浅析欧盟AI模型训练中数据爬取问题的法律框架与案例

训练 AI 模型需海量数据，其中包含大量受版权保护内容。未经授权使用此类作品训练 AI 是否构成侵权？各法域路径迥异：美国主要依据“合理使用”原则个案判断；欧洲则主要取决于 AI 公司能否援引《数字单一市场版权指令》（DSM 指令）中的两项版权例外。

本文将聚焦欧盟法律框架与司法实践，重点解析两个核心问题：AI 公司在何种情况下可未经授权进行模型训练？权利人如何作出有效的权利保留（opt-out）以阻止抓取？

欧盟 DSM 指令将“文本与数据挖掘”（TDM）定义为通过自动化分析数字文本和数据得出信息的技术。鉴于 TDM 通常涉及复制受版权保护作品，DSM 指令第 3 条和第 4 条规定了两种不构成侵权的例外情形：

一是“科学研究”例外（第 3 条）：研究机构和文化遗产机构出于科研目的，可复制其合法获取的作品进行分析。此例外具有强制性，即使权利人声明反对亦无效。

二是“一般”例外（第 4 条）：任何主体（含商业公司）均可对合法获取的作品进行复制提取，前提是仅用于批量数据分析。与科研例外不同，该情形允许权利人通过“适当方式”作出权利保留（opt-out）。若权利人事先声明拒绝，训练方不得援引此例外。

关于“适当方式”，指令仅要求为“机器可读（machine-readable）”，具体标准留待后续解释，这也成为司法争议的焦点。

2024 年欧盟《人工智能法案》第 53 条进一步明确了 AI 公司的两项核心义务：其一，采用最先进技术识别并遵守权利人的 opt-out 声明；其二，公开详细的训练内容摘要。

为此，欧盟 AI 办公室于 2025 年推出两份配套文件：

《通用人工智能行为准则》：签署并遵守该准则可被推定为履行了识别 opt-out 的义务。

训练内容公开摘要模板：要求披露数据来源。针对网络爬取数据，必须列出所用爬虫、时间段及爬取量前 10% 的域名清单。

此外，针对“机器可读”标准模糊的问题，欧盟委员会计划发布“普遍认可的机器可读选择退出方案清单”，明确符合标准的 opt-out 方式，以指导合规实践。

欧盟多国法院近年审理了多起涉及 TDM 的案件，以下选取代表性案例梳理两项例外的适用边界。

被告从新闻网站 RSS 抓取信息提供推送服务。原告虽在 robots.txt 中屏蔽了部分 AI 爬虫，但未屏蔽被告使用的爬虫。荷兰法院认定，原告的权利保留方式对被告不发生效力，被告可援引一般例外抗辩，判决驳回原告诉求。

被告抓取新闻建立搜索索引。二审法院认定，该行为属于 TDM，且仅保留词汇、链接等索引数据而非作品副本。加之原告未以适当方式作出 opt-out，被告行为不构成侵权。

被告为构建数据集临时下载图像进行比对后删除。涉案图片网站仅在用户条款中以自然语言禁止抓取。德国二审法院明确，“机器可读”要求声明能被程序自动解读为 opt-out 从而跳过抓取，而自然语言声明无法满足此标准。因此，原告声明无效，被告不构成侵权。

原告在网站以自然语言声明禁止挖掘，但未在 robots.txt 中屏蔽。丹麦二审法院认为，有效的 opt-out 必须是“机器可解释”的，即机器能将其解读为权利保留并停止使用。单纯的自然语言声明虽可被读取但无法被自动解释，故不构成有效 opt-out，被告行为不侵权。

OpenAI 将歌词用于训练 GPT-4，模型可完整输出歌词。德国一审法院认定侵权，理由有二：首先，歌词以“记忆化”形式嵌入模型参数并可复现，超出了“数据分析”范畴，不属于 TDM 例外；其次，AIGC 输出行为构成对作品的复制和传播，责任应由模型提供者承担。

Gemini 聊天机器人在回答中复现了新闻报道的实质性内容。该案已提请欧盟法院作出先决裁决，核心争议包括：生成式 AI 输出是否构成向公众传播？训练是否构成复制？能否援引一般例外？以及责任归属问题。此案判决将对欧盟 AI 版权规则产生深远影响。

综合上述案例，欧盟司法实践呈现两大特点：

第一，TDM 豁免的关键在于使用形式与目的。若仅为临时分析或建立索引且不保留作品副本，易被认定为例外情形；若涉及永久存储并复现作品（如“记忆化”），则倾向于认定侵权。

第二，有效 opt-out 的标准趋严。单纯的自然人语言声明难以被认定为有效，权利人需关注欧盟即将发布的“机器可读方案清单”，采用符合技术标准的声明方式。

欧盟正逐步构建兼顾 AI 发展与版权保护的制度框架，随着相关清单出台及欧盟法院裁决落地，两项版权例外的适用边界将更加清晰。

转载声明：好文共赏，如需转载，请直接在公众号后台或下方留言区留言获取授权。如需引用文中观点、数据或评述，亦请提前联系我们取得授权。请勿随意摘编、节选或改编本文内容。