深度解析OECD报告：数据抓取训练AI的知识产权挑战与全球治理路径

作者简介：叶绍琛，蓝典信安董事长兼CEO，网络安全专家，人工智能安全研究者，公安部全国网警培训基地专家导师，中国下一代网络安全联盟常务理事，清华大学出版社网络安全教材作者，出版《移动安全攻防进阶》等多本网络安全学科教材。

随着生成式人工智能（如GPT-4、Llama等）的爆发式增长，数据抓取（Data Scraping）已成为构建大规模语言模型的核心技术手段。然而，这一技术背后隐藏着复杂的知识产权（IP）争议。2025年2月，经济合作与发展组织（OECD）发布的专题报告《人工智能基于抓取数据的知识产权问题》指出，当前全球约70%的AI训练数据集缺乏清晰的来源许可信息，且约17万本未经授权的书籍被用于训练Meta的Llama等模型，直接导致多国诉讼频发。

此类争议的核心矛盾在于：AI开发者依赖海量数据提升模型性能，但数据获取过程中频繁触碰版权、隐私和数据库权利的法律边界。本文基于OECD报告框架，结合全球典型案例与法律实践，探讨数据抓取的技术流程、法律挑战及治理路径。

一、数据抓取的技术流程与法律挑战

1. 数据抓取的技术本质

根据OECD定义，数据抓取指“通过自动化工具从第三方网站、数据库或社交媒体平台提取信息的行为”，其流程包括四个阶段：

• 数据收集：通过爬虫工具批量获取文本、图像、音视频等。
• 预处理：清洗、去重、结构化处理。
• 存储：构建训练数据集（如Common Crawl、Books3）。
• 模型训练：利用数据集优化神经网络参数。

以OpenAI的GPT-4为例，其训练数据中超过80%来自公开网络抓取内容，涵盖新闻、书籍、代码等多领域信息。然而，这些数据中可能包含受版权保护的作品，甚至个人隐私信息。

2. 法律挑战的三大维度

（1）输入端：合理使用与版权豁免的冲突

各国对“合理使用”和“文本与数据挖掘（TDM）例外”的解释存在显著差异：

• 欧盟：根据《数字单一市场版权指令》，允许研究机构在合法获取数据的前提下进行TDM，但版权方可通过技术手段（如robots.txt）选择退出（Opt-out）。
• 日本：修订后的《著作权法》明确允许商业用途的TDM，只要符合“非娱乐目的”。
• 美国：依赖司法判例逐案判断，如2023年《纽约时报》诉OpenAI案中，法院需裁定模型训练是否属于“转换性使用”。

（2）输出端：生成内容的权属争议

AI生成内容（如Midjourney绘画、ChatGPT文本）的著作权归属尚无统一标准。美国版权局明确“仅人类创作的作品受保护”，而中国司法实践中则承认“人类主导+AI辅助”模式下的著作权。

（3）跨国合规难题

欧盟《人工智能法案》实施“长臂管辖”，要求境外训练的模型若在欧盟市场输出内容，需遵守当地版权法。这种碎片化法律框架使企业面临高昂合规成本。

二、OECD的政策框架与治理建议

1. 四大核心政策方向

OECD报告提出以下治理路径：

（1）自愿行为准则

• 制定跨国准则，明确数据抓取的技术规范（如区分爬虫与恶意抓取）。
• 要求企业披露数据来源，并尊重技术保护措施（如遵守robots.txt协议）。
• 参考G7《广岛AI行为守则》，鼓励平台使用“数据集卡片”标注许可信息。

（2）标准化技术工具

• 开发支持版权管理的技术方案，如机器可读的“选择退出”标识。
• 探索API授权模式，集成自动付费系统（如Shutterstock与OpenAI的内容授权协议）。

（3）合同范本创新

• 设计标准化合同条款，平衡数据提供者与AI开发者的权益。例如，OpenAI与美联社的合作协议中，明确数据使用范围与分成机制。

（4）公众意识提升

• 通过教育项目帮助创作者理解权利边界，如欧盟推出的“AI版权指南”。
• 推动企业公开伦理审查流程，增强透明度。

2. 技术治理的实践案例

• 英伟达争议：2024年，英伟达被曝抓取YouTube、Netflix内容用于训练模型，尽管其主张“合理使用”，但仍面临版权方集体诉讼。此案凸显技术工具（如数据清洗）无法完全规避法律风险。
• Books3数据集事件：包含17万本盗版书籍的数据集被用于训练多个开源模型，反盗版组织通过DDoS攻击迫使平台下架该数据集，显示技术防御与法律手段需协同作用。

三、全球协作的困境与突破路径

1. 国际协调的三大障碍

• 法律碎片化：各国对TDM例外、合理使用的定义差异导致企业合规成本激增。
• 技术鸿沟：数据抓取能力集中于中美等少数国家，加剧全球不平等（如非洲国家缺乏数据主权议价能力）。
• 利益冲突：创作者诉求（如版税分成）与AI企业降本需求难以调和。

2. 多边治理的可行方案

• WTO框架下的数据流动规则：借鉴《用智慧交易》报告建议，推动跨境数据流动与隐私保护的平衡，避免GDP损失（如全面限制数据流动可能导致全球GDP减少5%）。
• OECD主导的跨国对话机制：建立“AI知识产权工作组”，协调各国立法（如统一TDM例外条款）。
• 公私合作模式：鼓励企业参与标准制定，如微软、谷歌联合发起的“AI数据伦理联盟”。

四、未来展望：技术迭代与法律演进的双向挑战

1. 数据耗尽的危机与替代方案

OECD预测，高质量训练数据可能在2026年前耗尽，迫使企业转向合成数据、语音转录等新型抓取方式。然而，合成数据可能引发“虚假信息污染”风险，需建立真实性认证体系。

2. 新兴侵权形式的界定难题

• 艺术风格模仿：AI生成作品若模仿特定画家风格，是否构成“道德权利”侵害？
• 虚拟形象权：AI生成的“虚拟歌手”使用真人声纹，可能侵犯人格权。

3. 法律制度的适应性改革

• 动态立法：采用“沙盒监管”模式，允许在限定场景内测试AI版权解决方案。
• 算法透明度：强制公开训练数据来源比例（如受版权保护内容占比），便于司法追溯。

五、总结

AI技术的进步不可逆转，但知识产权保护仍是其可持续发展的基石。OECD报告为全球治理提供了重要框架，但其成功依赖于各国政府、企业与社会组织的协同努力。正如报告主笔李·蒂德里奇所言：“没有一刀切的解决方案，但通过技术规范、合同创新与国际对话，我们可以为AI的可持续发展铺平道路”。未来，唯有在创新激励与权利保护之间找到动态平衡，才能实现人工智能的真正普惠。