紐約時報等400家媒體起訴微軟：誰是AI侵權的「共犯」？

AI版權戰，正在從「誰訓練了模型」，追問到「誰幫助模型完成了訓練」。

如果説OpenAI是站在臺前的模型開發者，那麼微軟這一次被推到聚光燈下，問的是另一個更深的問題，當一家企業提供超級算力、定製系統、商業入口和產品分發能力時，它還能不能只說自己是「中立的基礎設施提供者」？

2026年6月25日，《紐約時報》在針對OpenAI和微軟的版權訴訟中申請提交第三次修訂訴狀。新的訴狀將矛頭進一步指向微軟，指控其並非只是被動受益於OpenAI使用版權內容訓練AI模型，而是通過構建定製化超級計算系統，主動誘導、幫助並促成了大規模版權侵權。

按照相關報道，這套超級計算系統包含超過285,000個CPU核心和10,000個GPU。《紐約時報》試圖藉此説明，微軟不是普通雲服務商，而是在OpenAI大模型訓練能力形成過程中，提供了關鍵基礎設施和技術條件。

幾乎與此同時，代表近400家美國地方報紙的出版方也對微軟和OpenAI提起訴訟，指控二者未經許可抓取、複製大量新聞文章，用於訓練ChatGPT、Copilot等AI產品。原告還主張，OpenAI使用「Dragnet」「Newspaper」等文本提取工具時，故意剝離文章中的作者署名、版權聲明和使用條款，可能違反美國《數字千年版權法》（以下簡稱DMCA）有關版權管理信息保護的規定。

這兩組案件釋放出一個非常清晰的信號，AI版權訴訟已經不再只盯着模型公司，而是開始沿着技術鏈條、商業鏈條和責任鏈條向外擴散。

一、這次被追問是「誰促成了侵權」

過去討論AI訓練版權爭議，核心問題通常集中在OpenAI這類模型開發者身上。訓練數據是否包含受版權保護作品？訓練行為是否構成複製？模型輸出是否替代原作品？能否適用合理使用？

但《紐約時報》此次修改訴狀的重點，是把微軟放進一個更主動的位置。

原告試圖證明，微軟並不是一個遠離訓練過程的投資方，也不是單純出售算力的雲服務提供者，而是通過深度定製的超級計算系統，為OpenAI的大規模訓練提供了關鍵條件。

這就把案件焦點從「直接侵權」進一步推向「幫助侵權」「誘導侵權」或者「共同侵權」的邊界。

換句話説，法院未來可能需要回答的問題是，如果一個主體沒有直接抓取文章，沒有直接訓練模型，但它明知或應知相關訓練依賴大規模版權內容，仍然提供專門設計的算力、系統和商業支持，它是否可能成為AI侵權責任鏈條的一部分？

標題中「共犯」的真正含義可以理解為，AI侵權不能永遠只追到模型開發者為止。

二、微軟的麻煩在於綁定了OpenAI的產業鏈

微軟和OpenAI的關係，並不是普通供應商和客户關係。

微軟既是OpenAI的重要投資方，也是其雲計算和算力基礎設施提供方；同時，微軟還把OpenAI模型能力整合進Copilot、Bing、Office、Azure等產品和服務之中。

這使微軟很難把自己描述成一個完全中立、完全外部、完全不知道下游用途的基礎設施提供者。

如果只是通用雲服務，責任邊界相對清楚。雲廠商提供服務器，客户自己上傳數據、訓練模型、部署應用，雲廠商通常不會因為客户使用雲資源實施侵權而當然承擔責任。

但如果基礎設施是為特定模型訓練高度定製的，如果服務方深度參與訓練架構設計，如果它知道訓練行為需要海量文本內容，如果它又從下游AI產品中持續獲得商業利益，那麼「中立工具」的抗辯就會變得困難。

這正是《紐約時報》訴狀的攻擊方向。

它不是簡單説微軟「有錢」「有技術」「有合作」，而是試圖證明微軟在OpenAI訓練能力形成過程中具有實質性貢獻。

三、新聞業已經進入集團化反擊

如果説《紐約時報》的訴訟代表頭部媒體的強勢維權，那麼近400家地方報紙的集體訴訟，則代表新聞行業更廣泛的生存焦慮。

地方報紙不是技術巨頭，也不是流量平臺。它們的價值來自長期採編、地方調查、社區報道、事實覈查和公共記錄維護。

這些內容如果被AI系統無償抓取、複製、訓練，再通過ChatGPT、Copilot等產品重新包裝輸出，地方媒體面對的就不僅是版權損失，而是入口損失、流量損失、訂閲損失和廣告損失。

也就是説，AI並不只是「學習」了新聞內容，還可能改變用户獲取新聞的路徑。

過去用户需要訪問報紙網站、閲讀原文、產生點擊、訂閲和廣告收入；現在用户可能直接向AI提問，得到摘要、答案和整理后的信息。內容生產者投入成本，AI產品拿走入口，平臺獲得商業價值，新聞機構卻被擠出分配鏈條。

這正是內容方最不能接受的地方。

AI訓練數據爭議，本質上不是「技術創新與傳統版權」的抽象衝突，而是一個非常具體的利益分配問題。

誰生產內容？誰承擔成本？誰拿走數據？誰獲得估值？誰被市場替代？

四、DMCA指控的殺傷力，在於它指向「撕掉版權標籤」

這批地方報紙訴訟中，DMCA相關主張值得特別關注。原告並不只是説自己的文章被複制，還主張OpenAI在使用文本提取工具處理內容時，移除了文章中的作者署名、版權聲明和使用條款等版權管理信息。

這個指控如果成立，意義會超過普通版權侵權。

因為普通侵權關注的是「你有沒有拿走作品」；DMCA版權管理信息規則關注的則是「你是不是在拿走作品之前，先把權利標籤撕掉」。

在AI訓練場景中，這一點尤其敏感。

大規模數據處理通常要經過抓取、清洗、去重、切片、標註、向量化等環節。很多工程系統會把作者、來源、版權聲明、網站條款、許可限制視為「噪聲」，在清洗過程中一併刪除。

但從版權合規角度看，這些信息恰恰不是噪聲，而是權利邊界。AI訓練不是把數據洗得越乾淨越好。有些「髒信息」，恰恰是權利人的保護邊界。

五、合理使用仍是主戰場，但它不再是一張萬能牌

微軟和OpenAI很可能繼續主張合理使用。

這也是美國AI版權訴訟中最核心的抗辯之一：大模型訓練不是爲了複製原文，而是爲了學習語言規律和知識關聯；訓練具有轉換性；如果禁止使用公開互聯網內容訓練AI，將阻礙技術創新。

這個抗辯仍有空間。

但內容方也在強化反擊邏輯：新聞作品具有高投入、高時效和高市場價值；AI產品可能生成摘要、替代閲讀、截流訪問；如果訓練數據包含付費牆內容、訪問限制內容，甚至存在版權管理信息被剝離的情況，那麼「合理使用」的正當性就會被削弱。

AI版權案正在從價值爭論，變成證據工程。

知產力判斷

這組案件對中國企業的提醒非常直接。

今天很多企業不會自己從零訓練大模型，而是與模型公司、雲廠商、數據供應商、行業客户共同開發垂直AI應用。越是合作鏈條複雜，越容易出現責任錯位。

技術團隊關心模型效果，業務團隊關心上線速度，法務團隊如果只在合同末端補一條「對方保證數據合法」，遠遠不夠。

企業至少要提前壓實五件事。

第一，數據來源要可解釋。

第二，授權範圍要寫清楚。

第三，版權信息要保留。

第四，技術過程要留痕。

第五，合作責任要切開。

AI合規不是產品上線前的包裝動作，而是數據進入系統前的基礎工程。

未來的AI競爭，不只比模型參數，也比數據來源；不只比算力規模，也比權利鏈條；不只比產品速度，也比合規底座。

AI可以訓練世界，但不能把別人的內容當成無主燃料。誰把內容當燃料，誰就要準備回答，這把火，是誰點的？

本文來自微信公眾號「知產力」（ID：zhichanli），作者：Shawn/MCP，36氪經授權發佈。