“厘清AI使用的版权边界，核心是坚持‘先授权、后使用’的原则。”
□张西流
随着生成式人工智能迅猛发展，一些作品在著作权人不知情、未授权、未获酬的情况下，正被悄悄“喂”给大模型。大模型训练端侵权如何证明？作品的合理使用边界在哪里？相关平台是中立方还是内容使用方？（据9月17日《工人日报》）
大模型训练，离不开海量文本素材，不少企业直接抓取小说、散文、专著等原著，作为训练语料，也就是业内所说的，给AI“喂语料”。在产业快速扩张阶段，部分企业认为，网络上公开发布的文字，可以免费取用，将大量仍在版权保护期内的原著，不经授权就纳入训练数据集。这种数据采集模式，看似降低模型研发成本，实则埋下巨大的知识产权隐患，AI产业发展，不能只算技术账、成本账，更要认真算清版权账。
过去一段时间，很多AI企业，存在认知误区，认为大模型只是学习文字规律，不会直接复刻原文，训练行为就不构成侵权。但抓取原著文本的过程，必然涉及作品的复制与存储，一旦用于商业化模型训练，就有可能损害创作者收益。不少出版社已经在图书版权页标注“禁止用于AI训练”，对无序“猎书式抓取”明确抵制。
厘清AI使用的版权边界，核心是坚持“先授权、后使用”的原则。已经超出著作权保护期限的经典作品，可以正常使用；仍在保护期内的作品，必须提前对接作者、出版社或者著作权集体管理组织，获得授权。面对海量著作授权难题，可以探索规模化一揽子授权机制，降低双方对接成本，搭建合规、可持续的语料交易渠道。
监管层面要补齐规则，强化全链条监管。执法部门应当重点核查商业大模型训练数据集，对未经许可批量抓取原著的行为依法追责。同时，完善司法裁判标准，明确举证规则，降低创作者维权门槛，让侵权行为承担应有法律代价。
相关企业也要增强法律意识，在搭建数据集时，做好来源溯源与版权筛查，建立语料台账，把版权审核纳入数据采集的前置环节。技术创新不能以掠夺原创成果为代价，唯有尊重创作者权益，构建创作者、出版方与相关AI企业共赢的生态，大模型产业才能摆脱版权纠纷困扰，实现健康可持续发展。