司法部介入AI版权诉讼：训练阶段合理使用之争的走向

版权诉讼持续近两年，一份政府文件可能改变案件走向。

纽约时报诉OpenAI案审理中，OpenAI因对法院的陈述问题、隐匿输出日志证据而处于不利地位。此时，美国司法部被报道将向纽约南区联邦地区法院提交《美国利益陈述书》（Statement of Interest），主张大语言模型训练阶段使用作品可能构成合理使用。这份文书的分量在于：它触及的正是案件的核心争点——训练要不要付钱、付给谁、付多少。

被告席上的OpenAI

先看OpenAI的诉讼处境。

版权人起诉大模型公司有一套常见打法：把未经许可抓取作品的行为，和模型能生成近似内容进行绑定。纽约时报于2023年12月27日在纽约南区联邦地区法院起诉（N.Y. Times Co. v. Microsoft Corp., No. 1:23-cv-11195 (S.D.N.Y.)），2024年2月29日追加OpenAI为被告（案号No. 1:24-cv-00754，后合并审理）。诉状展示了ChatGPT能复述、甚至逐字吐出其文章——训练用的是未经许可的作品，产出的是近似内容，训练本身构成实质性替代。

更麻烦的是程序问题。OpenAI曾在2025年1月删除部分ChatGPT对话日志，与此前达成的证据保全安排相冲突，纽约时报为此提出制裁动议。2025年4月30日，治安法官Ona T. Wang认定OpenAI的相关陈述与其保全义务不符，命令其保存并检索输出日志。2025年11月7日，主审法官Sidney H. Stein进一步下令OpenAI向纽约时报提供约2000万条对话日志，限期于11月14日前完成。次日（11月6日），Stein法官驳回了OpenAI的驳回动议，允许核心的直接侵权指控继续推进。

在诉讼里，诚信问题往往比实体败诉更致命——法官一旦对一方产生不信任，自由裁量就会系统性偏向对手。输出日志如今已成为AI公司最大的证据风险敞口：你很难事先知道模型在过去几年里生成过什么。

就在案件走向对OpenAI日渐不利时，司法部介入的消息出现。据2025年6月以来多家美国媒体报道，司法部正在准备一份《美国利益陈述书》，拟在训练阶段的合理使用问题上支持被告一方的主张。作为美国版权执法体系中的重要行政机构，其态度本身就是天平上的砝码。当然，在法院正式收录文件之前，其最终措辞和提交时间仍以法院记录为准——这一点与后文的司法推理同样重要。

三段论：训练、转换性、输出切割

司法部（以及AI企业一方）的法律框架，是把AI运作拆成三个环节，逐一归责：

第一环节，训练数据的获取。一方主张这一阶段的数据使用是技术行为——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模式。这与复制粘贴式侵权不同，更接近人类博览群书后形成自己的知识体系。

第二环节，模型训练。其被主张具有高度转换性：将原始数据转化为具有独立价值的模型能力。按照美国版权法（17 U.S.C. § 107），转换性使用正是判断合理使用的关键——对原作品赋予了新的表达、新的意义或新的信息传递。可援引的判例是明确的：Google扫描图书案（Authors Guild v. Google, Inc., 804 F.3d 202 (2d Cir. 2015)）认定全文数字化扫描用于搜索片段展示构成合理使用；Google诉Oracle案（Google LLC v. Oracle Am., Inc., 593 U.S. 1 (2021)）则确认在特定条件下重新实现软件接口属于转换性使用。版权作品被用于全新技术目的时，即使存在完整复制，也可能构成合理使用。

第三环节，模型输出。这是最关键的一刀：即使输出内容偶尔与原作品高度相似、甚至构成侵权，也不影响训练阶段的合法性评估。输出端风险与训练端认定，是两个独立的法律问题。

这套框架的价值在于：训练阶段的合法性，不受输出阶段争议的连带影响。版权方的绑定式打法，被正面拆解。对OpenAI而言，这等于把战场从自己最不利的证据泥潭，部分拉回到法理争点上来。

市场稀释理论：版权方必须补上的证据

合理使用不是无限的。它的前提，是不能对原作品的潜在市场造成不合理损害。

于是战场转移到市场影响。2025年6月25日，Kadrey诉Meta案（Kadrey v. Meta Platforms, Inc., No. 23-cv-03417-VC (N.D. Cal.)）中，Vince Chhabria法官就即决判决作出裁定，大体支持Meta的合理使用抗辩——但理由值得版权方仔细研读。他写道：

“"the plaintiffs presented no evidence that Meta's copying will cause market dilution"（原告未提交任何证据证明Meta的复制行为将导致市场稀释）

同时他明确划出了边界：

“"This is not to say that using copyrighted materials to train large language models will always be fair use."（这并不意味着使用版权作品训练大语言模型总是构成合理使用）

换言之，Chhabria法官并非认可“训练天然免责”，而是因为原告方没有拿出市场稀释的实证证据，才在本案中支持了Meta。他在裁定中反复强调，版权方完全可以补充这类证据后再次主张。这就是所谓市场稀释理论——版权方手里真正有分量的一张牌，只是本案中没有打出来。

三个关键节点的脉络如下：

为什么版权方如此在意稀释理论？算一笔账就明白了。

出版、新闻、音乐、影视行业的版权收入模型建立在两条腿上：单次授权费，以及订阅/付费墙收入。前者好谈，后者才是命门。如果用户能从ChatGPT直接获得新闻摘要、剧情梗概、歌词片段，订阅是否会被替代？稀释理论真正想主张的，是这种看不见的收入流失。

而一旦“训练端不欠这笔账”的立场进入判决，版权方在模型训练许可谈判中的要价空间将被压缩——很难再拿诉讼风险当筹码，要求模型厂商为训练数据支付高价。

这不意味着版权方全盘皆输。Kadrey案的裁定恰恰留下了缺口：只要拿出稀释证据，市场影响主张依然可能成立。输出端的逐字侵权也依然可以另案追责，转授权交易仍有谈判余地。“训练免费、输出个案追责”只是当前可见的一种格局，而非定局。

小结

司法部（拟提交的）陈述书的真正意义，不在于OpenAI一案的胜负，而在于它把一个此前处于灰色地带的问题推向了明确的法律检验：训练端是否合理使用、输出端如何切割追责、市场稀释需要何种证据。目前的判例图景是——Kadrey案留下了“举证即可能翻盘”的缺口，纽约时报案则显示输出端和证据程序仍是版权方的现实抓手。

这些裁定一旦累积成体系，会外溢为全球参照系，包括中国的模型训练成本结构和内容授权谈判。对模型厂商，这意味着合规预期趋于稳定；对版权方，出路的重点可能从诉讼转向两条更确定的路径——谈输出端许可，以及经营AI替代不了的内容价值。至于最终边界画在哪里，仍有待上诉法院乃至最高法院的检验。