AI破坏市场中的公平使用和竞争

一项由两党共同提出的法案，即《人工智能网络透明度和责任法》（TRAIN），于2026年1月提出，旨在赋予内容创作者传票权，迫使人工智能公司披露信息。如果该法案通过，更多的版权持有者将拥有法律机制来调查他们的作品是否被用于人工智能训练。

乍一看，这似乎是一种赋予更多版权持有者权力的机制，使他们能够从人工智能开发者那里获得报酬。然而，事实上，仅仅知道自己的作品被未经许可使用还远远不够。

在决定公平使用案件时，法院会考虑四个关键因素：使用的目的、原作品的性质、使用了多少内容以及对原作品市场价值的影响。最近的美国法院判决重申，公平使用仍然是创新的一项基本支柱，不能轻易被驳回。特别是市场损害因素和证明它的重要性备受关注。

市场损害：主要战场

来自加利福尼亚北区法院的人工智能版权判决显示，法院在公平使用分析方面采取了不同的方法。在 Kadrey v. Meta 案中，奇哈伯里亚法官称市场损害为“公平使用的最重要因素”。而 Bartz v. Anthropic 案中的奥尔萨普法官则更均衡地权衡了所有四个因素。然而，两位法官都同意：原告不能简单地声称损害——他们需要证明损害已经发生或是可能的。

证据要求对于人工智能开发者，尤其是资金不足的初创公司至关重要。如果损害需要被证明而不是假设，开发者可以做出设计选择来避免损害。判决表明，开发者可以通过从合法来源获取数据、设计产品以满足与受版权保护作品不同的目的以及实施防止大量文本被复制的保障措施来降低风险。

在 Bartz 和 Kadrey 案中，法院都认为人工智能训练符合“变革性使用”的定义。因此，焦点越来越集中在公平使用的第四个因素：市场损害。最近的人工智能版权纠纷表明了这一点。诉讼越来越集中在这样一个观点上：对受版权保护作品的逐字复制会损害出版商的市场价值。

证据要求

Bartz 和 Kadrey 都强调，市场损害必须被证明，而不是假设。在 Kadrey 案中，广泛的测试显示，Meta 的 Llama 在被设计来复制原创作品的提示下，最多只复制了 50 个令牌，而且只有 60% 的时间会复制原作品。

奥尔萨普法官在 Bartz 案中关注的是 Anthropic 的 Claude 是否实际向用户提供了侵权内容——原告并没有声称这一点已经发生。如果没有复制，很难证明对原作品的替代。

这种证据方法表明，即使版权持有者证明了他们的作品被用于人工智能训练，他们也不一定有一个强有力的侵权诉讼案件。如果人工智能系统不产生对原作品市场价值造成可识别损害的输出，那么仅仅使用某些作品在法律上就没有太大的意义。

何时承认市场损害

在 Thomson Reuters Enterprise Centre GmbH v. Ross Intelligence Inc. 案中，特拉华州地区法院拒绝了 Ross Intelligence 的公平使用辩护，因为 Ross 使用了 Thomson Reuters 的 Westlaw 头条来训练一个直接与 Westlaw 竞争的 AI 法律研究工具。公平使用分析中的第一个因素（目的和性质）和第四个因素（市场影响）对于该判决至关重要。

巡回法官 Stephanos Bibas 发现 Ross 的使用并非变革性，因为它创建了一个直接的市场替代品。Ross 最初试图获得 Westlaw 内容的许可，但 Thomson Reuters 因为 Ross 是其竞争对手而拒绝。原材料的目的和 AI 产品的目的之间的对齐也支持了潜在损害的主张。

“许可市场”论点被驳回

两家法院都明确拒绝了这样一个论点：人工智能开发者通过训练数据的许可市场造成损害。奇哈伯里亚法官解释说，将丧失的许可费视为损害将使公平使用分析变得循环，并自动偏向于版权持有者。奥尔萨普法官发现，用于人工智能训练的书籍许可市场“不是版权法赋予作者利用的市场”。

法院拒绝将自愿的许可安排视为建立法律上对费用的权利，至少在使用足够变革性的情况下是如此。这些判决表明，新兴的许可市场并不自动赋予版权持有者禁止其作品的公平使用的权利。

战略影响

对于版权持有者来说，最强的案件将是那些市场替代明显可识别的案件。他们可能会战略性地关注那些输出最接近其原创作品的 AI 系统，而不是对训练本身发起广泛的挑战。

如果 TRAIN 法案成为法律，版权持有者将获得发现工具来调查其作品如何被使用。然而，获得信息只是第一步。证明市场损害将仍然是任何侵权诉讼的成功的核心。

对于人工智能开发者，最近的判决提供了一个降低风险的框架。首先，确保数据来源合法。 Bartz 和 Kadrey 都区分了使用作品进行训练（可能是公平使用）和通过盗版获得作品。奥尔萨普法官发现，Anthropic 从盗版网站下载是“固有且不可救赎的侵权”，即使随后的训练可能是公平使用。

其次，设计产品以满足与训练数据来源不同的目的。帮助用户撰写文档的 AI 系统服务于与其训练数据中的小说或文章不同的目的。一个简单地检索或复制这些作品的系统则不然。

第三，实施防止大量逐字复制的保障措施。 Kadrey 法院注意到，Meta 的系统即使在对抗性测试下也只复制了最少的内容，这支持了公平使用的论点。允许系统大量复制受版权保护作品的开发者可能面临更大的法律风险。

结论

TRAIN 法案可能很快会给版权持有者提供工具来发现他们的作品是否被用于人工智能训练。然而，最近的判决清楚地表明，这样的发现只是开始。新兴的美国框架集中在市场损害上，要求证明可识别的经济损害，而不是仅仅使用训练。

人工智能开发者应该关注三件事：合法获取数据，设计产品以满足与训练材料不同的目的，并防止系统逐字复制大量内容。另一方面，版权持有者只有在能够证明人工智能产品实际上取代了他们在市场中的作品时，才会有最强的案件。