2025 年 5 月 9 日，美国版权局发布《版权与人工智能》系列报告第三部分《生成式 AI 训练》（预出版版）。报告的主题很集中：把受版权保护的作品用于训练生成式模型，究竟在什么情况下构成合理使用。

报告并未给出统一结论，而是把训练数据问题定位为逐案判断：商业性质与对原作市场的影响是核心考量。对企业而言，可操作的落点是保留语料的来源与授权记录，以便在争议中说明使用的性质。

为什么这份报告值得关注

美国版权局不是立法机关，报告也不具有直接约束力，但它为此后大量诉讼提供了分析框架。当法院、监管机构与企业在同一问题上各说各话时，一份来自主管机关的系统性分析会显著影响讨论的起点。

对以海外市场为目标的 AI 企业而言，这直接影响训练数据的采购与留存策略——如果合理使用的边界不确定，就要靠证据链来降低风险。

报告的分析逻辑

报告没有给出「训练一律合法」或「训练一律侵权」的结论，而是把它拆解为几个变量：使用目的与性质、原作品的性质、使用比例，以及对原作潜在市场的影响。

其中最关键的是市场替代判断。若模型输出能在市场上替代原作品，合理使用的空间就会被压缩。这一点与欧洲近期的司法取向形成呼应。参见德国 GEMA 诉 OpenAI 案。

与「输出侧」问题的分工

训练侧与输出侧是两个独立问题。即便训练环节成立，输出内容仍可能因与既有作品实质性相似而侵权。国内已有针对 AI 生成内容著作权的判例。参见上海 AI 提示词著作权案与北京法院 AI 著作权刑事案。

企业可以着手的方向

其一，建立训练数据台账，记录来源、授权状态与许可范围，为合理使用抗辩留存证据。

其二，区分「训练用」与「输出用」的合规判断，不要把两者的结论互相套用。

其三，关注输出的市场替代风险，对可能复现特定作品风格或内容的功能设置过滤。参见AI 知识产权布局指南与AI 作者身份最高法院案。

训练数据的合法性没有一劳永逸的答案，但可以被证明。谁能把数据来源讲清楚，谁就在诉讼与尽调中占据主动。

本文依据美国版权局《版权与人工智能》系列报告第三部分及公开信息编写，仅供参考，不构成法律意见。