OpenAI 遭集體訴訟：未經許可抓取網路資料訓練模型被指侵權

你在網上隨手發的一條帖子、寫的幾句評論，甚至看病留下的一點記錄，可能早就成了 ChatGPT 的訓練材料。但如果這家靠它估值飆升的公司從沒問過你願不願意，這算學習還是算盜竊？

加州 Clarkson 律師事務所代表 16 名個人原告，在加州北區聯邦法院正式向 OpenAI 和微軟提起集體訴訟。原告指控兩家公司未經授權抓取了約 3000 億字的網頁內容、書籍和文章，大規模侵犯了數百萬人的版權和個人隱私，並索賠 30 億美元。

連醫療記錄和支付資訊都被抓了？

根據訴狀，OpenAI 抓取的資料遠不止維基百科或公開新聞，還包括數百萬美國人的姓名、登入憑證、支付資訊甚至醫療敏感記錄。原告直截了當地把這種行為稱為「盜竊」，指出 OpenAI 既沒有按既有規則購買資料，也沒有依法註冊為資料經紀商。

除了公開網頁，訴狀還指控 OpenAI 通過 ChatGPT 本身非法收集使用者資訊，甚至通過集成了 ChatGPT 的第三方應用（比如 Snapchat 和 Stripe）獲取使用者隱私。

原告要求 OpenAI 賠償 30 億美元。不過有法律觀察指出，這個數字可能只是一個佔位金額，具體的賠償額通常要等案件勝訴後才會核定。

更狠的是訴求裡的補救措施：原告要求法院下令，在 OpenAI 落實更完善的 AI 安全護欄之前，禁止其商業化運營或繼續開發 ChatGPT，並要求設立一個獨立的「AI 委員會」來監督技術的使用。

抓取公開資料，到底算不算合理使用

Clarkson 律所管理合夥人 Ryan Clarkson 說得很明白，OpenAI 挑起了這場生成式 AI 的軍備競賽，自然是第一個靶子。但他希望通過這場官司，給 AI 演算法的訓練方式立規矩，讓貢獻資料的人拿到應有的補償。

AI 開發者一直以「合理使用」來為抓取辯護，認為模型經過深度學習後生成了全新的內容，屬於轉換性使用。但代理多家科技初創企業的智慧財產權律師 Katherine Gardner 認為，版權創作者如果能證明作品被用於訓練，確實有談判籌碼；但普通網友要想拿到賠償會極其艱難，因為大部分人在註冊社交平臺時，早就同意了平臺將內容用於各種用途的寬泛許可。

行業反彈其實早就開始了。4 月環球音樂集團要求 Apple 和 Spotify 攔截抓取工具；Reddit 正在切斷免費資料流；Elon Musk 也曾威脅要就微軟使用 Twitter 資料提起訴訟。

為什麼重要

對普通網民和內容創作者來說，這起訴訟把大家心裡的不爽擺上了檯面，但別指望很快能領到賠償金。Katherine Gardner 的提醒很現實，你在論壇寫段子、在社交平臺發日常，早就把版權授權給了平臺，想證明自己的隱私或版權損失並在法庭上折現，門檻高得嚇人。現在普通使用者能做的是提高防範意識，儘量不在公開平臺和 AI 對話方塊裡留敏感資訊。

對 AI 行業來說，這場官司敲響了警鐘。過去幾年大模型靠著「先抓了再說」野蠻生長，但這種把全網資料當成免費公地的好日子看起來要結束了。訴訟如果迫使法院要求 OpenAI 披露 GPT-4 的訓練資料集，或者勒令設立獨立監督委員會，將徹底改變整個大模型的研發成本結構。

我們認為，原告將隱私權和版權捆綁發難的做法相當精明。單純打版權官司，OpenAI 還能拿「合理使用」反覆拉扯；但一旦扯上敏感個人隱私、支付資料甚至醫療記錄，就觸及了多部聯邦和州隱私法規的紅線。不過，原告要求在整改前「叫停 ChatGPT 商業開發」的訴求，看起來過於激進，法院大機率不會為了幾條隱私指控直接關停整個產業的領頭羊。