一句话结论
维基媒体基金会提交法庭之友意见书，主张区分大模型训练与聊天机器人输出的版权责任，避免“一刀切”裁决损害开放互联网。
关键要点
- 维基媒体基金会（Wikimedia Foundation）于上周五提交法庭之友（amicus brief）意见书，介入纽约时报等出版商起诉 OpenAI 与 Microsoft 的一组具有里程碑意义的 AI 版权诉讼。
- 该基金会明确表示不偏向任何一方当事人，反对过于宽泛或非黑即白的法律裁决。
- 基金会主张法院应法律保护大语言模型（LLM）在受版权保护作品上的训练过程，但不应保护聊天机器人向用户复述（regurgitating）这些受版权保护内容的行为。
- 基金会警告称，若法院做出极端裁决，要么剥夺维基百科编辑者使用有益 AI 工具的机会，要么危及开放互联网（open web）的基础。
- 维基媒体基金会是一家非营利组织，是维基百科的运营主体，其立场在 AI 版权争议中采取“中间路线”。
背景与事实
在生成式人工智能技术迅速发展的背景下，围绕训练数据使用的版权法律纠纷已成为行业焦点。近期，包括《纽约时报》在内的多家出版商将 OpenAI 和 Microsoft 诉至法庭，指控其未经授权使用受版权保护的内容训练人工智能模型。这一系列诉讼具有里程碑意义，其判决结果不仅关乎几家科技巨头与媒体机构的利益，更将确立未来人工智能产业在数据使用上的法律边界。在此关键节点，维基媒体基金会作为非营利机构，于上周五向法庭提交了法庭之友意见书。尽管该基金会本身是开源与开放知识分享的倡导者，其核心资产维基百科的内容长期处于公共领域或自由许可之下，但它在本案中并未单纯代表“开源”或“合理使用”的一方，而是采取了一种精细化的技术法律立场。
维基媒体基金会在意见书中详细阐述了其技术观点：法律应当区分人工智能系统的两个关键阶段。第一阶段是模型训练阶段，即大语言模型通过处理海量文本数据以学习语言模式的过程。基金会主张，这一阶段应当受到法律上的保护或宽容，因为它是构建通用人工智能工具的基础，且训练过程本身并未直接复制向用户展示版权作品。第二阶段是模型输出阶段，即聊天机器人直接回复用户，并将受版权保护的内容以近似原文的形式“复述”出来。基金会认为，若输出内容与源材料实质性相似，则应当承担责任。这种区分旨在避免法律裁决陷入“全有或全无”的极端境地。
基金会特别指出了“一刀切”裁决的两类风险。如果法院完全禁止在受版权保护作品上训练大模型，那么开发基于 AI 的维基百科辅助工具、文本分析工具将变得非法，这将剥夺维基百科编辑者利用人工智能技术提升效率和质量的手段。反之，如果法院允许聊天机器人随意复述版权内容而无需授权，这将导致受版权保护的作品被广泛非法传播，最终可能摧毁出版业的商业模式，进而威胁依赖开放网络内容的互联网生态系统的可持续性。维基媒体基金会强调，开放互联网的健康发展依赖于创作者激励与知识共享之间的平衡，而当前 AI 技术的发展正在挑战这一传统平衡。
影响分析
对于中文开发者与从业者而言，这一法律立场的厘清具有重要的参考意义。目前，国内的大语言模型研发同样面临训练数据版权合规的压力。维基媒体基金会提出的“训练与输出分离”的责任划分逻辑，为技术研发人员提供了清晰的风控边界：在预训练阶段，可以合理假设大规模的数据摄入属于技术性处理而非直接复制侵权；但在应用层，必须对模型输出内容进行严格的版权过滤与去重。这意味着，国内 AI 产品在推出聊天机器人功能时，不能仅以“模型已学习”为借口忽略输出端的版权责任。此外，这一观点也提示从业者，法律风险并非只存在于最终用户界面，而是贯穿整个技术栈。对于从事 AI 工具开发的企业来说，理解这种“中间路线”有助于构建更具韧性的合规体系，避免因法律解释的模糊性而在核心功能上遭遇“一刀切”的禁令，从而保障基于 AI 的知识管理、内容生成辅助工具等创新应用空间的合法性。
适用边界
该结论主要适用于涉及大语言模型训练过程与聊天机器人实时生成内容的法律争议场景，尤其是当被告使用公开获取的受版权保护数据进行训练，且其输出直接复述源材料时。该分析不适用于模型训练数据完全来自公共领域、政府数据或已明确授权许可的非版权内容场景。此外，若法律管辖地区采取完全不同的“实质性相似”判定标准，或不承认“公平使用”（Fair Use）在算法训练中的特定例外，则该基金会提出的区分标准可能不具备直接的可移植性，需结合当地具体判例进行重新评估。
孤本观察
编辑观察到，维基媒体基金会此次立场的微妙之处在于，它既非绝对的版权保护主义者，也非无限制的开源激进派，而是试图在技术演进速度超越法律定义时，通过细分技术环节来寻找共存空间。这种将“黑箱”训练过程与“白箱”输出结果进行法律解耦的思路，可能成为未来全球 AI 版权立法的一个隐性模板。
来源：The Verge AI