于训练数据来源的材料，这个进展挺关键——以前被告总能用“训练数据太复杂说不清”来挡，现在法院越来越不吃这一套。
Andersen v. Stability AI走的又是另一条路。这案子由视觉艺术家发起，针对Stable Diffusion模型。2024年8月法官允许部分主张继续，包括训练中使用艺术家作品是否构成侵权。2025年初的进展显示，法院对“风格模仿”和“复制”之间的界限还在摸索，没有给出干净利落的答案。我自己的感受是，美国这几个案子正在把一个大问题拆成几个小问题：输入端的复制算不算侵权、输出端的相似怎么证明、中间的过程能不能用合理使用挡住。争点变窄了，但每个点都更难绕过去。
欧盟与英国：TDM例外是盾也是靶
欧盟这边的逻辑跟美国不太一样。版权指令里的文本与数据挖掘例外（TDM）一直是模型开发者的主要抗辩工具，第4条允许在权利人未明确保留权利的情况下进行商业目的的挖掘。问题在于，“明确保留”到底怎么算——发个声明算不算？网站robots协议算不算？2024年欧盟层面开始有法院尝试回答这个问题。
我翻了几份德国和荷兰的裁定，发现法官对“保留”的形式要求并不统一。有的倾向于要求权利人作出清晰、可识别的保留表示，有的则接受更宽泛的推定。这种不确定性对模型开发者来说反而比一刀切更麻烦，因为你不知道自己爬的数据到底合不合法。
英国脱欧之后没直接沿用欧盟版权指令，TDM例外的适用范围更窄，只覆盖非商业研究。2024到2025年间英国有几个案件在试探“商业研究”的边界，Getty Images v. Stability AI在英国的平行诉讼也在推进。我自己判断，英国这条路短期内不会给出特别明确的规则，法院更可能逐个案件地看具体使用行为。欧盟那边则可能在2026年前后通过几个上诉判决把“明确保留”的标准收拢一些。
中国：AI生成内容著作权和平台责任两头都在动
国内这两年判例积累的速度比我预想的快。北京互联网法院2023年底那个“AI文生图”案，认定用户通过提示词和参数调整生成的图片具有独创性，可以受著作权保护。这个判决在2024年被多次引用，2025年又出现了新的变体——法院开始更细致地看用户在生成过程中到底投入了多少智力劳动，不是简单套用前案结论。
训练数据侵权那边也有进展。广州互联网法院审理的涉及AI生成图片与奥特曼形象实质相似的案件，2024年判决认定平台构成侵权，理由是生成内容与原作在视觉上高度重合。这案子没直接处理训练数据合法性，但把输出端的侵权责任先钉住了。2025年国内还有几起案件在审，涉及模型训练阶段大规模复制作品是否构成侵权，目前还没有终局判决，但法院对平台披露训练数据来源的要求在收紧。
我注意到一个有意思的细节：国内法院在处理这类案件时，对技术细节的依赖度比美国低一些，更倾向于用著作权法的一般原理去套，而不是逐要素分析合理使用。这跟中国著作权法里合理使用封闭式列举的结构有关，也给被告留的抗辩空间不太一样。
跨国比较：诉讼请求、被告结构和程序工具的差异
把美国、欧盟、中国几个案子摆在一起看，诉讼请求的类型有明显分化。美国原告喜欢打集体诉讼，把一群作者或权利人捆在一起，索赔金额和禁令请求都往大了做。欧盟这边集体诉讼机制没那么发达，更多是单个权利人或行业组织起诉，重点放在停止侵害和TDM例外的解释上。中国目前还是个案推动，原告多为具体权利人，诉讼请求集中在停止侵权和损害赔偿。
被告主体也有意思。美国案子通常把模型开发公司和背后的云服务商、投资方一起告，NYT案就把微软拉进来了。欧盟倾向于告模型提供者本身，偶尔带上数据托管平台。中国这边平台责任被强调得更多，法院会看平台有没有尽到注意义务、有没有建立侵权通知响应机制。
证据开示和临时禁令的差异更大。美国的证据开示程序要求被告交出训练数据相关材料，这对原告有利，但过程漫长。欧盟没有美国式的证据开示，原告更多依赖法院的披露命令和专家证据。中国法院在证据保全和责令提交方面做得比较务实，2025年有几起案件里法院直接要求被告说明训练数据来源，不配合的承担不利后果。临时禁令各国都用得比较谨慎，目前还没有看到针对基础模型的全面禁令，法院更倾向于要求输出端过滤或停止特定侵权行为。
我把美国那几个案子的裁定书翻来覆去看了好几遍，越看越觉得合理使用这个筐，在AI训练场景里快装不下了。四要素还是那四要素，可每个要素往训练数据上一套，法官们给出的答案差得不是一星半点。我在上一章里说争点变窄了，其实换个角度看，是争点变深了——大家不再吵“AI该不该管”，而是卷进了“第一步复制算什么”、“第二步输出又算什么”这种技术细节里。
四要素在训练场景里到底怎么套
目的与性质这个要素，在传统版权案里相对好判断——你是评论、新闻报道还是教学，法院看一眼使用场景就有数。AI训练把这事搞复杂了。模型开发者的说法是：我拿作品来训练，目的是让模型学会语言规律和视觉特征，不是为了让终端用户读到原作。这个说法在2024年几份裁定里被部分接受，但法院同时补了一刀：你的商业模式是商业性的，这一点跑不掉。OpenAI在NYT案里就卡在这——法院承认训练有“学习”的成分，可你拿学来的东西卖订阅，这跟纯粹的研究性使用差着行市。
作品性质这个要素在AI场景里反而争议小一些。文字作品、新闻、小说、代码，法院基本都认可是“表达性作品”，受保护强度高。视觉艺术那边Andersen案里，法官对画作的保护力度也没含糊。真正麻烦的是使用数量与实质性。传统分析里，你引用了原作的“核心”部分，哪怕量不大，也可能侵权。AI训练是整本整本地吞，按这个逻辑几乎必输。被告的抗辩是：我吞进去是为了统计规律，模型权重里不存原文，这跟人脑读完一本书记住的是风格不是原文差不多。这个类比挺有说服力，可原告马上反问：那为什么ChatGPT能背出《纽约时报》的段落？法院在2025年几次听证里都揪着这个问题不放，说明“不存储原文”这个说法在输出端有记忆现象时不太好使。
市场影响这个要素，我觉得是目前最有张力的战场。传统分析看的是“是否替代原作市场”，AI这边原告主张的是“潜在许可市场”被摧毁——本来你该找我买授权来训练，现在你白嫖。被告说这个市场以前不存在，不能因为我创造了新使用方式就反过来认定侵权。双方都有道理，法院目前没有统一答案。我自己的判断是，这个要素最终会看具体作品类型和输出替代程度，不太可能一刀切。
转换性使用与表达性使用：训练端和输出端得分开看
转换性使用这个概念，在美国版权法里本来是个“强抗辩”，用好了几乎能直接赢。AI训练场景里，被告律师最爱引的就是“转换性”——我拿你的小说训练模型，输出的是语法概率和语义关联，跟原作表达目的完全不同，这还不叫转换？2024年有几份裁定确实给了被告一些安慰，认为训练过程可能具有转换性。可我注意到一个细节：法院在说“训练有转换性”的时候，紧接着会补一句“但这不意味着输出端也安全”。
输出端的问题完全是另一回事。NYT案里原告举证说ChatGPT能生成跟原文几乎一样的段落，甚至能绕过付费墙。法院对这个证据很重视，因为输出相似直接冲击了“转换性使用”的根基——你能背出原文，说明模型内部确实以某种形式“记住”了表达，不只是学了统计规律。Andersen案里艺术家们也在往这个方向打，主张Stable Diffusion能生成带有特定艺术家风格特征的图像，构成衍生作品。法院目前的态度比较谨慎，没有直接认定风格模仿侵权，但允许案件继续推进本身就是一个信号。
我自己的感受是，法院正在把“训练端”和“输出端”切成两个法律问题。训练端可能容得下转换性抗辩，输出端则回到传统的实质性相似分析。这个切法对被告来说喜忧参半——训练阶段的风险降了，输出阶段的合规成本上去了。模型开发者得同时盯着两头，哪头松了都不行。
训练数据怎么来的，这件事越来越要命
合理使用分析传统上不太关心你怎么拿到作品的，重点是你怎么用的。AI训练把“获取方式”推到了前台。我翻的那几份欧盟裁定里，法官对爬取行为的合法性问得很细——你爬的是公开网页还是绕过了付费墙？有没有遵守robots协议？有没有规避技术措施？这些在传统版权分析里属于“取得行为”，跟合理使用是两码事，可在AI案子里，法院把它们揉在一起看了。
欧盟TDM例外第4条要求权利人“明确保留”权利，这个保留的形式标准直接决定了爬取合不合法。德国有法院在2024年倾向于要求保留声明必须清晰可识别，荷兰有法院接受更宽泛的推定。这种不确定性比一刀切还难受，模型开发者不知道自己爬的数据到底算不算踩线。英国那边TDM例外只覆盖非商业研究，Getty Images v. Stability AI在英国的平行诉讼里，被告得先证明自己的使用属于“研究”范畴，难度不小。
许可和数据来源的混合模式也在出现。有些模型开发者开始跟大型内容平台签授权协议，但同时从开放网络上爬数据。这里面的问题是：签了许可的那部分数据没问题，爬来的那部分如果权利人明确保留了权利，还能不能用？中国广州互联网法院那个奥特曼案虽然没直接处理训练数据合法性，但判决里对平台注意义务的强调，实际上在倒逼企业追溯数据来源。2025年国内几起在审案件里，法院对训练数据披露的要求在收紧，被告说不清数据来源的，不利后果自己扛。
市场稀释和潜在许可市场：最难算的一笔账
市场影响这个要素在AI版权案里几乎决定了胜负走向。传统分析看的是“替代原作”——你盗版了我的书，抢了我卖书的钱。AI这边，原告主张的损害链条更长：你的模型能生成类似风格的内容，可能稀释我作品的市场价值；你本来该找我谈许可来训练，现在你没谈，潜在许可市场被你毁了；你输出端生成的东西让用户不再买我的新产品。这几层主张里，第一层“替代”比较直观，法院也容易接受。第二层“潜在许可市场”争议最大，因为它取决于一个假设——如果没有AI训练，这个市场会不会存在？
我在NYT案的材料里看到，原告专家证人试图论证新闻内容用于AI训练有一个“可识别的许可市场”，理由是微软和OpenAI跟美联社等机构签了授权协议。这个论证方式挺聪明，因为已经发生的交易证明了市场存在。被告反驳说，个别交易不等于行业惯例，而且授权价格和条件差别很大，不能拿几个合同推出一个“标准市场”。法官目前没有明确表态，我猜这个争点最后会看具体交易的可比性。
风格模仿的市场稀释问题在视觉艺术领域更棘手。Andersen案里艺术家们主张Stable Diffusion能生成“in the style of”某位艺术家的作品，这会稀释他们的风格价值。法院对“风格”本身不受版权保护这一点很清楚，但原告的论证不是“风格受保护”，而是“模型记住了我的具体作品，输出时以风格形式重现，构成了衍生作品”。这个论证路径绕开了风格版权问题，直接打复制和衍生。目前法院没有给出终局答案，但2025年初的裁定允许这部分主张继续推进，对艺术家们来说算阶段性胜利。
举证责任和证据难点：说不清就输
合理使用传统上是被告的抗辩，举证责任在被告。AI训练场景里这个分配基本没变，但证据开示的实践正在改变双方的力量对比。NYT案2025年上半年的证据开示阶段，OpenAI被要求提交更多关于训练数据来源的材料，这个进展我在上一章提过。这一章我想补一层分析：为什么法院越来越不接受“训练数据太复杂说不清”这个说法。因为原告举出了具体证据——ChatGPT能输出跟原文高度相似的段落，这直接动摇了“模型不存储原文”的被告叙事。法院的逻辑是：你既然能输出相似内容，说明你对训练数据有相当程度的“记忆”，那你就有能力说明数据来源。
模型记忆的举证在技术上很难。原告通常的做法是设计特定提示词，让模型输出训练数据中的片段，然后跟原作比对。NYT案里原告展示了几个例子，法院认为这些例子足以支撑“输出端可能侵权”的主张。被告的反驳是这些例子属于“记忆化”（memorization）的异常情况，不代表模型普遍行为。这个反驳在技术上成立，但在法律上不太好用——你承认有记忆化，那起码对这部分内容你得负责。
输出相似性比对的标准也不统一。美国法院倾向于看“普通观察者”是否认为实质性相似，欧盟更依赖专家鉴定，中国法院在奥特曼案里的做法比较务实——直接看视觉上是否高度重合。三种路径各有优劣，跨国企业得按最严的标准准备合规材料。我注意到2025年有几起案件里，法院开始要求被告提交“模型卡”或训练数据摘要，这实际上是把部分举证负担转移给了被告。你不交，法院可以推定原告的主张成立。这个趋势对模型开发者来说挺要命，因为训练数据的完整记录在技术实践中往往不完整。
域外差异和统一化趋势：三条路在往中间靠
美国走的是四要素灵活分析的路子，每个要素都掰开揉碎地看，判例积累慢但精细。欧盟靠TDM例外打底，法院在解释“明确保留”和“商业目的”时留了不少裁量空间。中国用著作权法第二十四条的封闭式列举，合理使用的情形是法定的，AI训练不在列举里，法院只能靠解释“个人学习研究”或“适当引用”来腾挪，空间比美国小得多。三条路的技术路径不同，可2025年出现了一个有意思的趋势——都在往“输出端责任”上靠。
美国法院把训练端和输出端切开，训练端可能容得下合理使用，输出端回到传统侵权分析。欧盟法院在解释TDM例外时，也开始区分“为训练而复制”和“为输出而存储”，后者不在例外范围内。中国法院在奥特曼案里直接打输出端侵权，绕开了训练数据合法性的正面认定。这个趋同不是立法协调的结果，是法院在面对技术现实时做出的相似选择——训练过程太黑箱，输出端好歹看得见摸得着。
统一化在短期内不太可能。美国的四要素分析跟中国的封闭式列举在结构上就不兼容，欧盟的TDM例外又是区域立法产物。可企业在做全球合规时，可以抓一个最大公约数：输出端不生成实质性相似内容，训练数据来源可追溯，对权利人保留声明作出响应。这三条做到位，在三个法域的风险都能压下去不少。我自己的感受是，合理使用的抗辩空间在收窄，合规的重点正在从“能不能用”转向“怎么用才安全”。
上一章结尾我说抗辩空间在收窄，合规重点从“能不能用”转向“怎么用才安全”。这一章我想顺着这个判断往前走一步——法院在个案里给出的信号，正在倒逼立法和监管做出回应。我跟几个做AI法务的朋友聊过，大家有个共识：现在最怕的不是判例本身，是判例背后的逻辑还没沉淀成规则，企业夹在中间左右不是人。NYT诉OpenAI那个案子2025年上半年证据开示阶段，法院要求OpenAI提交更多训练数据来源材料，这个动作本身就在释放信号——你不主动透明，法院会逼你透明。美国版权局2024年那份报告虽然没下定论，但把“透明度义务”这个议题摆上了台面。欧盟AI法案走得更远，直接把训练数据摘要披露写进了合规要求。我自己的感受是，立法者现在不急着回答“训练侵不侵权”，先让你把数据来源说清楚，这个顺序挺务实。
补偿机制这块，各国走的路子差别很大。欧盟在版权指令框架下讨论延伸集体许可，让集体管理组织代表权利人跟AI开发者谈一揽子授权。这个思路在音乐版权领域有成熟经验，搬到文本和视觉作品上能不能跑通，我持保留态度——集体管理组织的覆盖率和代表性在不同内容行业差太多了。日本2024年修改著作权法，允许AI训练使用作品但要求对权利人利益“不当损害”时给予补偿，这个“不当损害”标准弹性很大，法院怎么解释决定了实际效果。中国这边，2025年几起在审案件里法院对平台注意义务的强调，实际上在倒逼企业建立内部版权审查机制。立法层面还没有专门针对AI训练的例外条款，可司法实践已经在个案里划出了红线——你爬数据可以，绕过技术措施不行；你训练可以，输出端高度相似不行。这种“司法先行、立法跟进”的路径，跟我观察到的中国互联网治理其他领域挺像。
企业合规路径：从“事后应诉”往前挪到“事前设计”
我去年跟一个做模型训练的朋友吃饭，他跟我说他们团队现在最头疼的不是技术，是数据来源的合规审查。“每一批爬下来的数据，法务都要过一遍，看有没有权利人保留声明、有没有绕过付费墙、robots协议怎么写的。”这个场景放在三年前根本不存在。企业合规的重心正在从“训练完了再说”往前挪到“数据进模型之前就得说清楚”。训练数据治理的核心是溯源——你得知道每一批数据从哪来的、授权链条完不完整、有没有夹带明显侵权的内容。我看到的比较务实的做法是分层管理：公开授权数据集走快速通道，爬取数据做抽样审查加权利人保留声明筛查，高风险来源单独标记。这个分层不是万能的，可总比一锅烩强。
版权审查和输出过滤得同时做。光管输入端不够，NYT案里原告举的那些输出相似例子，法院看得很重。输出过滤的技术方案现在有好几种——关键词黑名单、语义相似度阈值、生成内容与训练数据比对。每种方案都有误伤率和漏报率，企业得根据自己模型的应用场景选组合。我注意到有些公司开始在用户协议里写“禁止用模型生成与特定作品实质性相似的内容”，这实际上是把一部分合规责任转嫁给用户。法律上能不能站住脚不好说，但至少表明企业有注意义务的意识。许可谈判这块，大型内容平台跟AI公司签授权协议的消息越来越多，美联社、 Axel Springer、Reddit都签了。这些交易证明了许可市场存在，也给合理使用分析里的“潜在许可市场”争点提供了素材。可中小权利人的授权渠道还是散的，集体管理组织能不能补上这个缺口，得看未来几年的制度建设。
诉讼风险管理：证据链比法律论证更早决定胜负
我翻NYT案证据开示材料的时候有个感受特别强烈——原被告双方在法庭上打的是法律论证，可真正决定走向的是证据链完不完整。OpenAI被要求提交训练数据来源材料那会儿，如果内部有完整的模型卡和数据溯源记录，应对起来会从容很多。模型卡这个东西，学术界提了好几年，工业界落地的不多。我理解企业的顾虑——训练数据是核心资产，披露太多等于把家底亮给竞争对手看。可法院的逻辑很简单：你既然在输出端能生成跟原文相似的段落，说明你对训练数据有相当程度的“记忆”，那你就有能力说明数据来源。这个举证责任转移的趋势在2025年几起案件里越来越明显。企业现在开始补模型卡和数据溯源记录的课，虽然晚了点，可总比不补强。
侵权通知响应机制也得重新设计。传统DMCA那套“通知—删除”在AI输出场景里不太好使——你没法“删除”模型权重里记住的内容。我看到的替代方案是输出端实时过滤加训练数据回溯删除，可后者技术上复杂、成本高。中国奥特曼案里法院对平台注意义务的强调，实际上要求企业建立一套能响应权利人投诉的流程。这个流程得包括：接收通知、评估输出相似性、采取技术措施限制生成、记录处理过程。流程本身不复杂，难的是响应速度和举证能力。法院现在越来越不接受“我们尽力了”这种笼统说法，你得拿出具体记录证明你做了什么。
利益平衡：创意产业和AI开发者之间的账不好算
我跟一个做独立音乐的朋友聊过这事，他的态度挺有代表性：“我不反对AI，我反对的是AI拿我的歌训练完了，生成的东西跟我抢饭碗。”这个诉求很朴素，可法律上要落地不容易。创意产业的担忧集中在两点：风格稀释和许可费流失。风格稀释的问题Andersen案里艺术家们打得很艰难，因为版权法不保护风格本身。许可费流失的问题更实在——本来该付的钱没付，这个损失是看得见的。AI开发者那边的说法也有道理：训练数据的使用方式跟传统复制不一样，按传统许可费标准收费会把小开发者挤死。两边都有理，法院目前给的答案是把训练端和输出端切开，训练端可能容得下合理使用，输出端回到传统侵权分析。这个切法对创意产业来说算部分安慰——至少输出端有控制手段了。
公众获取这个维度在讨论里经常被忽略。AI模型降低了内容创作门槛，小团队和个人创作者能用AI工具做出以前做不出来的东西，这个价值不该被抹掉。我自己的判断是，利益平衡最终会落在“输出端控制加训练端补偿”这个组合上。输出端控制靠技术和法律双管齐下，训练端补偿靠集体许可加法定许可的混合模式。这个组合不完美，可比起一刀切禁掉或者放任不管，至少给了各方一个谈判的锚点。欧盟在版权指令里搞的延伸集体许可加补偿机制，方向是对的，执行效果得看集体管理组织的覆盖率和谈判能力。
未来趋势：集体诉讼和跨境管辖是两座绕不过去的山
集体诉讼的规模在扩大。Andersen诉Stability AI那批艺术家诉讼，从最初几个人扩展到几千人，这个趋势在视觉艺术领域特别明显——单个艺术家的作品被训练，损失很难单独举证，抱团打集体诉讼才有经济理性。美国集体诉讼的和解金额和律师费分成机制让律所有动力去聚合权利人，这个激励结构短期内不会变。我注意到2025年有几家律所在主动征集AI训练侵权的原告，这个信号说明集体诉讼会越来越多。跨境管辖的问题是另一座山。同一个模型在多个法域被诉，各地法院对合理使用的认定标准不一样，判决结果可能打架。企业做全球合规得按最严的标准准备——输出端不生成实质性相似内容、训练数据来源可追溯、对权利人保留声明做出响应，这三条做到位，在美欧中三个法域的风险都能压下去不少。
判例沉淀的速度比我想的慢。合理使用四要素在AI场景里的适用，美国法院2024到2025年给了几个裁定，可都是程序性或者部分争点的裁定，真正打到实体判决的还没出现。这个节奏跟AI技术迭代速度不匹配——法院还没搞清楚这一代模型怎么回事，下一代模型又出来了。标准化许可可能是打破僵局的出路。音乐行业的集体许可模式跑了几十年，文本和视觉作品能不能复制这个模式，关键看集体管理组织能不能把中小权利人的授权聚合起来。我看到的积极信号是，2025年几家大型版权集体管理组织开始跟AI公司接触，谈一揽子授权框架。这个框架落地需要时间，可方向比个案诉讼清晰得多。我自己的感受是，未来两到三年最确定的事情是合规成本上升，最不确定的事情是合理使用的边界到底划在哪。企业能做的是把能控制的部分控制住——数据来源、输出过滤、通知响应，剩下的等法院和立法者慢慢给答案。
