大模型技术的突破性进展，使人工智能从“判别式”走向“生成式”，其能力跃升的关键在于海量训练数据的“投喂”。然而，现行知识产权与数据保护法律制度在设计之初并未预设大规模机器学习的数据使用场景。制度供给与技术发展之间的张力，已在大模型产业实践中引发大量争议与诉讼。2025年至2026年间，美国、德国、中国等地相继出现涉及AI训练数据版权侵权的标志性案件，从美国作家集体起诉六大AI巨头，到德国慕尼黑法院认定OpenAI未经授权使用歌词训练模型构成侵权，再到上海知识产权法院审结首例涉AI大模型著作权侵权案，司法实践正在逐步勾勒训练数据合规的法律边界。
关于第三方版权的合法获取与使用边界
（一）训练数据中的版权侵权风险
大模型训练通常需要将海量文本、图像、音视频等数据复制到训练服务器中进行预处理和模型训练。这一“复制”行为本身即可能落入《著作权法》第10条所规定的复制权控制范围。更关键的是，训练数据中如果包含受著作权法保护的作品，而开发者未取得著作权人许可，则可能构成侵权。
（二）合理使用的适用争议
大模型训练使用版权作品是否构成“合理使用”，是当前最具争议的核心法律问题。我国《著作权法》第24条采用封闭式列举的立法模式，规定了十三种可以不经许可且不支付报酬的使用情形。将大模型训练纳入其中任何一种情形均面临解释困难。有学者指出，大模型训练使用在先作品的行为“既不能直接归入'合理使用'，更不能扩大解释为'法定许可'”。
（三）合规路径选择
面对合理使用制度的不确定性，大模型开发者可从以下路径构建版权合规体系：
第一，授权许可模式。 通过与版权人、版权集体管理组织达成许可协议，取得训练数据的合法使用权。这一路径在法律上最为稳妥，但面临授权成本高、权利人分散、谈判效率低等现实障碍。
