美國著作權局（U.S. Copyright Office）於2025年5月發布《著作權與人工智慧報告：第三部分：生成式人工智慧訓練》（Copyright and Artificial Intelligence: Part 3: Generative AI Training）發布前版本（Pre-publication version）。
一、AI訓練：侵權？合理使用？
近年來，生成式人工智慧（Generative AI）技術取得了突破性的進展，這些系統能夠展現出驚人的能力，但其背後卻依賴於海量資料的訓練，其中包含了數量龐大的受著作權保護作品。這些行為是否需要取得著作權人的同意或支付報酬？如果需要，又該如何切實可行地達成？這些問題目前在美國社會與全球引發了極其激烈的辯論。
目前，美國法院已有數十起針對 AI 訓練的訴訟正在進行，核心爭議幾乎都集中在著作權法中的「合理使用」（Fair Use）原則。這是一場極高風險的博弈，雙方都以「生死存亡」來形容其後果：
科技業警告，若強制要求 AI 公司為訓練資料取得授權，將會扼殺這項革命性技術的發展，因為要為訓練最先進模型所需的龐大且多樣化內容取得授權，在實務上是不可能的。
另一方面，創作者與著作權人則恐懼，未經授權的 AI 訓練將徹底腐蝕創意生態系統，藝術家畢生的心血將被違背其意願地用來生成在市場上與他們直接競爭的內容。
為此，美國著作權局在2023年8月發布了調查通知（NOI），收到了超過一萬份的公眾意見。本報告第三部分即是基於這些意見、現有判例法以及技術現況，針對生成式 AI 模型開發與部署過程中涉及的著作權問題，提出全面的法律與政策分析。
二、技術背景
要理解 AI 訓練的著作權影響，必須先深入了解生成式 AI 系統是如何開發與部署的。
（一）機器學習與生成式語言模型
機器學習（Machine Learning）是 AI 的一個分支，專注於設計能從資料中自動學習並改進的系統，而非依賴人類編寫的固定規則。生成式 AI 依賴於稱為「神經網路」（Neural Networks）的深度學習模型。神經網路本質上是將輸入資料轉換為輸出資料的數學函數，由包含數十億個參數（或稱「權重」，Weights）的架構所定義。
在模型建立之初，這些權重是隨機的，無法產生有意義的輸出。透過不斷將模型暴露於訓練範例中，測量其預測的準確度，並微調這些權重（就像調整無數個旋鈕），模型就能「學習」如何將輸入轉換為預期的輸出。
以語言模型為例，其運作原理是基於前面的「上下文」來預測下一個最可能出現的詞彙（例如給定「一閃一閃」，模型會預測「亮晶晶」）。在實務上，模型處理的不是單字，而是「標記」（Tokens），即將文字轉換為數字格式以供數學函數運算。透過一種稱為「生成式預訓練」（Generative pre-training）的技術，模型在處理包含數以億計文本的語料庫時，不斷預測下一個標記並調整權重，最終學會語言的深層結構與關聯，從而具備翻譯、問答甚至寫作的能力。
（二）訓練資料的特徵與策展
開發者在選擇訓練資料時，主要考量數量、品質與模型的最終目的。
- 數量（Quantity）： 最先進的模型通常需要數百萬甚至數十億件作品來訓練。這種「規模化法則」導致了對資料的強烈需求，部分研究甚至預測，語言模型可能在未來幾年內耗盡網路上所有公開可用的人類生成文本。
- 品質（Quality）： 「垃圾進，垃圾出」，訓練資料的品質直接決定了模型的表現。開發者高度重視書籍、百科全書、學術論文等經過編輯的高品質文本；對於圖像，則會過濾掉帶有浮水印、標籤錯誤或嚴重壓縮的低品質圖片。
- 獲取與策展（Acquisition and Curation）： 資料通常來自網路抓取（Scraping），例如大規模的 Common Crawl 資料庫，甚至包含未經授權的盜版圖書資料庫（如 Books3）。獲取後，資料會經過「策展」程序，包含過濾（去除浮水印、非法內容或低品質內容）、清理（移除網頁導覽按鈕或著作權管理資訊），以及彙編與加權（例如提高維基百科或醫學期刊的抽樣比例）。
（三）訓練階段與記憶現象
AI 的訓練並非單一事件，而是一個反覆且可分階段的過程。
- 預訓練與微調（Pre-training vs. Post-training/Fine-tuning）： 「預訓練」通常指使用海量資料教導模型基礎語言或視覺邏輯的階段，耗費最多的運算資源與資料；而「微調」或「後訓練」則是為了讓模型適應特定任務（如摘要或分類）或對齊人類價值觀（安全性護欄）而進行的較小規模訓練。著作權局強調，不能因為「預訓練」一詞帶有「初步」的意味就忽視其重要性，它往往是模型具備強大生成能力的關鍵。
- 記憶現象（Memorization）： 模型是否會「記住」訓練資料，是著作權爭議的核心。AI 公司（如 OpenAI、Google）主張模型權重只是一長串數字，反映的是資料間的統計關係，所謂的記憶只是一種不樂見的「程式錯誤（Bug）」。然而，版權方舉出大量實例，證明模型能夠一字不漏地輸出受版權保護的歌詞，或生成與原圖極度相似的圖像。研究指出，當模型在訓練中學到的「統計模式」過於具體時，這種模式本質上就是被記憶的訓練資料。記憶的程度受模型大小、資料重複次數等因素影響。
（四）部署與檢索增強生成（RAG）
部署階段決定了模型如何與終端使用者互動。同一個底層模型可以被部署用於非生成式的任務（如客服郵件分類），也可以用於生成劇本或歌詞。 特別值得注意的是檢索增強生成（RAG, Retrieval-Augmented Generation）技術。RAG 允許模型在回應使用者提示時，先透過搜尋引擎或特定資料庫檢索外部資訊（例如最新的新聞報導），將這些受著作權保護的文本拉入系統中作為上下文，然後再生成融合了這些資訊的回覆。此外，開發者也會在部署時加入各種「護欄（Guardrails）」，以過濾或阻止系統生成侵權或有害的內容。
三、表面侵權（有多次重製行為）
根據美國《著作權法》第 106 條，著作權人享有重製、散布、公開演出、公開展示以及改作（準備衍生著作）的專屬權利。
生成式 AI 的開發與部署在多個環節中構成了「表面侵權（Prima Facie Infringement）」。
（一）資料收集與策展
為了準備訓練資料集而進行的下載、跨儲存媒體傳輸、格式轉換、過濾與修改等行為，無疑涉及了對著作權作品的「重製（Reproduction）」。無論這些資料是否從網路上「公開可用」的來源抓取，只要未經授權進行複製，即構成表面侵權。絕大多數的意見提交者對此皆無異議。
（二）模型訓練
訓練過程中同樣發生了重製行為。
首先，開發者必須將龐大的資料集複製到高效能的儲存設備（如 RAM）中；
其次，在分批將資料輸入模型進行訓練時，這些作品會產生暫時性的重製。
更具爭議的是，模型權重（Model Weights）本身是否構成重製或衍生著作？
美國著作權局認為，這取決於模型是否「記憶」了訓練資料中的受保護表達。如果一個模型能夠在沒有外部提示原圖的情況下，生成一張與訓練資料中某人肖像幾乎完全相同的圖片，這意味著該表達必然以某種形式儲存於模型的權重中。在這種情況下，模型權重（即使是數學矩陣的格式）就滿足了著作權法中「固著（Fixed）」且可藉由機器感知的要件，複製該模型權重即可能侵害重製權或改作權。
（三）檢索增強生成（RAG）
RAG 系統在運作時，會將檢索到的受保護內容（如新聞文章）複製到系統記憶體中，這同樣構成了重製。
（四）輸出
而在輸出端，如果生成式 AI 模型產出的內容與原著作構成「實質相似（Substantial Similarity）」，則該輸出本身即構成對重製權或改作權的侵害。
四、 合理使用原則（Fair Use）？
面對上述的表面侵權行為，AI 開發者最主要的抗辯理由是「合理使用」。
《著作權法》第 107 條規定了評估合理使用的四個法定要素。科技業與創作者對此存在極端對立的看法：
科技業認為，為開發創新技術而進行的機器學習屬於典型的非侵權中間重製（Intermediate copying）；
而創作者則認為，這是一種未經授權、極具商業性且直接替代原市場的掠奪行為。
（一）第一要素：使用的目的與性質
第一要素考量使用是否具有進一步的目的或不同的性質，主要聚焦於「轉化性（Transformativeness）」與「商業性（Commerciality）」。
- 特定使用的界定： 美國著作權局強調，必須針對 AI 開發的「特定階段」進行分析。預訓練的使用目的可能與後續 RAG 的使用目的截然不同，不能一概而論。
- 轉化性： 根據最高法院在 Warhol 案的最新見解，僅僅增加新表達並不必然構成轉化性，關鍵在於該使用是否具有與原著作「截然不同的目的」，並且為達成該新目的，使用原著作是否具備「合理必要性（Justification）」。
- 科技業的觀點： AI 訓練具有高度轉化性，因為它將表達性作品轉換為統計模式與數學權重，這是一種「非表達性（Non-expressive）」的使用，類似於人類的閱讀與學習。
- 創作者的觀點： AI 訓練並非非表達性，AI 之所以需要吸收優質的小說或新聞，正是為了學習其表達方式、敘事結構與語氣，進而生成能與人類競爭的表達性作品。
- 著作權局拒絕了「AI 訓練本質上屬於非表達性使用」的說法：語言模型吸收了句型、段落結構等語言表達的精髓；圖像模型訓練於美學圖片也是為了產生美學輸出。著作權局也拒絕了將 AI 訓練類比為「人類學習」的論點，因為 AI 具有超人類的速度、規模與完美複製能力，兩者在法律與實務上不可等量齊觀。
- 然而，著作權局認為，訓練大型基礎模型往往具有某種程度的轉化性：將海量資料轉換為能執行翻譯、文法校正等多樣任務的模型，確實與原著作的娛樂或教育目的不同。但轉化性是一個「程度問題」：如果模型被部署於封閉系統進行研究或內容審核，轉化性極高；但如果模型被訓練來生成與訓練資料高度相似的同類型作品（例如訓練於流行音樂以生成流行音樂），其目的僅是滿足消費者同樣的娛樂需求，則轉化性極低。RAG 技術若用於生成新聞摘要以取代原報導，則通常不具轉化性。
- 商業性： 雖然多數 AI 公司是營利性質，但有些公司或機構以「非營利研究」之名開發資料集或模型，隨後再將其商業化，這引發了創作者對「資料清洗（Data laundering）」的強烈質疑。著作權局指出，商業性的認定不應僅看機構的企業註冊身分（非營利或營利），而應審視該「特定使用」是否實質推動了商業利益或直接被變現。
- 盜版資料： 許多訓練資料集包含了從盜版網站（如 Books3 或影子圖書館）非法取得的作品，或繞過付費牆抓取的內容。著作權局明確認定，明知並使用包含盜版或非法獲取作品的資料集，在合理使用分析中將產生不利的影響。著作權人有權控制其作品的存取途徑，非法獲取作品反映了使用性質上的惡意。
（二）第二要素：受著作權保護作品的性質
第二要素區分了核心的創意表達作品（如小說、音樂、電影）與事實性/功能性作品。由於生成式 AI 的訓練資料集通常無所不包，其中不可避免地包含了大量極具創意與表達性的作品（甚至包含未發表的私人資料）。因此，當模型訓練涉及到這些高創意性作品時，第二要素通常會傾向於不利於合理使用的認定。
（三）第三要素：使用的數量與實質性
此要素考量使用的比例是否與其轉化性目的相稱。
- 全本複製： AI 訓練通常會複製並提取整個作品的內容（Wholesale taking），這在傳統上是不利於合理使用的。
- 與目的之合理性： 在 Google Books 等搜尋引擎案例中，法院允許全本複製，因為要實現「全文檢索」的功能，完整複製是技術上「絕對必要」的。科技業主張 AI 訓練也需要海量完整資料才能運作；版權方則反駁，AI 的運作並非像搜尋引擎那樣依賴特定的單一作品，且 AI 公司並未證明需要「全部」的版權作品才能達成目標。美國著作權局認為，AI 訓練對全本作品的複製，其合理性不如搜尋引擎那樣明確，但若要訓練出頂尖效能的基礎模型，目前技術上確實需要網際網路規模的資料量。
- 向公眾開放的程度： 這是判斷的關鍵。在過往的中間重製案例中（如逆向工程或 Google Books），被告並未將受保護的表達實質暴露給公眾，這點極大程度支持了合理使用。如果生成式 AI 模型部署了有效的安全「護欄（Guardrails）」與過濾機制，確保系統不會向終端使用者輸出訓練資料中的受保護表達，那麼第三要素對 AI 開發者的不利程度將會大幅降低。反之，若系統容易吐出與原作實質相似的內容，則全本複製的行為將難以被合理化。
（四）第四要素：對潛在市場或價值的影響
最高法院曾指出，第四要素是合理使用分析中「最重要的一個環節」。它不僅評估對原作品市場的替代效應，也評估對潛在衍生市場的影響。
- 銷售損失： 當 AI 模型（特別是 RAG 系統）能夠輸出與訓練資料中作品實質相似的內容、或針對新聞文章給出極度詳盡的摘要時，使用者便不需再購買原作品或點擊原新聞連結，造成直接的市場替代與銷售損失。為 AI 訓練而專門開發的註解資料集若被未經授權使用，同樣會造成明確的市場損害。
- 市場稀釋與風格模仿： 創作者強烈主張，即使 AI 不生成一模一樣的拷貝，但它透過學習藝術家的「風格（Style）」或大量生成同類型作品（如傾銷數以萬計的 AI 羅曼史小說或串流音樂），將嚴重稀釋市場，並與訓練資料的創作者產生直接的不公平競爭。美國著作權局支持這種廣義的市場損害觀點，認為 AI 以超人類的速度與規模生成內容，確實會稀釋同類作品的市場價值，並分食版稅池（例如已有案例利用 AI 生成歌曲詐取高達千萬美元的串流版稅）。此外，利用 AI 精準模仿特定作家的寫作風格或畫家的視覺風格，也嚴重威脅了創作者的生計。
- 喪失授權機會： 只要存在「傳統的、合理的或可能發展出來的」授權市場，未經授權的使用就會造成市場損害。許多 AI 公司聲稱難以獲得海量版權授權；但事實上，針對 AI 訓練的授權市場（包括文字、新聞、圖片與音樂）已經存在且正在蓬勃發展（如 OpenAI 與 AP 及 Condé Nast 的授權協議、Shutterstock 的授權業務等）。只要授權市場具備可行性，未經授權的訓練就會在第四要素中面臨極大的不利。
- 公共利益： 科技業強調 AI 對醫療、科學與經濟競爭力的巨大公共利益。著作權局承認這些利益的存在，但也同樣重視保護人類創作者以維繫文化多樣性的公共利益。著作權局結論指出，AI 訓練的公共利益並不能單獨作為豁免著作權侵權的尚方寶劍，無法顛覆現有的合理使用平衡。
（五）綜合衡量與國際觀點
合理使用無法透過簡單的公式計算，必須綜合考量所有因素。著作權局預期，在某些情況下，AI 訓練會構成合理使用，但在許多情況下則不會。例如，非商業學術研究且不輸出原作的訓練，很可能是合理使用；但如果是從盜版網站抓取小說，用於訓練商業模型並輸出競爭性內容，且市場上明明有授權管道可循，這就極不可能構成合理使用。
在國際層面上，世界各國正採取不同的應對措施：
- 歐盟（EU）： 2019 年的《數位單一市場著作權指令》（DSM Directive）確立了「文本與資料探勘（TDM）」例外條款。第 3 條保障學術研究的豁免，第 4 條則允許商業性 TDM，但前提是著作權人沒有明示「選擇退出（Opt-out）」（例如透過機器可讀標籤聲明保留權利）。2024 年通過的《歐盟人工智慧法》（EU AI Act）更強制要求 AI 供應商必須遵守歐盟的著作權法與 Opt-out 規定。
- 日本： 允許為資料分析進行複製，但前提是該使用不能是為了「享受（Enjoyment）」作品中表達的思想或情感。若 AI 訓練的目的是為了生成能讓大眾享受的相似創作，則不適用該豁免。
- 新加坡與英國： 新加坡的 TDM 例外要求使用者必須具備「合法存取權」；英國目前的例外僅限於「非商業性研究」，且英國政府近期擴大商業性 TDM 例外的提案因創意產業的強烈抗議而備受爭議。
- 中國： 著作權法中尚無針對 TDM 的明確例外，但在近期的判決中（例如涉及「奧特曼」IP 的 AI 模型侵權案），法院已開始要求 AI 平台刪除侵權的底層模型。中國政府同時也發布了對生成式 AI 訓練資料合法性的行政合規要求。
- 巴西與西班牙： 巴西正在審議強制 AI 公司支付報酬的法案；西班牙政府曾提出建立針對 AI 訓練的「延伸集體授權（ECL）」制度的草案，但隨後因爭議而撤回。
五、人工智慧訓練的授權機制
鑑於某些 AI 訓練行為將無法受到合理使用原則的庇護，必須取得合法授權，本報告針對各種潛在的授權模式進行了深度探討。
（一）自願授權的市場現況與挑戰
自願授權允許權利人與 AI 公司在自由市場中依據特定使用情形談判條件。它可以是直接授權，也可以透過集體管理組織（CMOs）進行集體授權。
- 可行性？
- 科技業的反對：科技界與創投機構（如 a16z）強烈主張，強制授權將導致 AI 開發成本高達數百億美元，這將成為不可逾越的壁壘，扼殺開源模型與新創公司的生存空間，並使美國喪失全球 AI 領導地位。此外，訓練資料集包含數十億個網頁與隨筆（Vernacular text），根本無法辨識或聯繫到所有著作權人，實務上具有「不可操作性」。
- 版權方的反駁： 創作者與出版商指出，取得授權本來就是「做生意的基本成本（Cost of doing business）」。AI 公司投入了數十億美元購買算力，沒有理由要求創作者免費提供作為核心價值的訓練素材。更重要的是，目前的市場上已經存在大量成功的自願授權案例。
- 提供有意義補償的能力： 科技業認為即便進行授權，分攤到單一作品的版稅將微乎其微。但版權方反駁，網際網路經濟（如串流音樂）本來就是基於微薄的單次費用累積而成，長期的龐大使用量仍會產生具意義的補償。此外，AI 公司也可以採用利潤分成（Revenue share）或股權等創新補償模式。
- 集體授權的潛在反托拉斯障礙： 許多創作者工會與協會希望能成立集體管理組織（CMO）來統一代為談判 AI 授權，但擔憂此舉可能面臨《反托拉斯法》（Antitrust laws）的審查風險（如同音樂界的 ASCAP 和 BMI 曾受到的限制）。他們呼籲國會或司法部給予明確的豁免或指導。
（二）法定授權與其他替代方案
當自由市場可能失靈時，政府干預的選項被提上檯面。
- 強制授權： 強制授權由法律設定固定的費率與條款，允許任何人在支付法定版稅後逕行使用作品。過去在音樂廣播等領域曾採用此法以降低交易成本。 然而，在此次調查中，幾乎所有的意見提交者（包括科技業與版權方）都強烈反對強制授權。版權方認為這剝奪了他們在自由市場談判與定價的權利；科技業則認為 AI 訓練根本不該付費（應屬合理使用），且處理數百億筆微型版稅的行政成本將癱瘓整個產業。美國著作權局也一貫對強制授權持保留態度，認為它僵化且難以適應瞬息萬變的科技發展，不應輕易採用。
- 延伸集體授權（Extended Collective Licensing, ECL）： ECL 制度在某些歐洲國家被採用。它授權具代表性的集體管理組織（CMO）為特定類別的所有作品（包含未加入該組織的權利人）談判授權條件，同時允許不願參與的版權方「選擇退出（Opt-out）」並自行談判。這保留了自由市場的彈性，同時解決了海量未註冊作品（如孤兒作品）難以取得授權的困境。 相較於強制授權，ECL 獲得了更多（尤其是部分創作者團體）的支持，被認為適合解決文字或視覺藝術領域數量龐大但價值分散的授權難題。然而，仍有堅持純粹自願授權的權利人對此表示反對。
- 選擇退出機制（Opt-out）： 如同歐盟的法規，是否該建立法定的 Opt-out 機制讓版權方聲明拒絕 AI 訓練？（亦即，預設可以使用，例外可以退出）版權方對此表達了強烈的抵制。他們認為美國著作權法本質上是「選擇加入（Opt-in）」的授權體制，未經同意本就不應使用。此外，要求創作者在網際網路浩瀚的資料海中不斷監控並設定 robots.txt 標籤或中繼資料（且這些資料極易在抓取時被抹除）來防堵 AI，是不公平且極度沉重的負擔。
（三）美國著作權局的建議
基於對市場現況的觀察，美國著作權局提出以下核心建議：
- 優先仰賴自由市場的自願授權： 針對高價值、易於辨識版權歸屬的內容（如流行音樂、新聞資料庫、圖庫），自願授權與集體授權的市場已經在快速成形，這證明了授權的實務可行性。
- 現階段不建議政府介入立法： 由於授權市場、AI 技術（包含能用更少資料訓練出高品質模型的新技術）以及法院的判例都處於快速發展的初期階段，著作權局認為目前推動強制授權或法定 Opt-out 制度都言之過早。過早的政府干預可能扼殺具有創意的商業解決方案。
- 保留 ECL 作為備用方案： 如果未來在特定產業（例如大量業餘創作或孤兒作品）確實出現了嚴重的「市場失靈」，導致授權無法有效進行，國會屆時可考慮引入針對特定領域的「延伸集體授權（ECL）」制度。同時，著作權局也呼籲司法部針對集體談判提供反托拉斯法的明確指引，以利授權市場的發展。
- 對於生成式 AI 訓練，現有的法律框架是充足且適用的，無需立即進行修法。AI 模型在訓練階段確實涉及了對版權作品的大規模重製，這是否構成侵權，必須回歸到合理使用的具體個案分析。
著作權局的立場很明確：如果 AI 模型是在封閉系統內為了學術分析或非商業研究而訓練，且不會向公眾輸出受保護的內容，這極可能是合理使用；但如果 AI 公司利用非法獲取（盜版）的海量著作，訓練出能直接在市場上與原創作者競爭、甚至生成高度相似或模仿風格的商業性 AI 工具，而市場上明明存在可行的授權管道時，這種行為便跨越了合理使用的界線。
美國要維持在 AI 科技與文化創意產業的雙重全球領導地位，就必須仰賴一個健全的版權授權市場，確保科技創新者能夠合法獲取優質資料，同時讓提供心血結品的創作者獲得公平的報酬與尊重。著作權局將持續密切監控科技與訴訟的最新發展，隨時為國會提供後續的政策建議。