AI大模型训练：公开数据等于免费午餐？厘清授权边界与合规路径

蓝典信安 · AI合规服务中心，专注于为企业提供一站式AI合规咨询及治理服务，提供涵盖算法备案、数据安全与伦理审查等全面的合规咨询、评估与审计服务，量身定制内部治理体系与合规流程，致力于将复杂法规转化为清晰指南，助您高效规避AI合规风险，确保您的AI创新业务在合规上行稳致远。合作邮箱：AI@LD-SEC.com

在AI大模型训练的巨大数据需求下，“公开数据”常被误解为可随意取用的“免费资源”。然而，从法律视角审视，数据的“公开可获取”与“可免费商用”之间存在巨大鸿沟。本文将深入剖析公开数据的授权迷思，并提供一套清晰可行的“受保护数据”区分标准与合规操作指南。

一、 公开数据的授权迷思：法律上的“公开”不等于“授权”

必须破除的一个关键误区是：数据的公开状态并不自动等同于授权或许可。 法律保护的是数据背后的权利，而非其获取难度。

1. 无需授权的公开数据：真正的“公共领域”资源

仅有以下两类公开数据可被视为无需授权：

• 权利已过期或不存在：例如，超过著作权保护期（如我国《著作权法》规定的作者终生加50年）的经典文学作品、古籍、历史档案等，已进入公共领域。

• 权利主体明确放弃：如作者主动采用“CC0”（知识共享零）许可，明确声明放弃一切权利，将作品投入公共领域。

2. 需授权的公开数据：绝大多数“公开可获取”内容的真相

网络上绝大多数“公开”内容，其权利并未让渡，包括：

• 原创版权内容：在社交媒体、博客、新闻网站、专业论坛上发布的原创文章、图片、视频、代码等，即使可免费浏览，其著作权依然受法律保护。

• 用户公开的个人信息：用户在公开社交平台发布的个人动态、照片、评论等，虽处于公开状态，但仍受《个人信息保护法》等隐私法规保护，其收集与用于训练需满足合法性基础。

二、 核心区分标准：如何精准界定“受保护数据”？

为避免侵权风险，企业需建立一套基于权利状态审查的内部评估机制，核心是审视以下三个边界：

1. 权利主体边界：谁拥有权利？

• 权利主体明确：能够清晰追溯到作者、平台或用户的数据，必须获得相应授权。

• 权利主体不明：对于匿名或无法确定权利人的作品，仍需保持高度谨慎。根据我国《著作权法》，此类作品仍受保护，由原件所有人行使除署名权外的著作权，直至作者身份明确。

2. 权利时间边界：权利是否在保护期内？

这是判断作品是否进入“公共领域”的关键。需建立数据库，对数据的创作时间进行初步判断，重点关注经典作品与现代作品的分野。现代作品（近几十年内创作）绝大多数仍处于保护期内。

3. 权利限制边界：权利人是否设置了使用条件？

越来越多的权利人在发布内容时通过声明、许可协议或技术措施明确使用限制。例如：

• Robots协议：网站通过robots.txt文件告知爬虫哪些内容不允许抓取。

• 明确声明：如注明“未经许可，禁止用于AI训练”或“禁止任何形式的商业使用”。

• 开源许可证：使用开源代码时，需遵守对应的许可证（如GPL、Apache等）条款，其中可能包含使用限制。

无视这些明示的限制，将构成侵权，并可能承担惩罚性赔偿责任。

三、 “合理使用”的有限空间与严格条件

在某些法域（如中国、美国），著作权法中的“合理使用”或“适当引用”条款为AI训练提供了一丝可能性，但其适用空间极为狭窄且充满不确定性。

• 中国的“合理使用”：《著作权法》第24条规定的“为学校课堂教学或科学研究，少量复制已发表的作品”等情形，很难覆盖商业性、大规模的大模型训练活动。

• 欧盟的“文本与数据挖掘例外”：欧盟《数字单一市场版权指令》引入了明确的TDM例外，但允许权利人以预留方式声明退出。这意味着，即使符合例外情况，如果网站明确声明禁止TDM，则抓取仍属侵权。

合规建议是：切勿将公司的商业模式建立在存在巨大法律不确定性的“合理使用”之上。

四、 企业合规路径：从被动规避到主动管理

面对复杂的公开数据，企业应建立系统化的数据治理体系：

1. 建立数据来源分级分类制度：将数据按风险等级划分，对高风险数据重点审查。

2. 推行“授权优先”原则：在数据收集规划阶段，优先考虑可获得明确授权的数据源。

3. 部署权利审查工具：利用技术手段辅助识别版权声明、许可协议和Robots协议。

4. 完善数据溯源记录：保留所有数据的来源、授权文件和审查记录，以备监管核查。

结语

在AI数据治理趋严的全球背景下，对“公开数据”的粗放式利用已走到尽头。企业必须摒弃侥幸心理，以权利审查为核心，构建精细化的数据合规体系。唯有从数据的源头确保清白，才能支撑大模型在全球市场的稳健航行，避免高昂的法律诉讼与声誉损失。