【经管大课堂·AI经管实践】训练数据的产权账单：《纽约时报》诉讼与内容许可市场的形成

案例背景

2026年11月，《纽约时报》对一家AI公司提起侵权诉讼，指控其在训练大模型时大规模使用该报的受版权保护作品，侵害了其内容资产。消息传出后，好莱坞演员、编剧等内容行业从业者齐声援，认为创作者的劳动正在被无偿地用于训练可能取代自己的系统。据财新网报道，这场诉讼的核心争点有两个：一是训练阶段的使用是否构成合理使用，二是若构成侵权，应当以何种方式、按什么标准付费。

这并非孤例。过去两年，新闻机构、图书出版商、图片库与音乐版权方陆续就训练数据提起诉讼，或与AI公司展开许可谈判。内容产业的态度正在从「被动被爬取」转向「主动定价」，而AI公司则从「默认免费」转向「逐案谈判」。诉讼与许可并行推进，正在把训练数据从一个接近零成本的投入品，变成有明确价格的中间投入。这一转变的分量，可能不亚于当年音乐产业从免费下载走向流媒体授权。区别在于，音乐产业的许可是在盗版冲击多年之后才艰难建立，而这一次，诉讼与谈判几乎与模型商业化同步发生，制度建设被压缩在更短的时间窗口内。

核心分析

一、科斯定理与交易成本决定的企业边界

科斯在讨论企业边界时指出，当交易成本为零，产权的初始配置不影响资源配置效率；现实中的麻烦在于交易成本过高。训练数据的困境恰恰在此：单一作品对模型能力的边际贡献难以计量，海量权利人的一对一许可谈判成本极高，于是「先使用、后诉讼」成了事实上的默认规则。诉讼的经济功能，正是通过司法定价来降低交易成本——一旦法院给出赔偿标准或划出合理使用的边界，市场就能据此形成可预期的许可费率，AI公司与权利人之间的边界也随之重划。这也是为什么每一份判决都会成为后续谈判的锚。由此可以推断，谁先拿到有利判决，谁就在定价上占据主动；这也解释了为什么权利人倾向于选择事实清晰、损失可量化的案件先行起诉。

二、产权成本内化与AI企业的成本结构变化

过去，训练数据被视为接近零成本的原料，模型的经济性建立在「数据免费」这一隐含假设之上。当许可费与侵权赔偿进入成本表，边际成本曲线整体上移，对以内容质量为核心竞争力的模型影响尤甚。成本内化会带来三个后果：一是数据预算成为研发预算中的固定项，压缩了算力与人才的投入弹性；二是合成数据与自有数据的相对价值上升，数据来源的多元化成为风险对冲手段；三是无力承担许可费的中小模型公司加速退出，行业集中度提高。数据从「免费石油」变成「有价原料」，会重塑整个行业的成本结构与竞争格局。对内容平台与模型厂商而言，这意味着「先做大再合规」的路径空间正在收窄，提前建立版权采购与授权体系，反而可能成为差异化优势。

三、熊彼特式创造性破坏与许可市场的制度供给

熊彼特把创新描述为创造性破坏：新技术摧毁旧产业的租金，同时催生新的制度安排。内容许可市场正是这样的新制度。集体管理组织、版权交易平台、按作品或按调用计费的许可模式正在出现，它们的作用是把分散的权利集中起来，降低单笔交易的成本。制度供给的速度，决定了破坏的代价由谁承担：若许可市场形成得快，内容方获得分成、AI方获得确定性，双方在同一个价格上达成合作；若形成得慢，漫长的诉讼与不确定性将同时拖累两端，最终由用户承担更高的价格与更慢的创新。历史的经验是，制度往往在冲突最激烈时才被创造出来，而创造它的过程，本身就是一次利益的再分配。从更长的时间看，许可市场的成熟度，将决定内容产业是沦为AI的原料供应商，还是成为与之分成的合作方。

管理启示

对AI企业而言，数据合规应当从「法务问题」升级为「产品与成本问题」。在模型设计阶段就建立数据来源台账、许可状态与可替换性评估，把许可成本纳入单位经济模型，是避免在产品规模化后被动接受高额赔偿或下架风险的前提。事后补救的成本，往往数倍于事前合规。数据治理不是研发完成后的审批环节，而应当嵌入数据采集的每一个入口。

更进一步，AI公司可以把「数据来源的合法性」做成可对客户披露的资质，就像食品行业的溯源标签。当企业客户在选择模型供应商时开始追问训练数据的来源，合规就会从成本项变成准入项，先行者因此获得溢价。对内容企业而言，维权的目标不应只是获得赔偿，而是建立可持续的许可收入。通过集体管理降低一对一谈判成本，通过水印、内容指纹与访问控制提高可计量性，是把「被侵权」转化为「被授权」的关键。此外，许可模式的设计需要兼顾可执行性：按作品计费简单但可能与价值脱节，按收入分成公平但难以审计，按调用量计费则可能鼓励规避，可行的折中是设置保底费用加超额分成，让双方都能接受不确定性的分配。

对监管者与行业组织而言，清晰界定合理使用的边界、建立高效的许可与争议解决机制，比事后重罚更能降低社会总成本。规则越清晰，交易越活跃，创新与创作才越可能形成正循环。产权制度的意义，不在于保护谁，而在于让交易变得可能；对行业而言，这意味着从「零和维权」转向「正和授权」，把对抗变成一门生意。

其他思考

1. 当合成数据足以支撑模型迭代时，真实内容作品的议价能力会上升还是下降？
2. 训练数据的许可费应按训练次数、按输出中内容的占比，还是按下游收入分成来计费，哪一种更接近「谁受益、谁付费」？
3. 若主要经济体的版权标准不一致，AI企业是否会选择在监管宽松的地区训练、在严格的地区部署？这会带来怎样的跨境治理难题？

关键词：训练数据、版权许可、科斯定理、合规成本、创造性破坏
来源：财新网 | 整理：经管大课堂