OpenAI 遭集体诉讼：未经许可抓取网络数据训练模型被指侵权

你在网上随手发的一条帖子、写的几句评论，甚至看病留下的一点记录，可能早就成了 ChatGPT 的训练材料。但如果这家靠它估值飙升的公司从没问过你愿不愿意，这算学习还是算盗窃？

加州 Clarkson 律师事务所代表 16 名个人原告，在加州北区联邦法院正式向 OpenAI 和微软提起集体诉讼。原告指控两家公司未经授权抓取了约 3000 亿字的网页内容、书籍和文章，大规模侵犯了数百万人的版权和个人隐私，并索赔 30 亿美元。

连医疗记录和支付信息都被抓了？

根据诉状，OpenAI 抓取的数据远不止维基百科或公开新闻，还包括数百万美国人的姓名、登录凭证、支付信息甚至医疗敏感记录。原告直截了当地把这种行为称为「盗窃」，指出 OpenAI 既没有按既有规则购买数据，也没有依法注册为数据经纪商。

除了公开网页，诉状还指控 OpenAI 通过 ChatGPT 本身非法收集用户信息，甚至通过集成了 ChatGPT 的第三方应用（比如 Snapchat 和 Stripe）获取用户隐私。

原告要求 OpenAI 赔偿 30 亿美元。不过有法律观察指出，这个数字可能只是一个占位金额，具体的赔偿额通常要等案件胜诉后才会核定。

更狠的是诉求里的补救措施：原告要求法院下令，在 OpenAI 落实更完善的 AI 安全护栏之前，禁止其商业化运营或继续开发 ChatGPT，并要求设立一个独立的「AI 委员会」来监督技术的使用。

抓取公开数据，到底算不算合理使用

Clarkson 律所管理合伙人 Ryan Clarkson 说得很明白，OpenAI 挑起了这场生成式 AI 的军备竞赛，自然是第一个靶子。但他希望通过这场官司，给 AI 算法的训练方式立规矩，让贡献数据的人拿到应有的补偿。

AI 开发者一直以「合理使用」来为抓取辩护，认为模型经过深度学习后生成了全新的内容，属于转换性使用。但代理多家科技初创企业的知识产权律师 Katherine Gardner 认为，版权创作者如果能证明作品被用于训练，确实有谈判筹码；但普通网友要想拿到赔偿会极其艰难，因为大部分人在注册社交平台时，早就同意了平台将内容用于各种用途的宽泛许可。

行业反弹其实早就开始了。4 月环球音乐集团要求 Apple 和 Spotify 拦截抓取工具；Reddit 正在切断免费数据流；Elon Musk 也曾威胁要就微软使用 Twitter 数据提起诉讼。

为什么重要

对普通网民和内容创作者来说，这起诉讼把大家心里的不爽摆上了台面，但别指望很快能领到赔偿金。Katherine Gardner 的提醒很现实，你在论坛写段子、在社交平台发日常，早就把版权授权给了平台，想证明自己的隐私或版权损失并在法庭上折现，门槛高得吓人。现在普通用户能做的是提高防范意识，尽量不在公开平台和 AI 对话框里留敏感信息。

对 AI 行业来说，这场官司敲响了警钟。过去几年大模型靠着「先抓了再说」野蛮生长，但这种把全网数据当成免费公地的好日子看起来要结束了。诉讼如果迫使法院要求 OpenAI 披露 GPT-4 的训练数据集，或者勒令设立独立监督委员会，将彻底改变整个大模型的研发成本结构。

我们认为，原告将隐私权和版权捆绑发难的做法相当精明。单纯打版权官司，OpenAI 还能拿「合理使用」反复拉扯；但一旦扯上敏感个人隐私、支付数据甚至医疗记录，就触及了多部联邦和州隐私法规的红线。不过，原告要求在整改前「叫停 ChatGPT 商业开发」的诉求，看起来过于激进，法院大概率不会为了几条隐私指控直接关停整个产业的领头羊。