一文读懂:ai大模型训练中的核心版权问题

做模型的团队常被法务问一句：这批语料哪来的、能不能用。法务翻完资料往往也答不上来，因为争议不在单一法条，而在数据从抓取到入库的每个环节。这篇按「来源—使用—输出」三段拆开讲，每段给出该问的问题和该留的证据，方便你在立项评审或供应商尽调时照着走一遍。具体法规版本和判例结果请以站内合规类页面为准。

做模型的团队常被法务问一句：这批语料哪来的、能不能用。法务翻完资料往往也答不上来，因为争议从来不在某一条法条上，而藏在数据从抓取到入库的每个环节里。来源不同、用法不同、输出方式不同，风险等级都不一样，一张笼统的合规承诺书挡不住实际问题。

这篇按「来源—使用—输出」三段拆开讲，每段给出该问的问题和该留的证据，方便你在立项评审、供应商尽调或内部审计时照着走一遍。具体法规版本和判例结果各地差异很大，也一直在变，请以站内合规类页面当时的口径为准，别拿旧结论套新项目。

先看语料怎么进来的：四类来源各有各的雷

语料来源大致分四类，风险点完全不同。法务第一件事不是背法条，而是让技术侧把「数据从哪来、怎么来、授权到哪一步」写成一张清单。清单写不出来，后面的分析都是空谈。

• 公开网页抓取：重点看是否尊重robots协议、有没有绕过反爬和付费墙，策略文档和开关记录要能对得上
• 自有业务数据：看着最安全，但用户上传内容、聊天记录往往另有授权条款，要逐条回溯用户协议约定的使用范围
• 购买与授权数据集：重点看授权写的是「研究用途」还是「商用可转授权」，会不会随模型权重一起往外扩散
• 开源数据集：看清许可证覆盖的是标注文件还是也包括原始素材，很多数据集只放了标注，底层图片音频归属另说

再看到底怎么用了：训练、微调、检索三条路风险不同

同样是使用受保护内容，预训练、微调、检索增强三条技术路线的争议点并不一样。判断标准很朴素：内容有没有被「记进」模型，以及能不能被还原出来。把这三条路的差别讲清楚，比笼统说一句「我们做了合规处理」有用得多。

预训练

把作品喂进参数，争的是是否落在合理使用范围内，各国口径不一，别拿一地结论套全球上线

微调

若把受保护内容记进权重，风险接近预训练；只调格式、风格的风险相对低，但仍要看语料来源

检索增强

通常按内容使用处理，但要管住缓存与对外输出，别把检索结果当成自有内容展示

输出复现

能不能复现原文段落，是判断「记忆」还是「泛化」的关键动作，建议做成常规抽检

判断标准可以记成一句话：越靠近「权重里存着原文」，争议越大；越靠近「实时检索、用完即走」，越像常规内容使用。但要提醒的是，这条判断在纯文本场景比较好用，多模态、语音、代码语料因为授权链条更复杂，不一定适用，需要单独评估。

落地动作：尽调要收哪些材料

文档收不齐，评审就只能靠口头承诺。建议把尽调材料固定成四类，缺哪条就标红，评审会上直接对着红项问。不用追求一次收全，但要能说清每条缺口的补交时间和责任人。

1. 收数据来源清单逐条写明来源渠道、获取方式、授权文件编号、覆盖范围；缺哪条标红，谁补谁签字
2. 核授权链条转授权是否闭环，特别是从第三方数据商买的数据，要求对方出具上游授权证明
3. 留处理记录抓取时间、清洗规则、去重与过滤策略都留档，出问题时能证明做过合理努力
4. 写应急预案接到权利人通知后的下架、重训、隔离流程写进合同，比写在内部PPT里管用

这套动作的价值不只是应付检查。等真收到通知再回头翻抓取日志，往往已经找不到当时的记录了，补证的成本远高于事前留档。供应商尽调时也一样，对方能不能当场拿出授权链条，本身就是可信度的一部分，类似中转站可信度检测那套思路。

什么时候这套流程不适用

不是所有团队都要按上面逐项查语料，硬套只会浪费人力。下面几种情况可以简化，但注意简化的是核查深度，不是完全不做记录。

• 纯调用官方API、不自己训练的团队，主要看服务商条款和输出内容责任，不必逐项查语料来源
• 只用完全自有、且已获明确书面授权的数据做微调，可简化来源核查，但输出复现检查仍要做
• 内部研究性实验、不对外发布模型和产物，风险敞口相对小，一旦转为商用要重新走一遍
• 只用合成数据或已进入公有领域的素材，来源压力小，但仍要确认合成过程没有间接用到受保护内容

判断是否适用，看三个问题：模型会不会对外发布？输出内容会不会直接触达用户？数据里有没有第三方权利内容？三个都是「否」，可以走简化流程；只要有一个是「是」，就回到上面的三段检查。