AI訓練數據爭奪戰：你的創作值多少錢？

超過50起版權訴訟案件即將在2026年進入關鍵階段，AI公司與創作者之間的數據使用權大戰將重新定義智慧財產權邊界。迪士尼、環球影業控告AI圖像生成器「無底洞式抄襲」。

40兆個文字符號——這是 Meta 最新AI模型的訓練數據量，相當於普通人需要數千萬年才能閱讀完畢。但這些數據從何而來？誰該為此付費？

這個問題正將整個AI產業推向一場前所未有的法律風暴。

從開放到封閉：透明度的消失

2020年，OpenAI 還是一本「開放的書」。當時推出GPT-3時，公司詳細公布了聊天機器人的建構報告，包括完整的「閱讀清單」，顯示訓練材料的來源構成。研究人員可以清楚看到，約3%的訓練數據來自維基百科。

如今，這些細節都被視為商業機密。AI公司聲稱，透露太多技術運作方式會讓競爭對手獲得優勢，因此大部分資訊都不對外公開——即使這些系統已經整合到學校、醫院和職場中。

這種透明度的喪失已成為重大關切來源，也是數十起法律戰的基礎。

「你無法否認，AI的存在完全仰賴我過去創作的歌曲，」瑞典創作歌手、ABBA 成員比約恩·烏爾維斯去年對彭博社表示：「我應該為此獲得報酬。如果你用我幫你創造的東西賺錢，我就該分一杯羹。」

這不只是個別藝術家的聲音。根據國際智慧財產權聯盟數據，建立在版權作品基礎上的產業——包括音樂、電影、出版和軟體——在2023年約占美國國內生產總值的8%，支撐近1200萬個工作機會。

超過50起版權訴訟已在美國提起，其中幾個最大案件預計將在2026年取得進展。

音樂出版商控告 Anthropic 使用歌詞訓練其Claude模型；視覺藝術家質疑 Google 如何建構其圖像生成工具；其他案件則鎖定 Stability AI 和AI音樂生成器背後的公司。

2025年的一起訴訟中，華特迪士尼 和 環球影業 指控AI圖像生成器 Midjourney 是「無底洞式的抄襲」，聲稱其在未經許可下複製和重現知名角色。

「盜版就是盜版，AI公司的行為並不會讓侵權變得較不嚴重，」迪士尼首席法務長霍拉西奧·古鐵雷斯在聲明中表示。

涉案的AI公司普遍駁斥這些指控，主張在大量既有材料上訓練模型對於建構能理解語言、圖像或聲音的系統來說是必要的，且這並不等同於傳統意義上的「複製」行為。

這種觀點在美國法院獲得一些支持。在作家控告 Anthropic 的一起備受關注案件中，美國地方法院法官威廉·阿爾蘇普將AI訓練描述為「本質上具有轉化性」，寫道版權法「旨在促進原創作品，而非保護作者免於競爭」。他將這個過程比作「訓練學童寫作」，認為從既有作品學習並不必然構成侵權。

但其他法官更為謹慎。在涉及 Meta 的另一項裁決中，美國地方法院法官文斯·查布里亞表示，在「許多情況下」訓練會無法通過合理使用測試，特別是當技術可能「淹沒市場」，以削弱人類創作者激勵的方式產生新內容時——這是版權法的核心原則之一。

一些公司選擇不等待法律答案。迪士尼去年底同意向 OpenAI 投資10億美元，並允許該公司在其Sora影片生成器中使用迪士尼角色。華納音樂 已與AI音樂新創公司達成和解，並宣布計劃與它們共同建構授權工具。環球音樂 在1月表示將與 Nvidia 合作進行AI相關音樂項目。

這對擁有談判籌碼的大型娛樂公司來說較為容易。較小的權利持有者和獨立創作者則沒有這種優勢。更重要的是，如果法院裁定這些協議並非必要，達成此類交易的誘因可能會消失。

川普政府似乎不太可能提供協助。去年宣布的白宮AI行動計劃並未包含保護藝術家或創作者權利的要點，這些創作者的作品被用來訓練聊天機器人。

「當你讀過或學習過的每一篇文章、每一本書或其他任何東西都要付費時，你不能指望擁有成功的AI程序，」川普在計劃發布時說道：「天啊，我讀了一本書，我就應該付錢給某人。」

版權法並非唯一關切。2023年，史丹佛網路觀測站在用於訓練熱門AI圖像生成器的公共數據集中發現超過1000張兒童性虐待圖像。研究人員表示，該數據集在發現攻擊性材料之前已被廣泛分享並整合到多個系統中。

其他研究也對AI系統過度依賴英語內容和西方文化產出提出警告，這可能影響這些工具如何詮釋世界以及優先考慮誰的觀點。

對於華語地區的觀察者來說，這場爭議特別值得關注。中國大陸的AI公司如百度、阿里巴巴 面臨類似挑戰，但在不同的法律框架下運作。台灣和香港的創作者也開始關注其作品可能如何被用於訓練AI模型，特別是在跨境數據流動日益複雜的情況下。

歐洲已經開始要求公司公布訓練數據摘要。美國尚無類似規定，留下法院和授權協議來填補空白。