要的是界线,不是判决:维基百科运营方为何主张把 AI 版权拆成两个问题
针对 AI 公司的版权诉讼,往往一开场就被讲成道德剧。要么训练模型属于转换性的合理使用,过去十年的机器学习本就合法;要么它就是大规模侵权,整个行业建立在被拿走的纸张之上。如今,维基百科背后的非营利组织维基媒体基金会走进这间法庭,请求法官别再把它当道德剧来演。在一批标志性案件中(包括《纽约时报》诉 OpenAI 一案),它以法庭之友身份提交意见,核心主张是:法律应当分别对待两种行为——为训练模型而摄取受版权保护的作品,以及把该作品输出给用户。
这听起来像法律人的抠字眼。实际上,它是整场争论中最具后果的设计决策,因为它不只决定谁向谁付钱,还决定未来五年 AI 浪潮之后,会剩下一个什么样的互联网。下面依次谈:机制、权衡、各方得失,以及对真正要交付 AI 功能的团队意味着什么。
一句话概括:训练与输出是两种不同的产品

图示:来源页预览图(仅作编辑上下文;版权归属原发布方) · 来源引用:www.theverge.com
维基媒体基金会的框架大致是这样:法院应当对训练给予较宽的保護,因为从语料中学习统计结构的模型,并不等同于一台重新分发语料的机器。但这份保护不应自动延伸到聊天机器人对用户说出的内容——尤其当模型产出的段落与原作高度接近、足以替代原作时。
第一层:摄取
在摄取层,问题是将数以百万计的文档复制进训练流水线,是否属于版权法合理使用原则所能容忍的使用。宽松一方熟悉的论据包括:这份复制是中间性的而非表达性的,模型学到的是模式而非书库,下游用途与阅读原作并不相同。严格一方的论据同样熟悉:复制是完整的、目的是商业的,并且直接支撑了一个与原作者竞争的产品。
维基媒体增补的是一个机构性利害关系。维基百科的文本是自由许可但高度依赖署名的,志愿者社群依赖 AI 辅助工具——翻译、摘要、大规模巡查编辑、识别破坏行为。如果对公开可得文本的训练被推定为违法,非营利部门获取这些工具的门槛会明显抬高,而财力雄厚的被许可方照常运转。这是分配层面的论据,不只是法理层面的。
第二层:输出
到了输出层,分析形态就变了。当模型输出的段落紧贴某部受版权保护的作品时,损害是直接的、可度量的——用户可能已用这段输出替代了一次购买、一次订阅或一次页面浏览,而这在训练层难以成立。此处宽松论据变弱,因为复制不再是中间环节,它就是产品本身。
关键在于,输出层恰恰是工程师真正能控制的一层。检索、输出过滤、记忆化测试、拒答策略、引用行为,全都属于产品决策。训练语料往往一次选定,输出行为却可以持续调优。
为什么拆分在程序上重要
如果法院把训练与输出当成一个问题,那么关于「复述」的证据就会变成关于「训练」的证据。模型在某次提示下泄漏一段付费墙文章,就可能危及整个语料的合法性。反过来,如果法院认定训练合法却从不触及输出,原告就失去了最具体、最可证明的那部分损害。拆开两个问题,双方各自拿出的证据才与其主张相匹配,开发者也能得到一条可用于工程实现的规则。
非黑即白的判决究竟会压垮什么
过度宽松的一端
如果一刀切地认定训练公开内容都属合理使用,且不设任何有意义的输出侧约束,会产生两个后果。其一,最省钱的策略变成吞下一切、让模型改写,部署速度受益,资助专业内容创作的许可市场受损。其二,成本优势永久偏向足够大、能吸收诉讼风险的公司——这正是非营利部门担忧的那种不对称。
过度严苛的一端
如果一刀切地认定未获许可的训练即侵权,后果以更隐蔽的方式更糟。它不会让已有模型回溯消失,却会把未来每一份语料都变成一场交易成本高到无法管理的许可谈判。小团队不会去谈许可,他们会干脆用更少、更差的材料训练,或者向已经拿到授权的一方购买。结果是以保护之名完成的行业集中化。维基媒体关于「维基人将失去有用 AI 工具」的警告,正是同一机制在非营利组织身上的体现。
中间路线自身的代价
诚实地讲,拆分也有代价:它更不可预测。两段式判断意味着更多诉讼阶段、更多关于记忆化与可替代性的专家证据、更长时间才能确知规则。想要确定性的人拿不到确定性。反驳是:靠合并两种本质不同的行为买来的确定性是虚假的确定性——它仍会被诉,只是更晚、更贵。

图示:HEXOPS 原创配图(受选题启发,非复制原文图片) · 来源引用:www.theverge.com
顺着钱看:每种规则下谁赢
| 规则 | 模型开发者 | 权利人 | 开放知识公地 | 企业采购方 |
|---|---|---|---|---|
| 训练普遍允许,输出受约束 | 语料获取宽,但须投入输出控制 | 议价筹码转向输出与品牌主张 | 最好情形:工具便宜且可得 | 合规目标清晰 |
| 训练普遍受限 | 进入壁垒抬高,持有许可的巨头占优 | 许可市场强,但谈判周期漫长 | 最坏情形:工具被价格挡在门外 | 供应商风险与赔付成本上升 |
| 不拆分(单一问题) | 结果二元,波动极大 | 赢家通吃的诉讼 | 政策被单一判决绑架 | 每份判决后合同重谈 |
这张表刻意粗糙,但它揭示了结构性要点:拆分把一场二元押注变成一道合规题。合规题无聊、昂贵,但对任何必须交付软件的人来说,远胜于抛硬币。
开放网络是附带损伤
此处被低估的利害关系不是维基百科的服务器,而是让网络可用的那个反馈回路。公开可访问的参考材料——百科全书、论坛、技术文档、代码仓库、社区问答——既是搜索也是现代 AI 的基质。这些生产者大多没有法务部门。如果规则使无许可摄取变得有风险,模型开发者最理性的做法是向大型出版方取得许可,跳过那条长尾。长尾于是失去了当初支撑其开放性的流量与工具。
这正是维基媒体意见书中真正的不对称:不是 AI 欠维基百科什么,而是为保护商业价值最高的文本而写下的规则,可能悄悄抽走建立在公共资源之上的工具。
如果你在交付 AI 功能,这意味着什么
实务上的结论不必等判决。四件事现在就可以做:
- 把训练姿态与输出姿态分开记录。 一方面记录你训练或微调用了什么,另一方面独立记录你如何约束输出——过滤器、拒答规则、记忆化测试、检索边界。若判例法拆分问题,你两半都需要证据。
- 把逐字输出当作一类产品缺陷。 建立回归测试集,主动探测对高风险来源(付费新闻、授权工具书、代码)的复述。像跟踪延迟一样跟踪它。
- 优先检索加引用,而非依赖记忆。 会引用、会给链接的架构,在法律上更安全,在审计上更清晰,源内容变更时也能优雅退化。
- 画出你的司法辖区地图。 合理使用是美国概念,其他市场适用不同例外,而跨境业务会把多套制度拉进同一个产品。同时服务欧盟与美国客户的店铺,不能假设只有一个答案。
核心要点
- 维基媒体的介入是请求把 AI 版权拆成「摄取问题」和「输出问题」,既非为 AI 训练整体背书,也非整体禁止。
- 摄取与输出的经济学不同:前者关乎市场进入与语料可得性,后者关乎替代性与直接损害。
- 单一二元规则的结果,要么是「只有拿得到许可的人才能玩」的集中化,要么是诉讼驱动的寒蝉效应——两者都把能力推向最大的玩家。
- 拆分更不可预测,却更可工程化:输出行为是团队真正能控制的产品面。
- 对开发者而言,可辩护的姿态是:可记录的训练来源,加上硬性的输出侧控制,而不是押注某个判决。
下一步
- 盘点 AI 技术栈中受版权材料从哪里进入(训练、微调、检索、用户上传),又能从哪里离开(对话、导出、向量、日志)。
- 把记忆化与逐字重合测试加入发布检查清单,并按来源风险排序优先级。
- 复核供应商合同中的赔付范围:覆盖训练、覆盖输出,还是两者都覆盖。
- 起草原创性的内部立场文件,让采购与法务对训练姿态口径一致。
- 对跨境运营者,维护一张辖区矩阵,把各市场的文本与数据挖掘例外映射到你的产品面。



