《紐約時報》訴 openai 的著作權案裡，聯邦行政部門沒有選擇旁觀。川普政府向紐約南區聯邦地方法院遞交一份約二十頁的書狀（brief），公開替 ChatGPT 製作方辯護：以未授權的著作權材料訓練 llm，應落在合理使用（fair use）範圍內。這不是判決，也不是國會立法；但它把「美國必須維持全球 ai 領導地位」寫進法庭文件，讓這場原本像是媒體集團與模型公司的商業訴訟，瞬間多了一層國家競爭敘事。
書狀寫得相當直白。文件強調，美國對建立強健且具競爭力的人工智慧產業有強烈利益，並引用總統去年簽署的行政命令裡「維持全球人工智慧領導地位」的表述。換句話說，政府不是只在討論某一家公司有沒有抄報紙，而是把 model-training 的資料規則，直接連結到產業政策與國際話語權。TechCrunch、Reuters、The Hill 與多家美媒同日轉述這份介入；共同讀法幾乎一致：行政部門選擇站在模型公司這一側。
書狀到底在辯什麼：不是「可以偷」，而是「訓練算不算轉換」
著作權爭論的核心，從來不是「模型有沒有看過別人的文章」——幾乎所有前沿 foundation-model 都在海量文本上做 pre-training-objective|預訓練，資料庫裡本來就塞滿書籍、新聞與其他媒體內容，而且多數沒有逐一取得授權。出版方（本案是紐時）主張：未經許可把受保護作品餵進訓練集，就是侵權。模型公司則主張：這屬於 [fair-use-ai|AI 合理使用](/dictionary/fair-use-ai|AI 合理使用)，因為訓練目的不是複製原文去取代原作，而是學習語言統計規律，再生成新內容，性質上「轉換」夠強。
聯邦書狀選的正是後面這條路。文件警告，若以錯誤理解的合理使用法理去限制 llm 發展，將阻礙創意與科學進步，並傷害美國的繁榮與經濟流動性。這句話很關鍵：它把法律解釋錯誤的代價，從「某家新創輸官司」抬升到「國家產業被卡住」。對法庭來說，這仍只是一份 amicus / 行政立場文件；對市場來說，這等於告訴投資人與出版商——至少在華府當前敘事裡，無授權訓練不是自動等同違法。
你如果是第一次碰到這場辯論，可以用一個更生活化的對照：人類讀一百本小說再寫出第一百零一本，通常不被當成「盜印」；但機器用同一批文本做梯度更新，權重裡是否「記住」了原句、輸出時會不會整段再現，才是法官真正要拆的技術與法律細節。書狀顯然傾向把訓練類比成「閱讀後再創作」，而不是「整庫搬運後再販售」。
為什麼 Anthropic 那筆十五億看起來像反證，其實不是
去年，法官 William Alsup 在作家集體訴訟裡，讓 anthropic 付出約十五億美元的著作權和解金。表面上看，這像是「訓練侵權會被重罰」；細讀判決邏輯會發現相反：重罰的主因不是「用書訓練模型」，而是公司透過非法影子圖書館（shadow libraries）盜版取書的取得方式。Alsup 甚至寫下幾乎被業界背誦的句子：像有志寫作的讀者一樣，Anthropic 的 llm 讀作品不是為了超車去複製或取代它們，而是轉過一個硬彎，創造不同的東西。
這條區分現在變得異常重要。紐時案與其他出版商訴訟，真正想打穿的是「訓練本身」；Alsup 路線則把火力集中在「你怎麼弄到資料」。聯邦書狀若被法官認真參考，等於強化「訓練可轉換、盜版取得仍有罪」的雙軌結構。對模型公司的法務與資料工程團隊，這不是抽象法學——它直接決定預算要花在授權談判、資料清洗與出處稽核，還是賭「訓練全開、來源別被抓到」。
也正因如此，企業採購與內容供應鏈正在重新定價風險。願意付授權費的實驗室，會把「乾淨資料」寫進模型卡與採購問卷；仍依賴灰區爬蟲與影子來源的團隊，則面對更高的合規爆炸半徑。十五億不是「訓練稅」，比較像「盜版稅」；但若紐時勝訴並把訓練本身打成侵權，那才會變成真正的訓練稅——每一個 token 背後的文本權利金，都可能改寫 API 與訂閱的成本曲線。
這份書狀的法律力道：有多重、又有多空
先講清楚邊界。案件在紐約南區聯邦地方法院審理，行政部門這份書狀的作者並沒有對該案的裁判權；它不是裁定，也不能直接改寫著作權法條文。法官仍可完全不採納其論點。TechCrunch 也特別點出：介入「可能仍有分量」，但分量來自政治訊號與法庭心理，不是來自強制效力。
分量從哪裡來？第一，同一週美國還在 G20 脈絡推 Carolina Principles，強調不要另立新的 AI 監管機構、偏向自願框架；行政部門在著作權戰場替無授權訓練站隊，與「少造新衙門、多留產業空間」的敘事同向。第二，chatgpt、claude、gemini 這類主流對話產品，底層都依賴類似的大規模 training-data 假設；若法院採納「訓練即侵權」，受影響的不會只有 OpenAI。第三，出版商與作者集體訴訟已成產業日常成本，聯邦公開站隊會改變和解談判的籌碼分配——原告更難把「國家利益」說成與己無關。
空的地方在哪？第一，合理使用是高度個案化的四要素分析，不是一句「轉換」就能蓋章。若原告能證明模型大量 verbatim 輸出紐時原文、或產品功能實質取代訂閱，轉換論就會變薄。第二，行政命令與產業政策論述，未必能說服專注於著作權法教義的法官。第三，若國會後續另立資料授權或透明度義務，法庭辯論可能被立法超車。換句話說：書狀拉開的是談判空間，不是終局勝利。
對開發者、內容商與採購方，這週真正該改的判斷
如果你在做產品，最實際的問題不是「川普政府挺不挺 OpenAI」，而是你的資料來源能不能在「Alsup 區分」下站得住。影子圖書館、明顯盜版種子、付費牆整庫鏡像，風險等級與「公開網頁爬取後去重、過濾 verbatim」完全不同。就算訓練最終被認定較接近合理使用，取得方式仍可能單獨構成責任。聯邦站隊降低的是「訓練本身被一刀切定罪」的政策風險，不是替你洗白髒資料。
內容商這一側，策略會分裂。有人會加快授權產品化——把新聞庫、圖庫、專業資料包成可計量的訓練授權；有人會加倍押訴訟與禁制令，賭法院不買行政敘事。對中間商與資料標註供應鏈，這意味著「文本能不能追到原始權利人」開始變成賣點，而不只是內部稽核項。採購企業若把 closed-source-llm 當核心業務依賴，現在就該在合約裡問清楚：供應商是否有進行中的重大著作權訴訟披露、資料譜系保證、以及一旦敗訴時的服務延續條款。
還有一層更現實的帳：若訓練最終被廣泛認定接近合理使用，出版商的談判槓桿會從「禁止你訓練」轉成「你要用高品質、低糾紛的語料，就得付費」。這會讓授權市場長得比較像資料庫訂閱，而不是一場全有全無的禁制令戰爭。反之，若紐時拿下對訓練本身不利的關鍵裁定，實驗室可能被迫加快合成資料、授權語料與檢索增強（rag）的組合，減少把受保護全文直接壓進權重。無論哪一邊贏，產品形態都會變——只是帳單出現在授權費、和解金，還是出現在更多的檢索基礎設施上。
另一條容易被忽略的線，是開源與閉源的不對稱。閉源實驗室可以靠授權預算與和解金換時間；open-source-llm 社群若被要求同等授權成本，本地部署與學術複現可能立刻變貴。聯邦書狀口口聲聲講競爭力與科學進步，但法庭若只放過大廠、卻讓小團隊與開源權重承擔不成比例的合規成本，最後得到的「領導地位」會長得很扭曲。
和本週其他政策訊號怎麼拼在一起看
把時間軸拉開一點會更清楚。美國在 G20 前後推 Carolina Principles，核心是不要新的 AI 監管機構；同日前後又有 Huang 與 Altman 閉門會把相關原則寫進算力路線圖 的產業動作。如今行政部門再在紐時案遞交挺訓練的書狀，三件事拼起來是同一條主線：用「國家競爭力」當最大公約數，盡量把資料、算力與模型迭代留在既有商業與自願框架裡，而不是另起一套強監管機器。
這條主線對讀者最有用的解讀是：短期內，美國政策風向偏向讓前沿實驗室繼續用大規模語料訓練；中期變數仍在法官與國會；長期則看出版商能否把「授權即產品」做成可持續收入，而不是只靠訴訟威懾。若你追的是 API 帳單與產品路線圖，接下來最該盯的不是再多一篇政治評論，而是紐約南區法院後續排程、雙方是否擴大提出模型輸出 verbatim 證據、以及是否出現新一輪媒體授權交易公告。
一句話收斂：二十頁書狀沒有把合理使用寫成鐵律，但它把「無授權訓練是否當然違法」這個問題，從純私法爭議，推進成帶有產業政策色彩的國家敘事。判決還沒來；籌碼已經重了。