Meta 宣布可能推迟实施引发出版商争议的新商务条款

一句话结论

Meta 因面临出版商强烈反对而可能将新商务条款的实施时间推迟至 11 月 20 日之后，以避免在未充分咨询行业的情况下单方面更改政策。

关键要点

• Meta 通讯负责人 Andy Stone 在 X 平台上表示，公司不计划在未与行业协会和领导者进行充分磋商的情况下做出政策变更。
• 新商务条款原定于 10 月 30 日生效，最初版本疑似授予 Meta 使用 Facebook 和 Instagram 新闻站点内容训练其 AI 模型的权限。
• Meta 随后修改政策，删除了暗示其可以利用从这些网站抓取的内容来“训练”其产品的相关语言表述。
• 出版商对 Meta 将网站内容用于人工智能训练的潜在行为表达了深切关切，这是导致条款实施再次推迟的主要阻力来源。

背景与事实

Meta 近期对其合作伙伴的商务条款进行了重大调整，这一举动在新闻出版行业引发了剧烈反响。根据 The Verge 的报道，这些新的商务条款最初被设定为在 10 月 30 日生效。条款的初始版本中存在争议性的条款，似乎明确赋予了 Meta 一家大型科技公司在技术上的权利，允许其利用依赖 Facebook 和 Instagram 进行分发的新闻网站的内容来训练其生成式人工智能模型。这种单方面获取竞争对手或合作伙伴核心数据资产的做法，立即引起了出版商群体的警觉与抗议。

面对巨大的行业压力，Meta 在政策执行层面展现出了妥协的姿态。该公司随后调整了政策细节，特意删除了那些可能被解读为授权其利用抓取内容训练 AI 产品的关键语言表述。尽管修改后的条款在表面上减少了关于 AI 训练的明示授权，但其实施时间原定于 11 月 20 日。然而，鉴于来自出版商持续不断的反对声浪以及对数据权益的担忧尚未彻底消解，Meta 通讯负责人 Andy Stone 近日在社交媒体 X 上公开发声，暗示公司极有可能再次推迟这一争议性条款的最终落地时间。

Andy Stone 的声明核心在于强调程序正义。他明确表示，Meta 不打算在未与行业团体及行业领袖进行充分、全面的咨询和磋商之前，就单方面推行任何重大的政策变更。这一表态被视为 Meta 试图缓和与新闻出版界关系、降低法律与公关风险的一种策略性沟通。此前，Meta 曾试图通过快速修改条款文本来规避直接的 AI 训练指控，但行业观察人士认为，只要底层的数据抓取机制与合作关系没有发生实质性改变，单纯的文本删改不足以消除出版商对于自身新闻内容被无偿转化为 AI 训练数据的根本性顾虑。

影响分析

对于中文开发者与从业者而言，Meta 此次在商务条款与 AI 训练数据权益上的反复拉锯，提供了一个极具参考价值的行业案例。首先，它凸显了大型科技平台在构建 AI 模型时，对于外部高质量数据源的依赖及其随之而来的合规风险。中文 AI 开发者在寻找训练数据时，必须更加谨慎地审视数据来源的合法性与授权边界，不能简单默认“可访问”即等于“可训练”。Meta 的行为表明，即便是在拥有强大技术实力的巨头之间，未经充分协商的单边数据抓取政策也会遭遇强烈的行业抵制。

其次，这一事件对国内互联网生态中的内容平台与 AI 公司之间的合作模式提出了警示。在构建大模型语料库时，明确的数据授权链路、透明的使用范围界定以及公平的价值分配机制，将是避免类似争议的关键。开发者在设计产品时，应预留出与内容提供者（如新闻机构、独立创作者）进行“充分咨询”的流程接口，将合规磋商前置。虽然 Meta 目前是通过删除敏感词汇来应对压力，但这种治标不治本的做法可能导致长期的法律不确定性。对于致力于出海或构建国际化 AI 产品的中文团队来说，理解这种“行业共识优先于单方合同”的西方商业伦理，有助于更顺畅地获得海外优质版权内容的授权，避免陷入类似的公关危机。

适用边界

上述分析主要基于 Meta 与西方新闻出版行业之间的互动，其结论在适用于其他司法管辖区或特定封闭生态时可能存在局限。例如，在中国，法律法规对于爬取数据、个人数据保护以及反不正当竞争有更细致的具体规定（如《数据安全法》、《个人信息保护法》及《反不正当竞争法》中的具体条款），不能简单套用 Meta 案例中的商业谈判逻辑。此外，如果出版商完全拒绝任何形式的数据共享，或者 AI 模型完全依赖内部闭环数据训练，则“需充分咨询行业团体”这一 Meta 策略将失去其现实基础，因为外部压力源不存在。因此，该结论仅适用于那些依赖外部公开数据源进行 AI 训练，且处于重视行业协同规范的市场环境中的场景。

孤本观察

Meta 从直接授予 AI 训练权到删改文本、再到宣布推迟实施，这一系列动作反映出科技巨头在 AI 数据获取上的进退失据，即试图通过微调合同文本来掩盖底层数据抓取行为本质不变的事实。编辑判断认为，这种“文字游戏”式的妥协难以从根本上解决出版商对数据所有权的焦虑，未来行业竞争焦点将从“能否抓取”转向“如何公平分配 AI 衍生收益”。

来源：The Verge AI