训练AI算偷吗？美国司法部掀桌了

训练AI算偷吗？美国司法部掀桌了

OpenAI在法庭上节节败退之际，美国司法部突然下场递刀。

一边是纽约时报诉OpenAI案白热化，OpenAI因对法院误导性陈述、隐匿输出日志而处境恶化；另一边，美国司法部向纽约南区联邦地区法院提交《美国利益陈述书》，直接主张大语言模型训练阶段使用作品构成合理使用。同一时间窗口内，最高人民法院发布涉AI审判意见，黄仁勋高调宣告AGI已到来、40万张GPU即将上线。

版权、监管、算力，三条线同时收紧又同时松绑。对AI产业来说，这几天的信息密度，比过去一个季度都高。

⚖️ 三段论：司法部拆掉了原告的逻辑地基

版权诉讼的经典套路，是把抓数据和吐内容绑在一起打。

纽约时报在诉状里展示了ChatGPT能复述、甚至逐字吐出其文章，潜台词很直白：训练用的是赃物，产出的也是赃物，训练的目的就是为了实质性替代版权人的作品。这个叙事在法庭上很有杀伤力，尤其当OpenAI自己还因为隐匿关键证据失分之后。

美国司法部的打法是釜底抽薪——把AI运作系统拆成三个环节，逐一审视。

第一步，训练数据获取。司法部认为，这一阶段的数据使用是纯粹的技术行为——模型不是在阅读文章，而是在学习语言的统计规律，通过统计学习提取抽象知识。这和传统的复制粘贴式侵权完全不同，更接近人类读万卷书后形成自己的知识体系。

第二步，模型训练。司法部强调这一阶段的数据使用具有高度转换性：原始数据被转化为全新的、具有独立价值的模型能力。转换性使用正是美国版权法合理使用判断的关键，司法部援引了最高法院和第二巡回法院关于Google扫描图书、软件代码的判例——当版权作品服务于全新技术目的时，哪怕完整复制，也可能构成合理使用。

第三步，模型输出。这是最狠的一刀：即便输出偶尔与原作高度相似甚至构成侵权，也不影响训练阶段的合法性。输出端风险和训练端合理使用，是两个独立的法律问题。

这套三段论，本质上是在为AI企业修一道法律防火墙：训练阶段被孤立出来单独评价，输出端再大的争议，也倒灌不回训练端。据多位接近人士观察，这份陈述书的时机选择极为讲究——恰好卡在OpenAI证据问题发酵、案情转向的节点上。

📉 市场稀释理论，被重点点名驳斥

合理使用不是万能钥匙，它有一条硬约束：不能不合理地损害原作者利益。

这正是版权方在2025年Kadrey诉Meta案中主攻的方向——所谓市场稀释理论：即便AI生成的文章、图片、音乐没有复制某一篇具体作品，海量AI内容涌入市场，也会稀释人类创作者作品的市场价值。这个理论一旦成立，训练端即便洗脱复制嫌疑，也难逃市场损害的指控。

司法部在陈述书中重点驳斥了这一理论。逻辑不复杂：如果稀释本身就算损害，那任何与人类创作竞争的技术产品都可以被追责，合理使用制度将形同虚设。

把这几条战线放在一张表里看，脉络更清晰：

产业逻辑上看，司法部这一手对OpenAI、Anthropic、Google、Meta们是集体利好——训练数据的版权原罪一旦在判例层面被摘除，头部模型公司的最大法律悬顶之剑就卸了一半。而对版权方来说，战场将不得不从训练端转向输出端，举证难度陡增。

📜 同一周，中国也出了牌，但打法完全不同

大洋两岸，几乎同步出牌，落点却不在一个位置。

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，共5个部分24条，聚焦的是应用端与社会治理端的问题：

• AI换脸拟声：针对深度伪造侵权明确裁判规则
• AI幻觉侵权：生成内容致损的责任认定
• 网络开盒、大数据杀熟：数字时代民事权益保障
• 自动驾驶、AI模型训练、开源软件、知识产权保护：全链条覆盖

注意这个差异：美国司法部解决的是训练端能不能用数据，中国最高法解决的是应用端出了事怎么判。一个松绑上游，一个规范下游。

把近期事件串成一条时间线，能看到两套规则体系在并行推进：

• 纽约时报案进入白热化，OpenAI因隐匿输出日志陷于不利
• 近日，美国司法部提交《美国利益陈述书》，主张训练构成合理使用
• 2025年，Kadrey诉Meta案判决触及市场稀释理论
• 9月7日，最高人民法院发布涉AI审判意见，5部分24条
• 上周四，OpenAI发布Astra，Brockman宣布欢迎来到AGI时代
• 周日，黄仁勋发文称AGI已到来，预告40万张GPU即将上线
• 8月，英伟达公布季度营收962亿美元

对从业者而言，这意味着合规地图要分两半画：做海外模型和产品，盯紧合理使用判例走向；做国内落地，把换脸拟声、幻觉致损、数据合规这些应用端红线先划清楚。两条线迟早会交汇——训练端的宽严，最终会倒逼应用端的责任分配。

🚀 AGI宣告的背后，是一笔算力生意

版权战打得难解难分，叙事战已经开打了。

OpenAI上周四发布Astra，定位为世界上最智能、最符合人类价值观的模型，总裁Greg Brockman在发布会上直接宣布：欢迎来到AGI时代。周日，黄仁勋在X平台跟进，宣告AGI正式开启，并透露Astra基于约10万张以上英伟达Grace Blackwell NVLink72芯片训练，随后抛出关键一句：40万张GPU即将上线。

反对的声音同样响亮。知名AI研究者Gary Marcus直言黄仁勋操之过急：没有证据也没有定义，是以企业意志强行占据一个科学问题。他列出的10项AGI定义标准，Astra仅满足其中一至两项。耐人寻味的是，连OpenAI CEOSam Altman本人都相当审慎，称AGI是个定义极为模糊的词，更像一个无关紧要的营销术语。

但看财务报表就明白这场叙事的真实功能。OpenAI在今年3月的融资公告中把英伟达称为我们基础设施的基石，表示训练集群和大部分推理栈持续运行在英伟达GPU之上。英伟达8月公布的季度营收达962亿美元，数据中心业务是核心增长引擎。40万张GPU的预告，意味着头部客户订单仍在扩张。

一个定义模糊的词，撑起了最确定的一门生意。AGI宣告更像是算力供给方的订单信号弹：模型越强，需要的卡越多；卡越多，就越要说服世界模型真的在变强。

🤖 对机器人行业，这三件事意味着什么

别以为这是纯软件圈的瓜，具身智能会全盘承接这三个变量。

第一个变量是数据确权。司法部的三段论如果被法院采纳，视频、图文等人类数据用于训练的版权风险将系统性下降，这对靠互联网视频预训练的VLA模型是直接利好。机器人公司最贵的就是数据，遥操作数据、仿真数据的产权界定，大概率会参照大模型的判例逻辑演进。

第二个变量是算力锁定。40万张GPU上线，意味着多模态和具身基础模型的训练门槛继续被英伟达定价。国内机器人公司要么走端侧小模型加场景数据的差异化路线，要么就得提前锁卡锁产能——962亿美元季度营收的背后，是整个行业对单一供应商的结构性依赖。

第三个变量是责任规则。最高法意见把自动驾驶单独列为裁判规则对象，这是具身智能落地中国场景的先手布局。机器人走进工厂、走上道路，出事故谁担责，比模型跑分重要得多。

结语

一周之内，训练端松绑、应用端立规、算力端放卫星，三条线勾勒出AI产业规则重构的完整切面。

版权原罪能不能真正洗掉，还要看纽约南区法院是否采纳司法部的三段论；中国的24条意见如何落地，要看第一批判例的尺度。可以确定的是：数据、算力、规则，这三样正在从讨论题变成定价题。对机器人从业者来说，别只盯看模型发布会——谁先把合规地图和算力账本算清楚，谁才拿得到下一轮牌桌的入场券。