斯蒂格利茨提问AI版权案：十年后谁还写被白嫖的真话

眼下，OpenAI公司被诉版权侵权一案（In re OpenAI, Inc. Copyright Infringement Litigation），被不少人看作近几年AI版权领域最有代表性的官司。十二起针对OpenAI和Microsoft的案件在此合流，原告里既有《纽约时报》，也有大批书籍作者和剧作家；行业团体、学者、艺术家、创意工会、AI公司乃至政府官员，递交“法庭之友意见书”的越来越多。判决尚未落槌，案子已经摊开了各方利益的广度与分歧，从某个角度看，未来“信息的生产模式”怎么走，也要看它。

在众多意见里，最受关注的一份来自美国司法部，时间是2026年9月。这份“利益声明”态度明确：拿受版权保护的作品训练大模型，“原则上属于合理使用”。它还补了一条更务实的理由——若强制许可，美国在AI上面对竞争对手国家就会吃亏。另一头，二十多位版权法学教授给出相反判断：AI训练算不上转化型使用，受保护的表达与原告作品里的根本事实、思想绑在一起，所以被告的行为构成侵权。

2001年诺贝尔经济学奖得主、哥伦比亚大学教授约瑟夫·斯蒂格利茨（Joseph Stiglitz）同样下场参与了讨论。法学家讲侵权怎么成立，司法部算产业与政治账，他则另提了一个能算得清、也更冷静的问题：假如法院认定AI使用版权内容“不违法”，十年之后，还有谁肯去写那些被人白嫖的真话？

信息不是普通商品，而是公共品

斯蒂格利茨的切入点是其毕生研究的命题：信息的外部性极强。

外部性说的是，一笔交易的成本或收益，落到了第三方头上。工厂排污、路人吸霾，代价由社会扛，这叫负外部性；养蜂人的蜂让隔壁果园多结果，果园主没掏钱却多收了，这是正外部性。

在斯蒂格利茨看来，信息的外部性尤其强。传统新闻业里，一篇深度调查可能花掉数月时间、上百万成本，读者看完讲给朋友听，朋友不花钱就得到了；自媒体把事实重新包装一遍，流量白白拿走——原创者哪一头都收不回全部价值。

到了现在，大模型把文章吃进去，事实、叙事、判断全压成参数，再拿这些去回答千万用户的提问，用户当然不会再回到原来的媒体平台。

媒体本来靠点击、订阅、广告来反哺下一轮有价值的报道。可当“信息”的收益大半外溢给平台、聚合器和AI系统，生产成本却几乎原封不动压在原创者身上，这门生意就没法做下去了。

所以说，信息不是普通商品，它带着公共品的属性——一个人用不影响别人用，想拦住别人用也很难。纯商业性质的市场里，信息生产注定供给不足，谁愿意一直花钱做一件让全世界免费搭车的事？不过传统新闻业靠“内容吸引读者、读者吸引广告”的路子，搭起了一套让信息生产转得起来的补偿机制。

生成式AI一出现，这套补偿机制最后那条回流也被掐断了。

信息越高效，真相反而越少

斯蒂格利茨最鲜明的观点，藏在他早年提出的格罗斯曼–斯蒂格利茨悖论（Grossman–Stiglitz paradox）里：金融市场中，倘若价格已把所有人掌握的信息完美反映出来，理性人就不再有力气去收集信息；可要是没人收集，价格又没法持续更新、完美反映市场状况。价格机制传递信息，本身就带着内在冲突——价格既汇总市场信息，又离不开个体主动收集信息的能力。

按这个理论，信息越“高效”，生产新信息的激励就越贴近“零”。

斯蒂格利茨把这套逻辑原样搬进了AI与内容生态。大模型让“已有信息”空前容易拿到，用户一问，答案自动又快速地拼出来，根本不用点开任何原文。短期看是效率飞跃，长期却可能引出“反效果”：媒体拿不到点击，广告缩水，调查报道团队被裁，原创供给减少；大模型训练语料里“高质量人类知识”的新增内容一旦变少，系统就更多依赖自己生成的文本，质量随之下滑。

他在模型里设了几个变量：

信息传输效率

平台甲流注意力的比例

用户辨别真假的能力

制造谎言的相对成本

AI一出现，前两个变量被同时推高，后两个被压低：传播更快，平台拿走更多注意力，普通人更难分清真伪，造假的边际成本则一路趋近于零。

结果并不是大多数人以为的“知识大爆发”，更可能滑向“信息丰富、知识枯竭”的颓势：屏幕上堆满看似用户需要的答案，生产真相和知识的产业却在萎缩。他甚至把“信息崩塌”的风险边界提出来作预警。

当然，斯蒂格利茨并没有下“AI必然毁灭新闻业”的结论，也不是反对效率本身。他的论点是有条件的：在溯源、归因、授权结算机制缺位的前提下，放任“免费抓取-合成输出”，会系统性地掏空信息产业的上游。风险不在模型发展本身，而在制度没跟上模型的发展。

给判决一个“未来维度”

美国司法部（DOJ）站队AI产业的“合理使用”，说到底是怕“竞争力”掉队。训练一旦被认定侵权，美国AI产业就会减速，国家安全也要受损。于是它把训练和输出切开，把市场损害收窄到“是指相似替代”这一层。法学家反对“合理使用”，担心的是另一件事：创作者还算不算主体。版权法的底层契约是，法律给创作者有限的垄断，换他向社会贡献表达。人类学习要订阅、要付费、要买书、要交学费，AI公司凭什么能绕开这个过程，直接拿走本该付费的内容？在他们眼里，AI在这条链上不是什么“产业”，而是和人类创作者并排站着的“竞争者”。

DOJ把“创新速度”当成最高价值，法学家看重“创作与回报的契约”，斯蒂格利茨的目光却落在看得见的“未来”。他其实是用一个问题回敬DOJ：创新所依赖的原料是谁生产的？将来还会不会有人接着生产？模型和计算结果摆在那里，DOJ那套“普惠叙事”——AI让知识更便宜，所以该免费使用——被撬动了。他警告，普惠不能建在透支公共资源之上。信息就像一片森林，免费砍树做纸，纸确实便宜，可不会再有人种树。版权制度本来就是让种树人拿到回报的机制。要让信息源源不断、质量还在，既不能禁止砍伐，也不能让人打着“合理使用”的旗号随便砍。

所以这位经济学家给出的法律结论相当克制：不是一刀切禁止AI训练，而是谨慎适用“合理使用”，把输出端的替代、对原创市场的侵蚀、以及可建立的授权机制一并放进判断里。创新的收益不该只按资本和技术分，内容的原始生产者也得被激励。他附录里有个比喻：做饼的人，不能连饼渣都拿不到。

过去的案例分析“合理使用”，习惯看“这一次适用对整个市场”的影响，DOJ用的也是这个框架。可大模型训练是大规模、跨年代的，今天喂进去的信息，决定了未来模型怎么回答世界；未来模型答得深不深、好不好、真不真，不光看技术，还看今天的高质量信息是多是少、是真是假。这条责任链，或许能一路追到这类AI版权案件的判决结果上。

科技公司上市估值时，通常默认“训练数据免费”，几乎把信息当成“空气”。斯蒂格利茨用经济学点出信息的特殊：它背后是有人持续花钱、冒风险、担责任撑起来的一条供应链。AI公司只做抽取者，不对上游回馈，长期看消耗的是自己乃至全人类的生产资料。

一个比“是否合法”更难的提问

从法律上看，OpenAI等AI科技公司很难绕过现行版权逻辑，但美国国家竞争的逻辑会拼命把这条路拓宽。斯蒂格利茨的意见则抛回一个经济学问题：我们真愿意活在一个“创作者寥寥无几、模型互相喂养”的信息世界里吗？如果答案是不，那怎么让信息生产得到回报？

这也是不同国家监管路径背后的一个重要逻辑，一个亟需解决的问题：不是非得保护既得利益者，而是要保护下一代知识、艺术、信息的原创者，保护那些说真话的人。