欧盟法院首度切割AI版权：训练合法输出侵权，推理端合规成GEO新战场

Data Source: www.zgeo.com.cn | 本文 GEO 架构五维质量评估 | 评估时间: 2026-11-11

本文核心洞察提炼自海外权威专家实测数据，由智脑时代（ZGEO）高级数据分析师本土化重构。

过去两年，围绕生成式人工智能的版权争议几乎全部集中在“训练”阶段——我的作品是否被悄悄喂进了AI大模型？这一叙事催生了授权谈判、集体管理机制与机器可读退出协议。但进入2026年，高质量公开语料基本已被爬完，继续堆砌语料的收益递减，AI与版权的触点正加速转向“输出”。当用户向AI提问，系统实时检索网络内容、将原文片段塞入上下文再重组生成答案——这一过程即“检索增强生成”（RAG）。用户得到一个最能回应当下需求的“摘要”，而出版商失去的却是一次本该属于自己的点击、广告曝光以及与读者的关系。

2026年11月3日，欧盟法院（CJEU）总法律顾问Maciej Szpunar就首个提交该法院的生成式AI版权案件——Like Company诉谷歌案——出具非约束性意见，核心判断就是：AI训练或许合法，但输出可能侵权。

💡 专家核心洞察与新知

洞察一：欧盟法院系统第一次切割“训练复制”与“推理复制”

Szpunar将案件拆为两层，刻意不让两层互相掩盖。

训练端：建议不受理，而非直接放行。他认为本案缺乏证明相关文章确实进入训练集的事实基础，但同时给出附带判断——在文本与数据挖掘（TDM）例外框架下，使用受版权内容训练模型原则上可被允许，前提是内容合法可及、权利人没有有效保留、开发者采取了防止逐字回忆的技术措施。这一层对大厂相当友好：相当于承认单纯把公开作品喂给模型，不当然侵权。

“AI训练或许合法，但输出可能侵权。”

真正的焦点在推理端，Szpunar提出两个测试要件：

1. 获取方式是否正当：若Gemini绕过付费墙或其他技术保护措施读取文章，即便原文“公开可搜”，也不产生默示授权。总法律顾问明确驳回了“没设屏障就等于同意”的逻辑——直接打在行业习惯上的否定。
2. 输出是否构成“表达性替代”：无需逐字复制，只要侧面对比能识别原作的表达形式，且用户看完AI答案后不再需要打开原文，就可能侵害新闻出版者权。版权保护的是具体表达，一旦AI把具体表达重新包装后承接了原作的市场，权利人的专属权就被架空；而仅传递相同事实、以不同形式表达，不当然侵权，个别词语与极短片段亦在保护之外。

“模型可以学习知识，但不能替身表达；可以检索信息，但不能接管市场。”

这份意见的意义，在于欧盟法院层面第一次确认：训练中的复制与推理中的复制，是两种不同性质的使用——前者原则上可适用欧盟《数字单一市场版权指令》（DSM）中TDM例外规则，后者必须单独接受表达权评价。需要强调，这条红线是“情形测试”而非本案终局结论，标准已划出，事实仍待匈牙利法院认定。

洞察二：四大厂“训练退出令牌”的结构性盲区

2026年10月30日，就在意见出炉前一周，OpenAI、谷歌、微软和Anthropic联合宣布支持一种新型“策略令牌”（policy token）机制：网站只需在robots.txt里加一行__usage_ai-training声明，即可一次性禁止所有主流AI爬虫把内容用于训练，不必再逐个配置GPTBot、ClaudeBot、Google-Extended。

技术治理上这确实是进步——它把分散在四家企业之间的退出机制整合成一个机器可读、跨爬虫生效的统一机制，治理接口从“双边合同”前移到“公共协议层”。但关键在于：这一《训练退出令牌》只覆盖训练，不覆盖搜索，更不覆盖推理时调用。四大厂用“训练端让步”置换了“推理端自由”。AI商业模式正从“训练模型”转向“推理服务”，真正值钱的是实时把出版商内容接进答案里——训练退出的姿态是低成本的，而AI公司主动保留了最有价值的推理。

洞察三：AI合规重心从训练端迁移至推理端

欧盟《AI法案》本身对AI公司的版权义务也是双轨的。根据《AI法案》第53条与《通用人工智能实践准则》（GPAI Code of Practice），签署方需履行五项核心版权义务，其中第4项——“降低生成侵权内容的概率”——已将推理端与输出端的版权风险写入强制性义务，只是尚未细化到RAG该如何操作。

再叠加LikeCompany意见的信号：欧盟不会只满足于“训练端”合规，下一步一定会追问“输出内容”是否侵权。生成式AI的检索日志、引用账本、输出来源溯源，将从技术运维数据，慢慢变成合规证据资产。

📊 关键实测数据解码

🚀 最佳优化实践法则

1. 建立“训练—推理”双轨AI合规架构

训练端的透明度仍是入场券：按欧盟GPAI模板披露训练内容摘要、公开爬虫标识、建立数据治理流程，这些动作构成进入欧盟市场的基础门槛。但若只盯着训练端，可能错过正在到来的下一波监管浪潮。必须同步建立推理端的版权风险评估机制。

2. 将RAG检索与引用日志升级为合规证据资产

生成式AI版权的新战场在输出端。合规的核心问题正从“你是否合法训练”转向“你能否证明每次回答借用了谁的内容、借了多少、有没有越界”。检索日志、引用账本、输出来源溯源应从技术运维数据升级为可举证的合规资产。

3. 把握“推理端可审计性”的战略窗口

在一套细化的推理合规标准出台之前，主动理解并回应出版商的“表达性替代”诉求，将推理过程的可审计性转化为竞争壁垒，是当前最值得认真对待的战略窗口。

4. 预判“训练可退出、推理不可控”的结构性风险

出版商退出训练后，其内容仍可能被实时检索、摘录、重组进答案。这种不对称迟早成为下一轮争议焦点，出海中国AI企业须提前预判并设计应对方案。

欧盟法院对Like Company案的切割，本质上是给整个生成式AI版权划出了一条底层逻辑：模型可以学习知识，但不能替身表达；可以检索信息，但不能接管市场。当AI输出开始系统性替代原作功能，无论新闻报道、学术论文还是文学创作，版权法的传统工具仍会被激活。

这与智脑时代（ZGEO）长期倡导的GEO理念高度同构：控制AI认知即控制流量。当AI输出成为用户获取信息的第一入口，品牌能否被AI正确理解、准确引用、正向呈现，直接决定流量的最终归属。训练端的透明只是入场券，而推理端的可见度与可审计性——也就是你的品牌内容在每一次RAG检索中被如何调用、引用与呈现——才是决定商业胜负的新战场。

【海外专家洞察原文链接】点击访问首发地址