原文标题：Rewriting Copyright Law for Generative AI Would Hurt Everyone
作者：Corynne McSherry、Tori Noble（Electronic Frontier Foundation）
发布时间：2026 年 10 月 30 日 16:42 PDT（北京时间 2026 年 10 月 31 日 07:42）
原文链接：https://www.eff.org/deeplinks/2026/10/rewriting-copyright-law-generative-ai-would-hurt-everyone
HN 讨论：https://news.ycombinator.com/item?id=50312342
（说明：本文是个人精读笔记，不是全文翻译。文中的英文引用仅为评论所需，版权归原作者与 EFF 所有。）
为什么读这篇
生成式 AI 的版权案，常被讲成"创作者 vs 大科技"的故事。一边是作品被拿去训练的作者，一边是掌握模型和算力的公司。这个叙事很有道德张力，但它漏掉了一个群体：既不是版权持有人，也不是 AI 公司的普通公众。
EFF 在 In re OpenAI 案中提交的法庭意见，试图把这些人拉回法庭：研究者、记者、残障用户、隐私工具开发者，以及每天在网上打开邮件、点链接、分享图片的人。
它的核心主张可以概括成一句：用扩大版权控制来回应 AI，不会让创作者过得更好，只会让少数巨头更有权力。
核心观点
第一，合理使用不是 AI 公司的专属福利，而是公共基础设施。EFF 认为，如果法院接受"未经许可复制就不能算合理使用"，受影响的不只是模型训练。记者和独立研究者用爬取方式调查平台垄断、研究仇恨内容，手法与 AI 公司几乎一样，但他们没有巨头那样的律师团队。
第二，日常网络行为也依赖"中间复制"。打开邮件、点击链接、浏览网页、分享图片、播放视频，都会在设备和服务端产生临时副本。EFF 的法庭意见警告，如果要求每一次复制都证明来源合法，普通上网都会被拖进版权审查。
第三，强制许可会变成巨头的准入门槛。EFF 引用 Lawrence Lessig 的判断：如果所有训练都必须获得许可，最后只有少数科技巨头付得起训练成本。许可制度表面上是在保护创作者，实际可能把中小开发者、学术研究者和公共模型排除在外。
第四，给创作者更多权利，不等于创作者拿到更多钱。EFF 引用 Cory Doctorow 的比喻：这就像给被霸凌的孩子更多午餐钱，最后钱还是会被抢走。唱片公司、出版商等中间环节已经握有大量版权，再增加一层数据许可，收益未必能落到具体创作者手里。
第五，版权保护的是"新创作"，不是"先发布的人"。EFF 认为，如果只要可能形成竞争就禁止使用前人的作品，文学里的致敬、学术里的文献综述、技术上的站在巨人肩上，都会被重新定义为侵权。
三句原文，以及我的理解
第一句：
"Copyright exists for one reason: to stimulate creativity and innovation in service of the greater public good."
直译：版权存在的唯一理由，是服务于更大的公共利益，激励创造与创新。
我的理解：这句话把版权从"作者的天然财产"拉回到"制度工具"。如果制度工具开始阻碍创新，它就需要被重新校准。但也要注意，"公共利益"不是一个自动成立的答案，谁来定义公共利益、谁来承担成本，仍然需要具体讨论。
第二句：
"If all training requires a license, then none but a handful of tech giants will be able to afford the costs of training."
直译：如果所有训练都需要许可，那么除了少数科技巨头，没人付得起训练成本。
我的理解：这是全文最有现实感的一句。版权许可不是免费的，谈判、审计、诉讼都是成本。大公司可以把成本摊薄，小团队和公共研究机构不能。规则设计如果只看"是否公平"，不看"谁能实际遵守"，最后会变成市场集中度的加速器。
第三句：
"Under the plaintiffs' theory, no one could stand upon the shoulders of giants."
直译：在原告的理论下，没有人还能站在巨人的肩膀上。
我的理解：这句话有点修辞化，但方向是对的。任何创作都建立在前人的表达和知识之上。问题不是能不能使用前人的作品，而是使用到什么程度、是否形成实质性替代、收益怎么分配。把这三个问题混成一个"授权或禁止"的二选一，讨论就会失焦。
我同意什么，保留什么
我同意 EFF 的大方向：不能把版权当成解决 AI 分配问题的万能钥匙。训练数据的使用、模型输出的替代性、创作者的收入，是三件不同的事，不能用同一套版权规则一刀切。
但我也有三点保留。
第一，EFF 的论证偏向"制度成本"，对"具体伤害"讨论得不够。一个插画师发现自己的画风被批量复制，一个配音演员发现声音被克隆，这些不是抽象的公共政策问题，而是具体的生计问题。合理使用可以保护训练，但不能自动解决输出端的替代和混淆。
第二，"强制许可必然导致巨头垄断"是一个强判断，但现实中的许可可以分层：集体管理、有限范围的科研豁免、按规模分级、收入分成，都比"每份作品逐一授权"更可行。EFF 把许可等同于最坏形式的许可，论证上更锋利，但也更单向。
第三，合理使用是美国法里的概念，不能直接套到所有国家。中国、欧盟对文本与数据挖掘、科研使用、合理使用的边界并不相同。讨论全球 AI 版权时，需要区分法域，而不是把美国判例当成普遍答案。
对开发者意味着什么
如果你在做 AI 产品，这篇文最实际的提醒不是"放心用"，而是"别把合理使用当免死金牌"。
至少做三件事：
保留数据来源和许可证记录。不是为了应付检查，而是为了在客户问起时能回答。
建立退出和删除机制。内容方明确拒绝训练时，系统要能响应，而不是等律师函。
对输出做相似性检查。尤其是图像、声音、代码这类可以直接替代原作的品类，训练合规不等于输出合规。
还有一点：企业客户会越来越在意训练数据的来源。过去"公开网页就能随便抓"的默认做法，正在变成合规负债。早一点把数据台账建起来，比事后补锅便宜得多。
结尾
这篇文最有价值的地方，不是给出一个"AI 应该免费学习"的结论，而是提醒我们：版权制度的目标是让更多人有能力创作，而不是让少数人拥有否决权。
但反过来也成立：如果 AI 的收益只流向少数平台，创作者拿不到合理回报，那么"合理使用"也会失去公共正当性。
真正需要设计的，不是"允许还是禁止"，而是三件事：训练数据是否透明，收益是否分配，替代性输出是否被约束。版权只是工具箱里的一件工具，不该是唯一的锤子。
（版权说明：原文版权归 EFF 及作者所有。本文为个人阅读笔记与评论，非全文翻译，引用不超过评论所需的必要长度。原文链接见文首，建议阅读全文。）
评论