先看证据
一份意见书合集，而不是法院判决
2026年10月30日，OpenAI在其官网发布了一篇题为《Fair use benefits everyone》的文章，集中摘录了来自作者、记者、创作者、学者、无障碍倡导者、图书馆团体、企业联盟以及美国政府的法庭意见书片段。这些意见书都支持一个核心主张：未经许可使用受版权保护的作品训练AI模型，属于美国版权法中的合理使用。文章本身是一组诉讼材料的展示，并非法院的裁决，也不代表任何司法结论已经形成。
这场争议的直接对手是《纽约时报》。根据OpenAI案件时间线记载，《纽约时报》于2023年12月27日对OpenAI和微软提起诉讼，主张其未经许可使用新闻作品训练模型构成侵权。2026年9月4日，OpenAI提交了简易判决动议，请求法院直接裁定其训练行为属于合理使用。2026年10月23日，新闻出版方提交了反对文件。OpenAI选择在数天后发布这篇意见书合集，时间点并非偶然。
四方因素博弈：合理使用从来不是自动豁免
美国版权局明确指出，合理使用需要综合衡量四项因素：使用的目的与性质、原作品的性质、使用的数量与实质性、以及对原作品潜在市场或价值的影响。这四项因素不是逐一通过的清单，而是需要整体权衡的框架。OpenAI及其支持者的核心法律策略，是主张AI训练在这四项因素下都应当被认定为合理使用。
在目的与性质上，他们主张训练的目的与新闻、文学等原作表达目的根本不同——模型是学习内容以形成通用工具，而不是向公众提供原作的替代访问，因此具有转换性。在市场影响上，Engine and Developers Alliance的意见书提出一个更具攻击性的观点：即使AI产出与原作竞争并影响其销售或曝光，只要没有替代受保护的具体表达，就不应被认定为版权法意义上的市场损害。这种“市场稀释”理论如果被法院采纳，将显著压缩版权所有者主张市场损害的空间。
谁在支持：意见书背后的同盟结构
OpenAI文章列出了11个意见书摘录标题，涵盖机构联合意见和个人意见。联合署名的机构包括美国盲人委员会、研究图书馆协会、美国图书馆协会、消费者技术协会、商业软件联盟；此外还有Authors Alliance、Engine and Developers Alliance、Public Knowledge、Foundation for American Innovation等团体，以及美国政府和独立创作者的个人意见。这些签名者构成一个精心挑选的跨领域联盟。
值得注意的是，无障碍倡导组织和图书馆团体的加入，将合理使用的论证从“技术公司争取训练自由”扩展为“受限训练将伤害依赖AI获取信息的弱势群体”。Authors Alliance的意见书更进一步，主张AI产出即使与原作竞争，也不应当然视为市场损害，因为版权法保护的应当是“对受保护表达的替代”，而不是“新表达的成功竞争”。这种论证把版权法的保护边界推向了一个更窄的定义，而政府意见书的加入则给这场辩论增添了公共政策的色彩。
市场稀释之争：版权保护与竞争自由的再划线
这场诉讼中最具技术治理意义的争点，是如何区分“版权侵权”与“市场竞争”。Engine and Developers Alliance的意见书明确提出，原告试图让法院承认“市场稀释”理论，即AI产出即使没有复制受保护表达，只要与原作争夺同一受众或占据同一题材，就构成可诉的市场损害。该联盟请求法院裁定，这种聚合性的竞争压力不属于美国版权法第107条第4项所认可的市场损害。
这个请求如果被采纳，意味着版权所有者将更难通过诉讼阻止AI模型学习其内容后生成的竞争性产出。对技术负责人而言，这直接关系到模型能力边界与内容策略的合法空间：只要训练过程不导致模型输出对原作品的具体表达替代，竞争性内容的生成就可能被合法化。但反过来，如果法院拒绝这一理论，那么模型输出与原作在题材、受众或风格上的竞争关系，都可能成为版权所有者主张损害的切入点。这将显著抬高训练数据选择与输出过滤的合规成本。
对技术团队的现实含义：从合规到论证策略
对构建或使用大模型的技术团队来说，这组意见书的价值不在于法律结论，而在于提示了一种正在成形的论证框架。当你的训练数据来源或模型输出面临版权质疑时，单纯从技术角度解释“模型如何工作”可能不够；还需要准备关于“限制训练会伤害谁”的公共利益叙事。OpenAI的策略是将论辩从模型技术细节转移到社会影响层面，这为其他AI公司提供了一个可参考的辩护路径。
另一个可操作的点是输出过滤与市场损害论证的联动。如果“市场稀释”理论最终未被法院采纳，那么技术团队在模型输出层面需要更谨慎地评估其与原作在题材和受众上的竞争程度，以避免被认定为市场替代。反之，如果该理论被接受，输出过滤的重点可以更聚焦于防止具体表达的复制，而不是防止风格或题材的竞争。这要求技术负责人在产品设计阶段就将版权论证策略纳入考量，而不是等到诉讼发生后再补救。
边界与代价：同盟叙事掩盖了什么
这套同盟叙事有一个明显的盲区：它没有回答数据抓取过程中的知情权与补偿机制问题。意见书强调的是训练后的公共利益与转换性使用，但对训练数据来源的获取方式、创作者在数据被纳入训练集时是否知情、以及是否存在独立于诉讼的补偿路径，几乎没有触及。对技术负责人而言，这意味着即使合理使用抗辩成功，数据来源的合规性争议也不会自动消失。
此外，这组意见书的发布时机和选编方式，本身就是一种诉讼策略的展示。它试图在法官和公众面前构建一个“限制AI训练将伤害全社会”的印象，但版权诉讼的本质仍是传统内容产业与AI公司之间关于数据价值定价权的商业谈判。技术团队在参考这套论证时，需要区分哪些是法律上可依赖的论点，哪些是舆论层面的造势。最务实的判断是：合理使用的法律边界仍在移动，训练数据的合规策略应当保留足够的灵活性，以应对不同司法辖区和不同判决走向带来的不确定性。