☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
AI版权博弈，正从“谁训练了模型”，转向深挖“谁为训练铺平了道路”。
若将OpenAI视作站在聚光灯下的模型构建者，那么微软此次被置于审判席中央，所面对的已不仅是商业合作问题，而是一道更严峻的法律拷问：当一家企业同时掌控顶级算力资源、定制化系统架构、商业化入口以及全链路分发能力时，“我只是中立的技术底座”这一辩解，是否还能成立？
2026年6月25日，《纽约时报》就其诉OpenAI与微软一案，正式提交第三次修订版诉状。新诉状不再仅将矛头对准模型训练行为本身，而是明确指控微软并非旁观者或被动受益方，而是通过深度参与设计并部署一套专用于大模型训练的超级计算系统，实质性地推动、协助乃至促成大规模版权内容的非法使用。
据公开信息显示，该系统集成超285,000个CPU核心及10,000块GPU。《纽约时报》借此强调：微软绝非普通云服务商，而是OpenAI大模型训练能力成型过程中不可或缺的技术支点与关键赋能者。
几乎同步，代表近400家美国地方报刊出版机构的联盟亦向微软与OpenAI发起联合诉讼，指控二者在未获授权前提下，系统性抓取、复制海量新闻报道，用于训练ChatGPT、Copilot等生成式AI产品。原告进一步指出，OpenAI在运用“Dragnet”“Newspaper”等文本解析工具处理网页内容时，刻意清除作者署名、版权声明及网站使用条款等元数据，涉嫌违反美国《数字千年版权法》（以下简称DMCA）中关于版权管理信息（CMI）保护的核心条款。
这两起诉讼释放出一个不容忽视的信号：AI版权追责正加速突破单一主体边界，沿着技术依赖链、商业协同链与法律责任链层层外溢。
一、焦点转移：从“谁实施了侵权”，到“谁促成了侵权”
过往AI训练版权争议，主战场始终聚焦于模型开发者——训练数据是否含受保护作品？训练过程是否构成复制？模型输出是否构成替代？合理使用抗辩能否成立？
但本次《纽约时报》诉状的升级之处，在于将微软置于更具主动性的角色定位中。
原告力图证实：微软并非置身事外的投资方，亦非仅出租服务器的云平台，而是以高度定制化的算力基础设施，为OpenAI实现超大规模语言模型训练提供了决定性支撑。
由此，案件性质悄然由“直接侵权”延伸至“帮助侵权”“诱导侵权”乃至“共同侵权”的法律灰域。
换言之，法院或将不得不回应一个全新命题：若某主体虽未亲手抓取文章、未亲自执行训练，却明知或应知相关训练严重依赖受版权保护的海量文本，仍为其量身打造算力系统、深度介入训练架构、并持续从中获取显著商业回报，它是否应被纳入AI侵权责任网络之中？
标题中“共犯”的实质，并非刑事定性，而是警示——AI版权追责不能永远止步于模型公司这一端。
二、绑定过深：微软已嵌入OpenAI的价值闭环
微软与OpenAI的关系，远超常规商业伙伴关系。
微软既是OpenAI的战略投资者，也是其专属算力与云服务提供方；同时，更将OpenAI模型能力深度整合进Copilot、Bing、Office、Azure等全线产品矩阵，形成技术—产品—流量—变现的完整闭环。
这种深度耦合，使微软难以再以“纯粹中立基础设施提供者”自居。
通用云服务的责任边界相对清晰：云厂商提供计算资源，客户自主上传、训练、部署，平台通常不因客户利用其资源实施侵权而当然担责。
但一旦基础设施为特定模型训练量身打造，一旦服务方深度介入训练框架设计，一旦其清楚知晓训练所需数据规模与来源特征，一旦其从下游AI产品中稳定获得巨额收益，“技术中立”的盾牌便极易被击穿。
这正是《纽约时报》诉状的精准打击点。
它并未泛泛而谈“微软有钱”“微软有技术”“微软跟OpenAI关系好”，而是着力构建证据链，证明微软在OpenAI模型训练能力形成过程中，扮演了不可替代的实质性角色。
三、集体反制：新闻业启动规模化防御行动
如果说《纽约时报》的诉讼体现头部媒体的主动亮剑，那么近400家地方报纸的联合起诉，则折射出整个新闻行业日益加剧的生存危机感。
地方媒体既无技术资本，也无流量优势。其核心价值在于长期深耕的采编体系、扎根社区的调查能力、对公共事务的持续监督，以及对事实核查与原始记录的坚守。
当这些高成本生产的内容，被AI系统无偿抓取、批量消化、再经算法重组输出，地方媒体面临的不只是版权收益流失，更是用户入口被截断、流量被稀释、订阅率下滑、广告收入萎缩的系统性挤压。
AI不仅“学习”了新闻，更可能重构用户接触新闻的方式。
过去，用户访问报网、阅读原文、产生点击、完成订阅、支撑广告——内容生产者投入真金白银，市场机制给予相应回报；如今，用户只需向AI提问，即可获得摘要、结论与结构化信息。内容创作者承担全部成本，AI产品攫取核心入口，平台坐享商业红利，而新闻机构却被逐步排挤出价值分配链条。
这恰恰是内容方最无法容忍的失衡。
AI训练数据之争，表面是“技术创新 vs 版权保护”的理念冲突，内核实则是极为现实的利益再分配难题。
谁创造内容？谁支付成本？谁占有数据？谁享有估值？谁被市场淘汰？
四、DMCA指控的锋芒：直指“抹除权利标识”行为
在地方报纸集体诉讼中，DMCA相关主张尤为关键。原告不仅控告文章被复制，更强调OpenAI在使用文本提取工具处理网页内容时，系统性删除作者署名、版权提示及网站使用条款等版权管理信息（CMI）。
若该指控成立，其法律后果将远超一般版权侵权。
因为传统侵权关注的是“你是否用了我的作品”；而DMCA关于CMI的规定，惩罚的是“你在用我作品之前，先撕掉了我的权利标签”。
在AI训练流程中，此点尤为敏感。
大规模数据处理常包含爬取、清洗、去重、分块、标注、向量化等多个环节。许多工程实践习惯性将作者信息、来源链接、版权声明、许可声明等视为“干扰噪声”，在清洗阶段一并剔除。
但从版权合规视角看，这些信息绝非冗余，而是权利边界的具象载体。AI训练的目标不应是把数据洗得“越干净越好”，某些看似“脏”的元数据，恰恰是权利人设置的法律护栏。
五、合理使用仍是主战场，但护城河正在变窄
微软与OpenAI预计将继续援引“合理使用”原则进行抗辩。
这也是当前美国AI版权诉讼中最主流的法律策略：训练目的并非复制原文，而是习得语言模式与知识关联；训练行为具有高度转换性；若禁止使用公开网络内容训练AI，将严重抑制技术进步。
该抗辩仍有回旋空间。
但内容方亦在持续加固反击逻辑：新闻作品具有显著的高投入、强时效与高市场价值属性；AI生成摘要可能替代原文阅读、分流用户访问；若训练数据涵盖付费墙内容、受限访问页面，或存在CMI被系统性剥离的情形，则“合理使用”的正当性基础将被大幅削弱。
AI版权诉讼正从理念交锋，演变为证据驱动的精密攻防战。
知产力研判
这组案件对中国企业的警示意义极为鲜明。
当下，多数企业并不独立研发基础大模型，而是依托模型厂商、云服务商、数据合作伙伴及垂直行业客户，共建细分场景AI应用。合作链条越复杂，责任归属越模糊，风险传导越隐蔽。
技术团队紧盯模型性能，业务团队追求上线节奏，法务若仅在合同末尾加一句“乙方保证数据来源合法”，已远远不足以构筑合规防线。
企业亟需前置夯实五大关键动作：
第一，数据来源必须可追溯、可验证；
第二，授权范围必须具体、无歧义；
第三，版权标识必须完整保留、不可剥离；
第四，数据处理全流程必须留痕、可审计；
第五，多方协作中的权责边界必须清晰切割、书面固化。
AI合规不是产品发布前的临时补漏，而是数据进入训练管道前的底层基建。
未来的AI竞争，不止比拼参数规模，更比拼数据溯源能力；不止较量算力密度，更较量权利链条透明度；不止竞速产品落地，更竞速合规基座的稳固性。
AI可以模拟世界，但不能把他人创作当作无主燃料。谁把内容当燃料，谁就得准备好回答——这把火，究竟是谁点燃的？
本文来自微信公众号“知产力”（ID：zhichanli），作者：Shawn/MCP，36氪经授权发布。
