2026年6月24日，美國紐約南區聯邦地方法院收到一宗重量級訴訟：代表近400間地方及區域報章嘅出版商聯盟，向OpenAI同微軟提出大規模版權侵權訴訟。原告指控兩間公司未經許可或補償，系統性擷取並複製其原創新聞內容，用作訓練ChatGPT同Microsoft Copilot等商業AI產品。此案標誌住地方新聞界對生成式AI「數據饑渴」問題嘅集中反擊，亦再次將LLM（大型語言模型）訓練嘅版權合規問題推上公眾視野。
該訴訟由Platkin LLP律師事務所代理，該所由前新澤西州檢察長Matthew J. Platkin創立。原告包括多家服務中小城市、郊區同農村地區嘅報章出版商，佢哋認為OpenAI同微軟嘅行為唔單止侵犯版權，仲嚴重威脅地方新聞嘅生存同美國新聞生態嘅多樣性。
訴訟核心指控：系統性擷取同未經授權使用
根據起訴書，原告詳細指控OpenAI同微軟「系統且秘密地」爬取數百家新聞網站嘅內容，包括收費牆後面嘅文章。具體行為包括：
- 大規模數據擷取：未經授權收集數以百萬計嘅原創報導，用於LLM嘅預訓練同持續優化。
- 移除版權資料：故意剝離作者署名、版權聲明等元數據，違反《數位千年著作權法》（DMCA）。
- 商業化利用：將擷取到嘅內容直接用於ChatGPT、Copilot等產品嘅輸出生成，並從中獲利，但冇向內容創作者支付任何補償。
原告強調，呢啲地方報章嘅報道涵蓋校董會、警署、社區事件等「接地氣」嘅本地新聞，係美國新聞體系嘅重要基石。OpenAI同微軟嘅行為被形容為「對原創內容嘅系統性挪用」，直接損害出版商嘅訂閱收入同廣告價值。
OpenAI早前曾表示，其模型訓練依賴公開可得嘅互聯網數據，並致力於與出版商合作。但今次訴訟顯示，地方媒體對「公平使用」界線嘅判斷同科技巨頭存在明顯分歧。
深層原因：LLM訓練嘅「數據饑渴」困境
1. 模型訓練本質需求 大型語言模型嘅表現高度依賴高質量、多元化嘅訓練數據。新聞文章因其結構化、專業性同時效性，成為理想嘅語料來源。OpenAI CEO Sam Altman早前喺公開場合承認，如果唔使用受版權保護嘅材料，頂尖AI模型將「無法訓練」到現時嘅水平。
2. 地方新聞嘅脆弱性 與《紐約時報》等全國性媒體唔同，地方報章普遍規模較細、數位化轉型滯後，收入高度依賴本地廣告同訂閱。AI擷取行為進一步侵蝕佢哋嘅數位流量同收費牆價值，加劇咗行業長期面對嘅生存危機。
3. 版權法律嘅灰色地帶 現時美國版權法對「公平使用」嘅界定存在爭議。科技公司通常主張訓練數據使用屬於轉化性使用（transformative use），而出版商則強調大規模商業化利用已超出合理範圍。早前《紐約時報》等全國性媒體已發起類似訴訟，但今次近400間嘅集體行動規模空前，政治同社會影響力更大。
潛在影響：行業生態同AI發展嘅雙重考驗
對新聞出版業嘅影響：
- 經濟打擊：如訴訟勝訴，出版商可能獲得巨額賠償，並迫使AI公司重新談判授權協議。呢啲有助本地新聞獲得可持續收入來源，紓緩「新聞沙漠」問題。
- 行業團結：今次集體訴訟增強咗中小出版商嘅議價能力，或引發更多內容創作者聯合維權。
對OpenAI同微軟嘅影響：
- 法律與聲譽風險：案件如進入實質審理階段，可能揭露訓練數據嘅具體來源細節，增加合規成本。類似訴訟已令多間科技公司調整數據策略。
- 商業模式調整：兩間公司可能加速與出版商嘅授權合作，或轉向合成數據、授權數據集等替代方案，但短期內訓練成本會上升。
對整個AI產業嘅影響：
- 數據獲取規範化：預計會推動行業建立更透明嘅版權授權機制，促進「付費訓練數據」生態嘅形成。
- 模型開發放緩：高質量數據成本增加，可能延緩下一代模型迭代速度，尤其影響依賴公開互聯網數據嘅公司。
- 全球競爭格局：喺美國加強版權保護嘅同時，中國等地區嘅AI公司喺數據獲取上可能面對唔同環境，影響全球技術競爭。
對社會嘅影響： 地方新聞係民主監督嘅重要力量，其衰退會削弱社區資訊獲取能力。今次訴訟被視為保護新聞多樣性同公眾知情權嘅積極嘗試。
展望：版權困擾仍係LLM長期挑戰
近400間地方報章嘅集體訴訟，係生成式AI發展過程中版權爭議嘅又一高潮。佢提醒業界：技術進步唔能建立喺無償佔用他人勞動成果嘅基礎上。未來，LLM廠商需喺創新速度同合法合規之間搵到平衡，透過公平授權、補償機制或技術創新（例如合成數據）破解數據瓶頸。
OpenAI同微軟尚未就今次訴訟作出正式回應，但業界普遍預期，類似案件會促使AI行業加速採取版權友好型轉型。對內容創作者而言，呢個或許係爭取合理回報嘅重要窗口期。
▶️ 鍾意呢篇內容？創作真係好辛苦！
歡迎追蹤我哋嘅 YouTube 頻道：
AI Rosetta
你嘅讚好、訂閱同分享，係對我哋最大嘅支持！🙏
更多AI新聞請瀏覽：https://www.airosetta.com