目次

一、训练行为的性质

二、AI模型训练之中美司法实践评析

三、对AI大模型训练的合规建议

四、结语

众所周知，大模型的训练建立在对海量作品的消化与吸收之上，这也使得大模型开发者和著作权人之间不可避免地存在利益冲突。事实上，国内外均已出现开发者与著作权人相互博弈的司法案例，说明二者的较量并非只是理论设想，而是已经走向真实裁判。那么，AI开发者与著作权人之间的利益又当如何平衡呢？本文将结合国内外近期司法实践，讨论AI模型训练著作权规制的边界。

一、训练行为的性质

大模型训练的技术链路包括数据抓取、清洗、分词（tokenize）与参数更新等环节，前几个步骤通常要对作品进行复制，数据集本身也往往留存作品的完整副本。无论训练完成后的模型是否完整保存了作品，只要训练过程中的复制行为客观存在，著作权人主张训练行为落入复制权保护范围，一般会获得支持。至于改编权、信息网络传播权，则一般在大模型训练后的输出行为和后续的传播行为中（如生成、发布与分享侵权内容）才会涉及，与训练本身的复制行为应予区分。训练过程中的复制本身并不当然构成侵权，仍需考虑是否有可能落入合理使用。

二、AI模型训练之中美司法实践评析

(一)美国司法实践

1、Thomson v. Ross案[1]：非生成式AI以竞争为目的的训练不构成合理使用

Thomson Reuters为Westlaw法律检索平台的经营者，主张其对平台中的法律要点和裁判要旨摘要和案例分类编号系统享有著作权。Ross Intelligence开发了一款运用AI的法律研究搜索引擎，其AI训练需要构建法律问答数据库，因此Ross Intelligence曾请求许可使用Westlaw的内容，遭到拒绝。此后，Ross Intelligence通过第三方公司LegalEase取得约2.5万份“批量备忘录”，即律师利用Westlaw法律要点和裁判要旨摘要所编写的法律问题与答案，并用它们训练自己的AI检索工具。Thomson Reuters遂起诉侵权。

2025年2月11日，美国特拉华州地区法院Bibas法官认定，Westlaw法律要点和裁判要旨摘要具备独创性，Thomson Reuters享有著作权。此外，合理使用的四个要件为：(1) 使用目的与性质；(2) 权利作品的性质；(3) 被使用部分在整体作品中的占比和实质性程度；(4)使用行为对作品潜在市场价值或现有市场价值的影响。其中，Ross Intelligence的使用具有商业性而不具有转换性，且意在开发Westlaw的市场替代品，并影响了法律AI训练数据这一潜在的许可市场，故第一、四要件不利于Ross Intelligence；权利作品的独创性有限，且Ross Intelligence向公众提供的是司法决定而非Westlaw摘要的内容，故第二、三要件有利于Ross Intelligence。因第二要件的分量最轻，第四要件的分量最重，法院综合考量后认定Ross Intelligence构成著作权侵权。同时，法院特别说明，Ross Intelligence的AI不是生成式AI，本案只涉及非生成式AI。

2、Bartz v. Anthropic案[2]：生成式AI将合法及盗版书籍用于大模型训练均可构成合理使用，但盗版书籍的留存不构成合理使用

Andrea Bartz、Charles Graeber和Kirk Wallace Johnson三位作家指控Anthropic使用了其享有著作权的书籍。Anthropic取得书籍有两条途径：一是花费数百万美元购买数百万册印刷书籍，拆除装订、逐页扫描并存为可检索的电子文件；二是从LibGen、PiLiMi等盗版图书馆下载了逾700万册盗版书的电子复制件，其中包含每位原告的权利作品。两类书都被存入其中央图书馆中，Anthropic计划永久保留。此外，Anthropic从中央图书馆中选取书籍的集合或子集，经清洗、词符化等步骤反复复制，用于训练大语言模型，模型返回给用户的输出内容还会经其他软件过滤、加工，不会创建完全相同的复制品、实质性的仿制品、以及可以追溯至任何作家的内容。

2025年6月23日，美国加州北区联邦地区法院Alsup法官在简易判决意见中，把Anthropic的使用行为拆成三项分别评价。（1）以书籍训练大语言模型（LLM），无论是合法购买还是盗版网站下载的书籍，均构成合理使用。使用受著作权法保护的作品来训练大语言模型以生成新文本的目的和性质是典型的转换性使用，且训练的目的并非替代原告作品，且未向公众输出任何可追溯到原告作品的侵权内容，对涉案作品的价值不会造成影响。同时，训练一个大语言模型所需的文本量是巨大的，使用涉案作品的数量相对于实际训练大语言模型的目的来说具有合理性。因此以书籍训练大语言模型的行为构成合理使用。（2）把合法购买的纸质书扫描成电子版并替代纸本用于建立中央图书馆的副本，因购买者有权处置上述纸质书，格式转换仅为节省存储空间、实现可搜索性，未新增或对外分发副本，格式转换本身并未侵害原告的正当权利，同样构成合理使用。（3）从盗版网站下载并在中央图书馆永久保存，不构成合理使用。Anthropic建立中央图书馆是为了以备任何未来的进一步使用，因此即便后来决定不将盗版书籍用于训练大模型，仍保留了这些副本。Anthropic对于盗版书籍不享有任何权利，而本可合法购买却选择盗版，直接取代了对作家正版书籍的需求。因此，该行为不构成合理使用。

最终，法院认定，Anthropic 将书籍用于训练大语言模型构成合理使用，合法购买书籍的“印刷转数字”为合理使用，但将盗版书籍副本用于创建中央图书馆的行为不构成合理使用。

2026年7月20日，美国加州北区联邦地区法院最终批准了Anthropic与作者及出版商达成的15亿美元版权集体诉讼和解协议。和解涉及的作品数量超48万部，每部和解金额约3,000美元。除金钱救济外，和解协议还要求Anthropic销毁所有从LibGen和PiLiMi下载的原始文件副本。[3]

3、Kadrey v. Meta案[4]：合理使用判断重点在于能否证明对原告作品产生的市场损害

Richard Kadrey、Sarah Silverman、Christopher Golden 等13位作家指控 Meta 未经许可，从“影子图书馆”下载盗版书籍，用于训练其大语言模型Llama，并主张Meta的复制行为构成著作权侵权。

2025年6月25日，美国加州北区联邦地区法院 Chhabria 法官全面适用合理使用四要素分析后，认定Meta 未经许可复制原告作品用于训练 LLM 的行为构成合理使用，驳回原告的著作权侵权索赔。（1）使用的目的与性质：法院认定 Meta 对书籍的利用具有“高度转换性”，原告作品意在供读者阅读欣赏，而Meta使用书籍的目的在于生成多样化文本并执行多种功能，与原告作品截然不同；尽管Meta 具商业目的，但高度转换性会使得商业性质的重要度降低。（2）作品的性质：原告书籍为高度原创的文学作品，本要素形式上有利于原告，但法院指出其在合理使用判定因素中权重有限、不具决定性。（3）使用部分的数量与实质性：Meta 确系全文复制，但考虑到Meta的转换性目的为大型语言模型训练，其复制数量具有合理性。（4）对潜在市场或价值的影响：法院也认为此要素最为重要，但同时认为Bartz 案中Alsup法官忽视了大模型训练对原告作品可能造成的市场损害。 Chhabria 法官认为市场稀释的主张有可能成立，即大模型可能生成类似主题的作品，从而与原告作品形成竞争，但因原告并未提出该主张，也未提供任何有关市场损害的实质证据，第四要素偏向Meta。

最终，Chhabria 法官认定 Meta 为训练 LLM 而复制原告作品构成合理使用，但也同时强调，该判决并不意味着Meta使用受著作权保护材料训练语言模型的行为具有合法性，仅表明本案原告的诉求主张存在显著瑕疵，且未能提供有力证据以支持其诉求的正当性。在涉及类似Meta使用行为的案件中，若原告能更充分地证明被告使用行为对其造成的市场影响，原告通常有可能胜诉。

(二)我国司法实践

1、“奥特曼”AI绘画案[5]：AI网站经营者应对该网站输出内容尽到合理注意义务

上海新创华公司经圆谷制作株式会社独占授权享有奥特曼形象著作权，发现广州年光公司经营的Tab网站提供AI绘画服务，在用户输入“生成奥特曼”“奥特曼拼接长发”等提示词时，可生成与奥特曼形象相同或实质性相似的图片，遂提起侵权诉讼。广州互联网法院认定：被告经营网站所生成图片复制或部分复制了奥特曼独创性表达，部分图片在保留原告作品基础上形成新特征，分别侵犯复制权与改编权，信息网络传播权不再重复评价。被告未尽投诉机制、风险提示、显著标识等合理注意义务，主观有过错，应承担相应赔偿责任。一审法院判令其停止侵权、采取相应技术防范措施，并酌定赔偿1万元。

2、“奥特曼”LoRA模型案[6]：严格控制AI生成内容的输出与使用

上海新某公司经日本圆某制作株式会社独占授权，享有“奥特曼”系列美术作品的信息网络传播权。该公司发现杭州水某公司运营的“触手AI”平台为用户提供文生图、图生图及LoRA模型训练、发布服务，平台上存在大量与奥特曼角色形象实质性相似的图片和LoRA模型，用户可以通过训练、下载、分享和重复调用相关模型生成奥特曼图片，遂以著作权侵权及不正当竞争为由提起诉讼。一审法院认为，水某公司未直接实施受信息网络传播权控制的行为，不构成直接侵权，但其兼具内容生产者与平台管理者的双重身份，应结合生成式人工智能服务性质、技术发展水平、避免损害的替代设计成本、必要措施及其效果、行业影响等因素，动态调整过错认定标准。本案涉案侵权图片和模型位于平台较为显著的位置，奥特曼知名度较高，水某公司应当知道相关内容具有较大侵权可能性。且在叠加奥特曼LoRA模型后，涉案平台可以稳定生成奥特曼图片，被其他用户反复使用后侵权内容扩散风险较高，平台又通过会员充值等方式获得经济利益，水某公司应当承担更高的注意义务。水某公司具有采取技术措施过滤侵权内容的能力，却未及时采取必要措施，构成侵害信息网络传播权的帮助侵权，酌定赔偿3万元。但一审法院未认定构成不正当竞争。新某公司就不正当竞争认定不服提起上诉。二审法院认为，水某公司的商业模式符合自由竞争要求，其技术本身具有中立性，生成式AI创作对在先作品影响力虽有一定冲击，但属竞争常态化结果，并未不合理损害著作权人合法权益及其他主体与消费者利益，故驳回上诉、维持原判。

3、“美杜莎”案[7]：用户以商业目的使用在先作品训练模型不构成合理使用

“美杜莎”案系上海首例涉AI模型著作权侵权案。A、B公司系《斗破苍穹》“美杜莎”角色形象著作权人；用户李某截取该形象图片二十余张，借某AI平台“训练LoRA”功能生成两款LoRA模型并发布、销售，致其他用户可批量生成实质性相似图片，A、B公司遂以著作权侵权及不正当竞争起诉李某与平台方C公司。一审法院认为，模型训练与生成均系李某实施。李某以商业使用为目的，截取图片形成图包并作为素材训练案涉美杜莎LoRA模型，再现在先作品独创性表达，不构成合理使用。李某训练、发布、使用案涉LoRA模型所生图片与美杜莎形象构成实质性相似，侵犯复制权；其在网络渠道发布、销售案涉美杜莎LoRA模型、形象图片的行为侵犯信息网络传播权。但AI文生图转化过程非由李某智力投入主导，案涉美杜莎LoRA模型不构成作品，故未侵犯改编权。就C公司提供训练功能相关行为，一审采“技术中立＋平台责任”路径，认定LoRA技术与“训练LoRA”功能均属中立、平台未直接参与训练，不因用户侵权认定帮助侵权；且C公司收到诉讼材料后已下架全部美杜莎LoRA模型并更新筛选关键词，尽到平台义务，不应承担责任。二审维持一审认定，并另强调，C公司作为新技术应用探索者，侵权防范措施尚不尽完备，日后应更加注重尊重他人知识产权、提升防范能力。

(三)中美司法实践对比评析

美国三案均重点审查了大模型的数据输入和训练行为，并围绕著作权法上的合理使用展开，关键点在于使用性质是否具有转换性、是否可能造成对原告作品的“市场稀释”。Ross案涉及的并非生成式AI，Ross Intelligence将Westlaw的摘要用于训练一款竞争型法律检索工具，Bibas法官认为其使用具有商业性且意在替代Westlaw，不构成转换性使用，加之影响到法律AI训练数据的潜在许可市场，最终认定侵权。不过法官明确将该案与非生成式AI区分开，未对生成式AI训练是否构成合理使用表态。Bartz案与Meta案则直接与生成式AI训练相关。Bartz案中，Alsup法官认为，Anthropic以合法购得或盗版下载的书籍训练大模型均属典型的转换性使用，未向公众输出可溯源的侵权内容，对原告作品市场无实质影响，构成合理使用。但Anthropic将盗版书永久存入中央图书馆以备未来使用，因本可合法购买却选择盗版、直接挤占正版需求，不被认定为合理使用。Meta案中，Chhabria法官同样认可训练使用的高度转换性，但坚持认为大模型训练对原告作品的“市场稀释”损害主张有可能成立，只是在案原告既未提出该主张，也未提交实质证据，才支持了被告的合理使用抗辩，该观点与Alsup法官意见相左。

从上述三起案件来看，美国司法实践对生成式AI与非生成式AI的模型训练区分对待，生成式AI的侵权认定标准明显比非生成式AI更宽松。就生成式AI而言，在“训练输入”环节普遍倾向宽容，数据来源是否合法，并不影响大模型训练本身是否构成侵权的认定，但训练所生成的内容是否会对原作造成“市场稀释”、进而否定合理使用抗辩，美国司法界仍有分歧。

相较而言，我国已决案件几乎都发生在平台未尽输出管控、用户利用平台生成或训练等场景，司法实践尚未正面回应AI模型训练的语料来源是否应当合法这一问题，更多重心放在生成式AI的输出端而非输入端，即是否输出了与权利作品相同或类似的图片、模型等。其中，“奥特曼”LoRA模型案的一审法院就明确提出，对大模型的数据输入与训练宜采宽松包容标准，对生成内容的输出与使用宜采相对从严标准，通过分类施策实现发展与保护的平衡。“奥特曼”AI绘画案中涉案网站生成的图片即复制或部分复制了奥特曼形象的独创性表达，“奥特曼”LoRA模型案中涉案“触手AI”平台亦可以稳定生成奥特曼图片。两案争议和审理核心均集中在生成式AI的输出端。“美杜莎”案案情较为特殊，该案中美杜莎LoRA模型的训练和生成均由用户李某完成，法院认为李某以商业目的截取他人角色形象训练LoRA模型并发布销售，被认定侵犯复制权与信息网络传播权，平台经营者则因技术中立且事后及时下架、更新关键词，未被判令担责。

2026年9月7日，最高人民法院发布《关于依法审理涉人工智能纠纷案件的意见》[8]。该《意见》中虽提到，AI生成内容侵害他人著作权的，法院应综合考虑包括训练数据来源、采取的必要措施、获利情况等因素，合理认定AI开发者、提供者的责任，但尚未明确未经授权的作品作为训练数据来源是否就应当认定为侵权，以及AI开发者、提供者是否就应当承担责任。

从我国目前司法实践来看，“奥特曼”LoRA模型案一审法院提出输入与训练宽松包容、输出与使用相对从严的分类思路。美国司法实践在生成式AI训练环节对语料来源的合法性相对较为宽容（但获取并留存盗版副本可被单独认定不构成合理使用），而存在争议的“市场稀释”则发生于输出端，可见至少就生成式AI训练而言，中美司法实践在“入宽出严”上仍有共通之处。虽然目前国内AI产业发展迅猛，生成式AI的训练数据来源可能不会成为认定著作权侵权的决定性因素，但为实现AI技术发展和著作权保护之间的动态平衡，未来亦不排除转向严格审查训练数据合法性的可能。

三、对AI大模型训练的合规建议

中美司法实践就生成式AI均存在“入宽出严”的倾向，且我国法院对AI运用者过错的认定，主要落在投诉举报机制、技术过滤措施等之上。因此，生成式AI大模型训练企业为了著作权领域的合规，可将输出管控与平台规则建设置于首位，其次是训练过程留痕，再次是数据来源优化。但参考美国在先案例，非生成式AI则应提高数据来源合法化的优先等级。

第一，严格控制AI输出内容的侵权风险，可配合平台规则、技术措施等。

首先，建立平台规则与侵权处置通道。例如，在用户协议中明确约定使用其服务时“应当尊重他人知识产权，不得侵害他人合法权益”；在生成内容的详情页面设置投诉举报入口，平台收到反馈后及时审核、下架，并留存处置记录。

其次，部署技术性过滤措施。 平台上线前应建立三道技术防线：一是关键词屏蔽库，屏蔽知名度高、侵权风险集中的作品与角色名称等（如各主流动漫、影视 IP）；二是生成内容相似度检测，对用户生成内容与权利作品库作比对，近似度超出特定阈值时应拦截输出；三是溯源水印，对生成内容嵌入可机器识别的隐式标识，既满足显著标识要求，也便于事后溯源。

第二，留存训练过程记录。建立训练数据批次台账，对每批数据的取得方式、权属状态、来源链接或合同编号逐一登记；同时，将去重、清洗、去标识化的处理规则及脚本版本留档，以证明训练前已作技术性处理，而非原样复制使用。

第三，生成式AI逐步优化训练数据来源，非生成式AI应尽力确保训练数据来源合法。生成式AI需要海量的数据，对训练数据实现全量授权，在实务中既不现实，亦无紧迫的合规要求。据此，生成式AI不必强求全量授权，但可优先采用已授权、已合法购买的数据。同时，鉴于当前对训练输入的宽松态势未来不排除收紧的可能，对确有授权的语料，应保存从原始权利人到终端使用的完整授权链条，以备合规核查。此外，对数据服务商开展资质与授权审查，要求其提供权利证明或合法来源说明；对无法证明来源合法的第三方语料，做剔除或隔离处理。对于训练时不需要海量数据的非生成式AI而言，应尽可能取得训练数据来源的完整授权，以防范侵权风险。

四、结语

AI模型训练的著作权边界的确定，是AI技术创新发展与著作权保护之间的博弈。目前中美相关司法实践虽然存在差异，但“入宽出严”的整体倾向相近。美国以合理使用容纳创新，分歧在于“市场稀释”要件。我国以“输入与训练宽松包容、输出与使用相对从严”分类施策平衡保护与发展。AI企业在发展创新技术的同时，也应当尊重著作权人的合法权益，重点发展AI作品的正向价值，以输出管控为当务之急、来源合规为长远根基，实现创作者权益与社会公共利益的平衡。

注释（上下滑动阅览）

【1】Thomson Reuters Enterprise Centre GmbH v. Ross Intelligence Inc.,

No. 1:20-cv-613-SB, Memorandum Opinion (D. Del. Feb. 11, 2025).

【2】Bartz v. Anthropic PBC, No. 3:24-cv-05417-WHA, 787 F. Supp. 3d 1007 (N.D. Cal. June 23, 2025) (Order on Fair Use), 2025 WL 1741691.

【3】《附法庭文件| Anthropic 15亿美元版权和解获最终批准：覆盖48万余部作品，每部约3,000美元》，微信公众号“知产前沿”（2026年7月22日），https://mp.weixin.qq.com/s/Zpy0S1Mm-Q2XCVdkaWa7nQ。

【4】Kadrey v. Meta Platforms, Inc., No. 3:23-cv-03417-VC (N.D. Cal. June 25, 2025), 788 F. Supp. 3d 1026.

【5】广州互联网法院（2024）粤0192民初113号民事判决书。

【6】杭州互联网法院（2024）浙0192民初1587号民事判决书；浙江省杭州市中级人民法院（2024）浙01民终10332号民事判决书。

【7】上海市金山区人民法院（2025）沪0116民初2354号民事判决书；上海知识产权法院（2025）沪73民终1189号民事判决书。

【8】《最高人民法院关于依法审理涉人工智能纠纷案件的意见》[法发〔2026〕10号]，https://www.court.gov.cn/zixun/xiangqing/511101.html。

作者：龙涵琼

编辑：Sharon