投了OpenAI上百亿,微软却在法庭上说:这是＂人类史上最大盗窃＂!

9月17日，一批法庭文件解封。

里面有句话出自微软一位高管之口，形容AI公司抓互联网数据训练模型这件事——

"人类史上最大规模的劳动力盗窃。"

微软，OpenAI最大的投资方，往后者身上砸了超过一百三十亿美元。

金主在法庭文件里骂自己投的公司是小偷。这个画面就有意思了。

一、被征用的不只是代码

大多数人以为"AI训练数据"就是GitHub上的开源代码、Stack Overflow上的技术问答。这些确实在被大量使用。

但法庭文件披露的规模远超想象：OpenAI的训练数据集中，仅《纽约时报》、纽约每日新闻和调查报道中心的作品就有91,692份被完整复制。另一个代号为"Project Mango"的数据集，包含了至少160,903篇来自新闻媒体的文章。

模型学会了人类的表达方式，然后把这套能力打包，卖给下游的"AI客服""AI写作助手""AI陪聊"。

更关键的是，文件显示OpenAI员工曾讨论“如何绕过《纽约时报》付费墙直接查看付费内容”的方法。当研究员Nick Ryder告诉Greg Brockman他找到了"绕过NYT付费墙的hack"时，Brockman回复："ah nice。"

整个过程，内容创作者不知情，没同意，也没拿到一分钱。

二、为什么是微软的人先说

答案很现实：微软自己也拥有大量被AI公司盯上的内容。

Windows技术文档、Office模板库、LinkedIn上几亿篇职场文章、Bing的搜索索引——当别家AI公司免费抓走这些去训练竞品模型，微软就成了受害方。

所以这句"盗窃"不是道德觉醒，是利益冲突。微软在法庭上争的，是自家内容能不能被白用。

但这句话无意间戳开了一个更大的口子。微软CEO Satya Nadella在今年的证词中说："任何付费墙后面的内容，任何想用它的人都应该获得许可。"他还表示，如果早知道OpenAI抓取了付费墙后的内容来训练，他会要求OpenAI重新训练模型。

文件还披露了一组数据：微软自己的Copilot导致《纽约时报》来自Bing搜索的点击率下降了最多93%。微软内部将这种下降称为"doom loop"（死亡循环）。

以前是平台用你的内容赚钱，现在是平台和AI公司一起用你的内容赚钱，而你依然是那个免费的。

三、普通人能做什么

老实说，目前能做的有限。

关于AI训练数据的诉讼，原告都是有版权资产的大机构——《纽约时报》告OpenAI、Getty Images告Stability AI（该案已于2023年和解）。普通人没有任何工具查询自己的内容被喂进了哪个模型，更没有分账或退出的机制。

但有一些微小的转向正在发生。

GitHub上的开发者开始修改开源许可证，明确禁止AI训练使用；Reddit在2023年宣布API收费，部分原因就是抵制AI公司免费抓取用户讨论；有些内容创作者把内容从公开平台搬到了付费墙后面。

单独看，每一个动作都小到可以忽略。但它们指向同一个方向：

互联网运行了二十年的"默认共享"规则，正在被重新谈判。

四、这场谈判没有你的座位

一个不舒服的事实是，关于"AI能不能用你的数据"这场谈判，谈判桌上没有普通人。

大公司和AI公司打官司，争的是版权费和市场份额。无论判谁赢，钱都流向公司，不会流向在大众点评上写了三年餐厅评价的你。

这场博弈的终点，大概率是大公司之间达成某种分账协议——你用我的内容训练，付我授权费。普通人产出的那部分语料，会被打包进"公开互联网数据"这个模糊概念里，继续被免费使用。

OpenAI ChatGPT负责人Nick Turley在内部通信中承认，这类产品对出版商构成"existential threat"（生存威胁），且"将在变得更好的过程中越来越具替代性"。

所以那句"人类史上最大规模的劳动力盗窃"，说得很重，但它的适用范围可能比说话的人想承认的更广。

被盗的不只是大公司的版权资产，还有几亿普通人二十年里免费写下的字。