Google AI治理方案的版权条款："合理使用"还是"合法化掠夺"？

2026年6月25日，Google发布《美国AI治理务实方案》（A Pragmatic Approach to AI Governance in America），这份21页的政策文件在美国政府对前沿AI监管急剧收紧的窗口期抛出，核心主张是在"过度监管"与"无监管"之间走一条"务实、基于证据的中间道路"。文件将AI体系划分为前沿高风险模型与规模化商用AI应用两大类别，分别匹配差异化监管策略。其中，版权条款的措辞值得高度关注：

"使用公开网页数据训练模型属于转化性、非表达性使用，在美国受合理使用原则保护，海外对应文本数据挖掘豁免条款。" ——将司法争议中的待定问题表述为既定结论。

"版权治理核心仍聚焦AI输出内容：无论生成技术路径如何，仅当成品直接复制现有作品时才构成侵权。" ——将侵权审查从训练端收缩至输出端。

"侵权内容沿用成熟通知下架机制处置，通过标准化举报、删除流程清理侵权产出。" ——用成熟机制替代新规则制定，降低监管增量。

Google将"公开网络数据训练属合理使用"作为既定法律结论陈述，而非政策建议。然而，美国法院当前的判决图景远未统一——2025年6月，加州北区联邦地区法院在Bartz v. Anthropic案和Kadrey v. Meta案中先后认定AI训练构成合理使用，但特拉华州联邦地区法院在Thomson Reuters v. ROSS Intelligence案中作出了完全相反的认定；纽约时报诉OpenAI及微软案仍在审理中，战火已从直接侵权蔓延至帮助侵权与诱导侵权。

本文聚焦一个问题：Google方案中的版权条款，究竟是对美国现行法律的客观描述，还是借政策建议之名为自身数据优势寻求合法性背书？下文将从合理使用四要素的法理框架出发，逐层拆解分裂判决的关键分歧，透视Google从Authors Guild v. Google到AI治理方案的一贯策略，并预判"合理使用"边界的可能走向与企业合规路径。

一、法理拆解：AI训练数据使用在合理使用四要素下的真实位置

美国版权法下的合理使用（fair use）抗辩，依据《美国法典》第17编第107条，需综合考量四项要素：（1）使用的目的与性质，包括该使用是否具有商业性质或出于非营利教育目的；（2）受版权保护作品的性质；（3）使用部分相对于整体作品的数量与实质性；（4）使用对受版权保护作品潜在市场或价值的影响。四要素之间无固定权重，需个案综合衡量。

Google方案将AI训练数据使用定性为"转化性、非表达性使用"，直接锚定第一要素中的转化性（transformative）认定。这一锚定并非无的放矢——美国最高法院在Campbell v. Acuff-Rose Music, Inc.（1994）中确立的转化性使用标准，一直是合理使用认定的核心分析工具。然而，将"转化性"从具体案件事实中抽离，作为AI训练的普适性标签，这一做法本身值得审视。

第一要素：使用目的与性质——转化性的边界远未厘清

Google方案主张AI训练对原作品的使用是"转化性"的：模型不复制原作表达，而是"学习"语言模式后生成新内容。这一主张在Anthropic案中获得了法官William Alsup的明确支持——Alsup将AI训练类比为人类阅读，认定其属于"高度转化性使用"（highly transformative use）——AI训练并非为了复制或取代原作，而是学习语言模式后创造新内容。Meta案中，法官Vincent Chhabria同样认定转化性使用，但附加了一个关键限定：原告举证不足，暗示若有更强证据，结论可能不同。

然而，ROSS案给出了截然不同的回答。法官Stephanos Bibas认定，Ross用Westlaw法律摘要训练AI法律检索工具，并非转化性使用——Ross"直接复制了Westlaw的法律研究服务"，没有赋予新的意义、目的或评论。换言之，当AI产品的功能与原作品处于同一市场、构成直接竞争时，转化性主张很难成立。

分歧的核心在于：转化性的边界究竟划在哪里？学习语言模式生成新内容是否必然构成转化性？如果AI输出在功能上替代了原作品的市场角色，"学习"这一中间过程是否足以支撑转化性认定？当前判例给出的答案是：高度依赖具体事实，而非一概而论。

第二、三要素：被简化的变量

第二要素（受版权保护作品的性质）和第三要素（使用数量与实质性）在AI训练场景下往往被视为次要变量，但Google方案的简化处理掩盖了其中的法律风险。已出版的事实性作品（法律摘要、新闻报道）比创意性作品（小说、音乐）具有更宽的合理使用空间，但ROSS案表明，即便法律摘要具有一定事实性，其编辑团队的独创性表达仍受保护；Google方案将所有"公开网页数据"一揽子归入合理使用范畴，回避了作品性质差异对合理使用认定的影响。使用数量方面，AI训练几乎必然涉及全文复制——这是技术架构决定的，形式上对所有AI公司都不利；Anthropic案中Alsup法官将此因素弱化，认为关键不在复制量而在最终用途是否具有转化性，但这一弱化处理是否会被后续判例沿用，仍有待观察。

第四要素：对潜在市场的影响——最关键的分歧战场

Google方案主张AI输出不替代原作品市场，侵权问题仅限于"成品直接复制现有作品"的输出端。这一主张与Authors Guild v. Google案中"不替代原作品市场，反而促进图书销售"的逻辑一脉相承。然而，市场影响的分析框架在AI训练场景下面临根本性挑战。

Anthropic案和Meta案中，法官认为AI输出不直接替代原作品市场。ROSS案则相反——Ross的产品直接与Westlaw竞争同一法律研究服务市场。NYT案提出了更尖锐的问题：ChatGPT能生成与新闻报道高度相似甚至逐字复述的内容，这是否构成对新闻消费市场的替代？音乐领域的问题更为突出——AI音乐生成工具是否正在替代原创音乐市场？礼德律师事务所评论指出，音乐等行业更容易证明市场损害，未来诉讼中权利人证明市场损害的能力至关重要。

我们注意到，第四要素的分析存在一个尚未充分展开的维度：传统市场损害分析聚焦于AI输出是否替代原作品的直接消费市场，但未充分考量AI训练本身对版权作品许可市场的侵蚀效应。当AI公司可以未经许可使用版权作品训练模型，版权作品的训练数据许可市场便被绕过——这本身就是一种市场损害。AI内容授权交易从2022年的0笔增长至2024年的28笔、预计2026年达36笔的数据表明，训练数据许可市场正在形成。如果该市场被合理使用抗辩架空，版权持有方失去的不仅是既有收入，更是参与新市场分配的机会。

综上，AI训练数据使用在合理使用四要素下远非Google方案所呈现的"既定结论"。第一要素的转化性认定因案而异，第四要素的市场损害分析尚存结构性盲区。将"合理使用"作为AI训练的普适性标签，是对复杂司法裁量结果的过度简化。

二、判例对比：分裂判决揭示的关键分歧

2025年上半年，美国联邦地区法院在AI训练数据版权问题上交出了三份截然不同的答卷。三案在时间线上紧密相连，在裁判逻辑上却存在深层断裂。

Bartz v. Anthropic：训练可属合理使用，但盗版获取构成侵权

2025年6月23日，加州北区联邦地区法院法官William Alsup就Bartz v. Anthropic案作出即决判决。这是美国法院首次在AI训练数据版权案中认定合理使用。

Alsup法官将审查对象一分为三。训练阶段：使用受版权保护的书籍训练Claude大语言模型，属于"高度转化性使用"，构成合理使用。法官将AI训练类比为人类阅读——正如读者阅读书籍后形成思想，AI训练并非为了复制或取代原作，而是学习语言模式后创造新内容，既未复制原作的创意元素，也未复制作者可识别的表达风格。合法获取的扫描：将合法购买的纸质书扫描为数字副本用于内部研究，同样构成合理使用。盗版存储：Anthropic从LibGen、Pirate Library Mirror等盗版网站下载并永久存储超过700万本盗版书籍，不构成合理使用，构成直接侵权。法官明确写道："《版权法》中没有为AI公司开辟的例外条款。"

Anthropic案的判决结构揭示了一个关键区分：训练行为与获取行为应当分离审查。训练本身可能落入合理使用，但数据获取途径的合法性是独立判断项。这一区分对AI行业影响深远——它意味着即便训练行为最终被认定为合理使用，通过盗版渠道获取训练数据仍将面临侵权追责。

Anthropic案的事实查明揭示了一个行业普遍现象：数据获取的合法性审查往往滞后于模型训练的商业需求。尽管Anthropic在内部已意识到盗版法律风险，且后续启动了合法采购转型，但转型迟滞期间从盗版网站获取并永久存储超过700万本受版权保护书籍的行为，仍构成独立侵权。15亿美元和解金额——覆盖约50万部作品，每本书赔偿约3000美元——为行业设定了明确的风险标尺。和解协议包含"不承认不当行为"条款，需法院批准。

Kadrey v. Meta：合理使用，但裁决范围有限

Anthropic案判决两天后，同一法院的法官Vincent Chhabria在Kadrey v. Meta案中同样认定合理使用。Meta使用原告作品训练LLaMA模型，属于转化性使用；LLaMA模型本身并非对原告书籍的派生作品；原告未能举证LLaMA生成的任何具体内容与其作品构成"实质性相似"。

然而，Chhabria法官的裁决范围显著窄于Anthropic案。他明确声明，该案"不构成集体诉讼"且"不构成Meta使用受版权材料训练语言模型合法的判例"。更为关键的是，Chhabria法官强调原告举证不足——暗示若有更强的市场损害证据，结论可能不同。

两位法官在两个核心问题上存在分歧。其一，盗版数据的影响：Alsup法官将训练行为与获取行为分离审查，Chhabria法官的裁决未触及这一区分。其二，AI输出能力是否应纳入市场损害分析：Alsup法官倾向于将分析聚焦于训练行为本身，Chhabria法官则暗示输出端的市场影响可能是未来诉讼的关键战场。

礼德律师事务所评论指出，两案判决表明合理使用可以适用于AI训练，但这些裁决"并不能保证所有AI训练的公平使用，也不能赋予权利人自动获得许可费的权利"。

Thomson Reuters v. ROSS Intelligence：唯一判"不构成合理使用"

2025年2月11日，特拉华州联邦地区法院法官Stephanos Bibas在Thomson Reuters v. ROSS Intelligence案中作出了与前两案截然相反的认定：Ross使用Westlaw案件摘要训练AI法律检索工具，不构成合理使用，构成直接侵权。

案情的特殊之处在于竞争关系的直接性。Ross Intelligence开发AI法律检索工具，与Westlaw的法律研究服务处于同一市场。Ross最初请求许可使用Westlaw数据，遭汤森路透拒绝后，通过第三方LegalEase购买"批量备忘录"（Bulk Memos）——这些备忘录在内容和结构上与Westlaw高度相似。LegalEase虽明确指示律师不应直接复制粘贴Westlaw批注，但实际产出的Bulk Memos仍基于Westlaw批注构建。

Bibas法官认定，Ross对Westlaw摘要的使用"直接复制了Westlaw的法律研究服务"，没有赋予新的意义、目的或评论，不构成转化性使用。Ross试图从一款与Westlaw直接竞争的产品中获利，且没有对受版权保护材料进行重大的"重新场景化"（recontextualization）。

值得注意的是，Ross的工具并非现代生成式AI模型——未使用transformer模型或next-token prediction。但Bibas法官指出，其使用逻辑与生成式AI训练高度类似：都是用版权材料"训练"以确定对用户查询的响应。这一认定使得ROSS案的裁判逻辑对生成式AI训练场景同样具有参照价值。

分歧的核心：转化性边界与市场关系认定

三案并置，分歧的核心浮出水面：

维度	Anthropic/Meta案	ROSS案
使用目的	学习语言模式，生成全新内容	训练直接竞品的检索能力
转化性认定	高度转化性	非转化性
市场关系	AI输出不直接替代原作品	直接与Westlaw竞争同一市场
数据获取	部分合法购买+部分盗版	被拒绝许可后通过第三方间接获取

转化性使用的边界如何划定，取决于AI产品与原作品之间的市场关系。当AI产品学习语言模式后生成与原作品不构成实质性相似的新内容，转化性主张较易成立；当AI产品的功能直接替代原作品的市场角色，转化性主张则难以立足。这一区分在逻辑上清晰，但在实务中远非泾渭分明——新闻AI生成与原报道高度相似的摘要、法律AI提供与法律数据库功能重叠的检索服务，这些场景下转化性边界变得模糊。

Google方案将"公开网络数据训练属合理使用"作为既定结论，实质上抹去了上述分歧。在法院尚且逐案裁量的领域，Google用一份政策文件给出了普适性答案。

三、博弈透视：从Authors Guild到AI治理方案——Google的一贯策略

Google方案版权条款的措辞并非即兴为之。从Authors Guild v. Google到今日的AI训练争议，Google在版权领域的策略具有清晰的历史脉络：先在司法程序中赢得合理使用先例，再将司法胜利固化为行业规则，最终借政策建议推动规则向立法层面转化。

Authors Guild v. Google：合理使用先例的奠基

2002年，Google开始与美国多家图书馆合作，将图书数字化并建立可搜索的电子数据库。2005年9月，美国作家协会和出版商提起集体诉讼。2013年11月14日，纽约南区联邦地方法院认定合理使用；2015年10月16日，第二巡回法院维持原判。

该案的核心事实是：Google扫描约2000万册图书，对其中400万册具有版权的作品显示"snippets"——围绕被搜索单词的小段落。用户可在线搜索图书，查知被搜索单词的上下文和图书销售地点，但无法阅读全文。

第二巡回法院在合理使用四要素分析中作出了对Google有利的认定：使用目的具有高度转化性——将图书转化为可搜索的数据库，提供全新功能（搜索定位），而非替代原作品阅读；虽全文扫描，但仅显示snippets，不提供全文；不替代原作品市场，反而可能促进图书销售。

Authors Guild案的裁判框架可以概括为：复制→转化性使用→不替代原作品市场→合理使用。这一框架成为Google此后在版权领域推进策略的逻辑基石。

逻辑移植：从图书扫描到AI训练

将Authors Guild案与AI训练争议并置，逻辑同构清晰可见：

• Authors Guild案：扫描图书→建立搜索索引→显示snippets→不替代原作品→合理使用
• AI训练案：复制作品→提取语言模式→生成新内容→声称不替代原作品→合理使用

Google方案的版权条款正是将Authors Guild案的逻辑框架移植到AI训练场景。"转化性、非表达性使用"的定性，对应Authors Guild案中"高度转化性"的认定；"版权治理核心聚焦AI输出内容"，对应Authors Guild案中"仅显示snippets不提供全文"的限定；"沿用通知下架机制"，对应图书扫描案中"应权利人要求移除"的安排。

然而，这一逻辑移植存在一个根本性差异，Google方案刻意回避了。Authors Guild案中，Google对版权作品的使用是可观察、可验证的——snippets的长度、显示方式、是否提供全文，均有客观标准。AI训练场景下，版权作品被消化为模型权重中的参数分布，使用过程不可观察、不可验证，权利人无从判断自己的作品是否被用于训练、被如何使用。这种信息不对称使得Authors Guild案中"不替代原作品市场"的认定逻辑难以直接套用——当使用过程不可观察时，市场影响同样难以观察和量化。

从司法胜利到政策规则：策略的升级

Authors Guild案是Google在司法层面的胜利。Anthropic案和Meta案是同一逻辑框架在AI训练场景的司法延伸。Google方案则标志着策略的升级：从赢得个案，到塑造规则。

这一升级的逻辑链条清晰可辨。第一步，在Authors Guild案中赢得合理使用先例，确立"转化性使用+不替代原作品市场"的分析框架。第二步，该框架在Anthropic案和Meta案中被成功移植到AI训练场景，获得司法层面的初步确认。第三步，在判决仍处分裂、NYT案尚在审理的窗口期，将"合理使用"作为既定结论写入政策建议，推动其从司法裁判规则向行业治理规则转化。

Google方案以科林里奇困境（Collingridge Dilemma）作为理论起点——新技术监管过早或过晚都会产生巨大代价，主张依托实证数据动态调整监管规则。然而，科林里奇困境论证的是监管不宜过早定型，Google方案版权条款做的恰恰是在规则尚未定型时提前定调——理论起点与政策主张之间的这一张力，本身就是策略意图的注脚。

诉讼浪潮：博弈格局正在改写

Google方案发布之际，AI版权诉讼的博弈格局正在经历深刻变化。

纽约时报诉OpenAI及微软案（2023年12月提起）的最新进展尤为值得关注。2026年6月25日至26日间，《纽约时报》申请提交第三次修订诉状，将矛头进一步指向微软：指控微软通过构建定制化超级计算系统——包含超过285,000个CPU核心和10,000个GPU——主动诱导、帮助并促成了大规模版权侵权。微软不仅提供算力，还专门定制了用于爬取网络内容（包括NYT版权内容）的超算系统，并参与了侵权内容的选择。诉讼从"直接侵权"推向"帮助侵权""诱导侵权"或"共同侵权"的边界。

近400家美国地方报纸同时起诉微软和OpenAI，指控二者未经许可抓取、复制大量新闻文章训练ChatGPT、Copilot等AI产品。这些报纸主张，OpenAI使用"Dragnet""Newspaper"等文本提取工具时，故意剥离文章中的作者署名、版权声明和使用条款，可能违反DMCA版权管理信息保护规定。案件当前处于证据开示阶段，法官已要求OpenAI提交2000万条去标识化ChatGPT运行日志，验证"照搬原作输出是罕见漏洞而非系统性侵权"的主张。

我们也关注到，音乐领域的版权风险更为严峻。AI Watchdog调查项目披露，四个数据集累计超过2100万首音乐作品在AI开发社区中流通，涵盖Taylor Swift、Beatles、Nirvana、Billie Eilish等众多知名艺人作品。其中LAION-DISCO-12M包含1200万首，Sleeping-DISCO-9M包含900万首，后者以YouTube音乐内容和Genius歌词为核心来源，开发者使用cloudscraper绕过Cloudflare抓取限制。LAION官方声明"仅限学术研究，严禁商业落地"，但数据集一经发布，后续流向不再受控。美国《版权法》法定赔偿最高达每部作品15万美元，若按此计算，潜在赔偿额可达天文数字。

这些诉讼浪潮正在改写博弈格局。NYT案将责任链条从AI公司延伸至提供算力和基础设施的科技巨头，DMCA指控则开辟了版权管理信息保护的新战线。音乐数据集的规模和传播方式，使得"合理使用"抗辩在音乐领域面临比文本领域更大的挑战——当AI能够生成与原创音乐高度相似的旋律和歌词时，市场损害的举证将更为直接。

四、趋势预判与合规判断

"合理使用"边界的可能走向

当前判例格局下，"合理使用"在AI训练场景中的边界可能沿三个方向演进。

其一，转化性认定的精细化。Anthropic案和Meta案对转化性的宽泛认定，在后续上诉审中可能被限缩。Chhabria法官在Meta案中已明确表示该案"不构成Meta使用受版权材料训练语言模型合法的判例"，这一限定性措辞为上诉审调整留下了空间。若第二巡回法院或最高法院介入，转化性认定标准可能从"是否学习语言模式生成新内容"收窄为"是否在功能上替代原作品的市场角色"。

其二，市场损害分析的扩展。当前判例的市场损害分析聚焦于AI输出是否直接替代原作品的消费市场。随着AI训练数据许可市场的形成——授权交易从2022年的0笔增长至2024年的28笔，OpenAI已公开官宣24笔合作——法院可能将训练数据许可市场纳入第四要素的分析框架。一旦训练数据许可市场被认定为版权作品的"潜在市场"，未经许可使用版权作品训练AI将直接构成对该市场的损害，合理使用抗辩的成立空间将显著收窄。

其三，数据获取合法性与训练行为合法性的持续分离。Anthropic案确立的"训练行为与获取行为分离审查"原则，可能在后续判例中被进一步强化。这意味着即便训练行为被认定为合理使用，通过盗版渠道获取训练数据仍将独立构成侵权。15亿美元的和解金额已经为行业设定了风险标尺。

中国企业的合规判断

中国企业在AI训练数据版权合规方面，需在三个递进维度上建立判断框架。

第一层：红线——数据来源合法性是独立判断项

Anthropic案确立的"训练行为与获取行为分离审查"原则，对中国企业具有直接参照意义。无论训练行为最终是否被认定为合理使用，数据获取途径的合法性是独立判断项。通过盗版网站、未授权爬取等方式获取训练数据，在法律评价上无法被"合理使用"抗辩覆盖。数据来源合法性是不可逾越的合规红线。

在此基础上，转化性程度和市场关系构成合理使用空间的核心变量。

第二层：变量——转化性程度与市场关系决定合理使用空间

ROSS案表明，如果AI产品与原作品处于同一市场、构成直接竞争关系，转化性主张难以成立。法律检索AI使用法律数据库训练、新闻AI使用新闻文章训练、金融AI使用研报数据训练，这些场景下AI产品的功能与原作品的市场角色高度重叠，合理使用抗辩的风险显著高于通用大语言模型。企业在选择训练数据时，应按市场竞争关系进行风险分级：通用模型的风险低于垂直领域AI，创意性内容的市场损害举证难度低于技术文档。

更值得关注的是中美合规路径的结构性差异。

第三层：差异——中美合规路径的结构性分野

美国以判例法逐案推进，"合理使用"的边界在个案中动态调整；中国以立法和行政规章构建框架，《生成式人工智能服务管理暂行办法》及《网络安全技术 生成式人工智能服务安全基本要求》（GB/T 45654-2025）对训练数据合规提出了前置性要求。杭州互联网法院"奥特曼"案虽认定AI数据训练行为构成合理使用，但该案原告未主张训练语料本身侵权，中国尚未有权利人主张训练数据构成著作权侵权的生效裁判。这意味着中国司法实践对AI训练数据版权问题的态度仍处于早期形成阶段，企业不宜将个别案件的裁判结论过度推广。

合规路径的核心建议：建立训练数据来源审查机制，确保数据获取渠道合法可追溯；对训练数据按作品性质和市场竞争关系进行风险分级，高风险数据优先寻求授权；持续跟踪中美判例动态，尤其关注NYT案证据开示结果及可能的上诉审进展。

结语

Google在AI治理方案中将"公开网络数据训练属合理使用"作为既定结论写入，这一措辞的实质不是描述法律现状，而是塑造法律未来。从Authors Guild v. Google到AI治理方案，Google的策略一以贯之：将司法胜利固化为行业规则，实质效果是以行业自我监管框架替代司法裁判对"合理使用"边界的个案划定。

然而，美国法院的分裂判决揭示了"合理使用"作为AI训练普适性标签的脆弱性。转化性边界因案而异，市场损害分析尚存结构性盲区，数据获取合法性独立于训练行为合法性。NYT案将责任链条延伸至基础设施提供者，DMCA指控开辟了版权管理信息保护的新战线，音乐领域的版权风险更为严峻。

对于法律从业者而言，Google方案版权条款的最大启示或许在于：在AI版权领域，政策文件中的"既定结论"与司法裁判中的"待定问题"之间的落差，正是合规风险最集中的地带。

识别这一落差，比接受任何一方的叙事更为重要。

---

引用的文献和资料来源

1. Google, A Pragmatic Approach to AI Governance in America (June 25, 2026)
2. XJTLU知识产权信息服务中心：Anthropic案裁决分析（https://ipisc.xjtlu.edu.cn/en/news/95）
3. 新浪财经：Anthropic盗版训练数据处罚（https://cj.sina.com.cn/articles/view/7879848900/1d5acf3c406802zxi2）
4. 商务部知识产权网：Anthropic版权和解方案（https://ipr.mofcom.gov.cn/article/rgzhn/202509/1993243.html）
5. 量子位：AI"读书"合法了（https://hub.baai.ac.cn/view/46836）
6. 36氪：Anthropic与Meta的"合理使用"裁决对比（https://www.36kr.com/p/3368898169706887）
7. 山西数字资源：Kadrey v. Meta案分析（https://sxszzy.shanxify.gov.cn/article/detail/2025/10/id/9026940.shtml）
8. 礼德公告：Anthropic案、Meta案及AI训练版权问题（微信公众号）
9. 中伦律师事务所：Thomson Reuters v. ROSS案分析（https://www.zhonglun.com/research/articles/54361.html）
10. 知产力：美国首个AI版权侵权实体判决分析（https://www.163.com/dy/article/JOA15UAS051187VR.html）
11. McKool Smith：AI Infringement Case Updates（https://www.mckoolsmith.com/newsroom-ailitigation-10）
12. 东方财富：纽约时报等400家媒体起诉微软（https://caifuhao.eastmoney.com/news/20260628091926475611420）
13. 经济观察网：纽约时报更新诉状追加微软（https://m.eeo.com.cn/2026/0627/932655.shtml）
14. 新浪财经：纽约时报收窄诉讼力度（http://finance.sina.com.cn/stock/usstock/summary/2026-06-27/doc-inieutze4909385.shtml）
15. 澎湃新闻：音乐圈版权保卫战（https://www.thepaper.cn/newsDetail_forward_33494926）
16. 中国社会科学网：Authors Guild v. Google判决述评（http://iolaw.cssn.cn/fxyjdt/201701/t20170109_4647161.shtml）
17. 环球律师事务所：生成式AI训练语料著作权侵权风险（https://www.glo.com.cn/Content/2025/07-18/1423573492.html）
18. Campbell v. Acuff-Rose Music, Inc., 510 U.S. 569 (1994)
19. Authors Guild v. Google, Inc., 804 F.3d 202 (2d Cir. 2015)
20. Thomson Reuters Enterprise Centre GmbH v. ROSS Intelligence Inc., No. 1:20-cv-00613 (D. Del. 2025)

本文内容仅为专业参考，不构成正式法律意见。