大模型时代，数据的质量和规模直接决定了模型的性能。然而，当训练数据中包含了大量受版权保护的作品——从文字、图片到代码、影视片段——一个严峻的法律问题便浮出水面：AI训练行为本身，是否构成著作权侵权？

一、风险全景：诉讼井喷与监管成型

这不是一个停留在理论层面的讨论。从2023年至今，全球范围内针对AI训练数据版权侵权的诉讼呈井喷之势，科技巨头与初创公司无一幸免。这些案件揭示了AI企业在数据获取和处理上普遍存在的法律短板。与此同时，全球监管体系正在快速成型：

欧盟以《人工智能法案》和《通用数据保护条例》（General Data Protection Regulation，简称GDPR）构建了高标准合规框架；

美国在判例中逐步厘清“合理使用”的边界；

中国通过《生成式人工智能服务管理暂行办法》及司法实践，确立了"商业训练原则上不构成合理使用"的裁判规则。

对于中国企业而言，无论是深耕国内还是出海全球化，理解并应对AI训练数据的版权风险，已成为一项迫在眉睫的合规课题。

▼

二、全球诉讼扫描与焦点案件深度解析

(一)美国战场：从天价和解到“中间复制”免责的破灭

1.Anthropic案：盗版数据训练的“核弹级”警示

2024年，美国作家群体对Anthropic发起集体诉讼^[1]，指控其为训练Claude模型，非法获取约700万本版权图书，构建所谓的“中央图书馆”（central library）。案件的核心法律争议在于：使用海量版权数据进行通用AI训练是否具有“转换性”？如果答案是肯定的，则可能落入合理使用范畴。

但本案的争议焦点很快被“盗版数据库”这一事实所掩盖，Anthropic不仅使用了版权作品，还从盗版网站获取了大量书籍（pirated library copies）。法院明确：使用盗版数据训练，绝对不属于合理使用。案件最终以15亿美元的天价和解、被告还需要销毁侵权的盗版数据集。这一案例的核心启示是：训练素材的来源不合规，终将承担侵权责任。

2.ROSS案^[2]：打破“后台复制免责”的幻觉

ROSS案涉及法律数据库的侵权问题。其核心启示在于：法院不完全接受“AI训练中的中间复制属于合理使用”的观点。当训练行为的目标是提供与原作品功能高度重合的服务（法律检索），使得用户可能以更低的价格获得相同的服务，即产生了直接的市场替代效应时，即使是后台复制，也不能免责。该案打破了“只要我没有把训练数据吐出来给用户看，就没有侵权”的侥幸心理，这为所有以“学习规律”为由进行侵权抗辩的企业敲响了警钟。

3.OpenAI案^[3]：新闻内容的替代性生成

《纽约时报》指控OpenAI未经授权抓取数百万篇受版权保护的文章训练其大语言模型，且生成内容能够模仿其风格，索赔数十亿美元。法院已要求OpenAI提交底层训练数据池及大量用户交互记录供审查，案件尚在审理中。核心争议在于：AI使用新闻内容训练并生成替代性内容，是否侵犯版权？

(二) 新型争议：非法爬取与蒸馏攻击

除直接的盗版与版权侵权，新型争议不断浮出水面：

2026年5月，Meta被Elsevier（爱思唯尔）等五大出版商起诉，指控其从盗版网站获取数百万本版权书籍和期刊，并刻意删除版权声明以掩盖来源，用于AI训练，五大出版商联合指控Meta以及CEO本人；

2026年4月，YouTube创作者对苹果提起集体诉讼，指控其规避了平台的技术保护措施获得视频文件，用于AI训练。这警示所有企业：互联网公开≠可免费用于商业训练；

"蒸馏攻击"：部分企业通过注册马甲账户、违规调用API接口，窃取第三方AI模型输出用于自身训练。这种行为一旦被认定，不仅涉及著作权，还可能触发《反不正当竞争法》下的商业秘密保护。

 (三) 中国战场：商业训练不属合理使用

四画师案：定向模仿的侵权认定

2023年10月，四位插画师起诉TrikAI未经授权使用其作品进行训练，模型可生成与画师风格高度相似的内容。目前尚未有生效判决，但参考另一起已生效裁判“美杜莎角色案”的裁判结果可知：未经授权将原创作品用于商业训练，输出与原创作品高度近似的，存在较高侵权风险。

 (四) 多模态IP/肖像纠纷新风险

随着多模态模型普及，IP和肖像权纠纷开始增多。

2026年2月，字节跳动Seedance2.0模型在训练中使用了迪士尼漫威等IP素材，被迪士尼发函指控侵权，作为应对，字节方面暂停了海外发布。

国内奥特曼案^[4]：平台帮助侵权责任的边界

法院区分了直接侵权与帮助侵权：AI平台本身未直接实施复制行为，但明知用户生成内容涉及知名IP（奥特曼），却未履行审核义务，反而通过会员服务从中获利，最终被认定为构成帮助侵权。该案认定生成式人工智能服务兼具技术服务与内容供给的双重属性，其知识产权注意义务标准：对知名IP，平台不能以“技术中立”为由推卸责任。

▼

三、全球三大法域监管图谱

(一) 欧盟：权利保留+高额处罚

欧盟是全球最严格的数据保护区域。GDPR对个人数据跨境传输和违规处罚规定极高，违规罚款最高可达全球年营业额的4%或2000万欧元（取较高者）。2023年，爱尔兰数据保护委员会曾对美国社交平台脸书母公司开出12亿欧元罚单。

对于AI训练数据，欧盟鼓励版权人通过“权利保留”声明明确禁止AI对其作品的抓取与训练。《人工智能法案》对高风险AI系统（如自动驾驶、人脸识别）提出了极高的透明度、数据治理和算法审计要求。对训练数据版权合规的忽视，可能同时触发数据保护与人工智能监管的双重处罚。

 (二) 美国：人类创作+合理使用+肖像权保护

美国采用“人类创作”标准，将AI非自主生成的作品排除在版权保护之外。在合理使用抗辩上，判例正在收紧，ROSS案法院初步认定：即使训练只是对版权作品的“中间复制”，但如果产生了市场替代效应，就不构成合理使用。

在肖像权方面，美国州法（如加州）对个人肖像、姓名、声音的商业化使用保护严格，AI进行定向复刻训练面临极高的诉讼风险。

(三) 中国：实质穿透监管

中国采取“实质穿透监管”原则。《生成式人工智能服务管理暂行办法》明确要求训练数据来源合法、不侵害他人知识产权。司法实践中，法院不会因为企业对侵权数据进行了“清洗、去重、脱敏”就认定其合规。数据合规的核心前提是来源合法——后续任何处理都无法改变源头非法的性质。

因此，中国企业必须建立完整的训练数据溯源台账和授权凭证留存机制，确保每一份数据都可追溯、可核查。

▼

四、AI训练全链条侵权风险拆解

从输入端、训练端、输出端三个环节，系统拆解风险与应对策略：

(一) 输入端（收集与整理）

公开内容≠可免费使用：这是首要认知。任何从互联网爬取数据进行商业训练的行为，都必须评估版权风险；

用户生成内容（User Generated Content，UGC）数据需核查用户协议：使用用户生成内容训练前，必须仔细核查平台用户协议，确认是否有条款明确允许将内容用于AI训练，否则可能被认定为共同侵权；

盗版数据坚决不能用：红线中的红线。Anthropic案的警示说明，使用盗版数据训练将面临毁灭性打击。

(二) 训练端（模型与微调）

通用训练：风险较低但非零。使用海量通用数据训练，如果仅学习统计规律、不直接产生市场替代，在部分法域可能获得合理使用抗辩空间，但并非绝对安全；

定向复刻（Low-RankAdaptation，LoRA）：法律风险极高。针对特定IP、画师、声音进行LoRA微调，属于典型的定向复刻行为。参考“四画师”案和“奥特曼”案的裁判逻辑，商业场景下几乎不可能获得合理使用豁免。

(三) 输出端（生成与分发）

生成物实质性相似构成侵权：模型输出与原版权作品构成“实质性相似”，即构成著作权侵权，企业需建立内容审核机制；

模型共享触发信息网络传播权风险：将包含侵权数据的模型权重分享、开源或售卖，扩大侵权传播范围，使企业面临更高的赔偿责任。

▼

五、中国企业AI版权风控实操建议

面对复杂的全球监管差异和日益严苛的司法实践，AI企业需要将版权风控从“事后补救”转为“事前预防”。

(一) 寻找合规数据“水源”

这是最根本的解决方案：

自有业务数据：基于自身业务合法收集、处理的数据，权属清晰，是相对安全的训练数据源；

公开许可数据：使用声明了“宽松许可证”的开源数据（如某些形式的CC协议数据），但需仔细研读许可证条款的限制性要求；

授权采购数据：从数据交易所或专业数据服务商处采购，确保合同中包含数据来源合法性、版权无瑕疵的保证条款。优先选择已完成数据知识产权登记的数据集。

(二) 遵循全球合规最高标准

对于有出海规划或跨境业务的中国企业，建议暂时采取“就高不就低”策略——以欧盟GDPR标准为基础要求，同时兼顾美国和中国法规。这意味着要建立全生命周期的数据治理体系：充分的数据来源审计、详尽的授权凭证留存、严格的数据分类分级与访问控制，以及在技术层面采用加密、脱敏、隐私计算等手段，确保数据处理全程合规。

(三) 精细化合同治理

合同是风险隔离的关键工具：

与上游数据提供方：要求对方提供完整的数据来源说明和权利保证。合同中必须明确约定：因数据来源违法导致的全部损失（包括赔偿金、诉讼费、律师费等）由数据提供方承担；

与下游数据使用方或合作伙伴：清晰界定数据使用范围、使用期限、禁止转售或二次分发等条款，以控制自身风险；

与员工和外包方：签署保密协议，明确训练数据、模型权重的保护义务，防止数据或模型泄露导致风险扩大。

▼

数据版权合规涉及著作权、数据管理、商业权益保护等多个法律领域，专业性强、体系复杂。

三友深耕知识产权领域多年，业务涵盖专利、商标、版权、数据合规、商业秘密保护等板块。三友日前加强了数据领域的专业服务，强化具备律师、专利代理师、出版专业资格、证券从业资格的复合团队，为企业提供数据资产登记、日常管理、维权保护和资本运作等方面的融合服务方案。

引用文献：

[1]C24-05417WHA

[2]1:20-cv-00613-SB

[3]1:23-cv-11195-SHS

[4]（2024）浙01民终10332号