AI 大模型訓練數(shù)據(jù)來源廣泛。在算力可獲得性提升以及算法同質(zhì)化趨 勢下，訓練數(shù)據(jù)成為影響大模型性能的重要因素。區(qū)別于傳統(tǒng) AI 模 型，大語言模型通常使用公共文本數(shù)據(jù)集的混合體作為預訓練語料庫，而多模態(tài)大模型則需要大規(guī)模的圖片和音視頻等多模態(tài)數(shù)據(jù)。這 些訓練數(shù)據(jù)的來源廣泛，包含公開渠道、企業(yè)自研、直接購買與合作 交換等。

內(nèi)容持有者對 AI廠商態(tài)度各異。部分內(nèi)容持有者針對 AI 平臺提出了 各種維權(quán)訴求，已有數(shù)十起版權(quán)訴訟正在進行中。同時，另一部分內(nèi) 容持有者則選擇了授權(quán)合作道路。版權(quán)糾紛實質(zhì)上是商業(yè)利益之爭， 內(nèi)容持有者具體選擇訴訟還是合作取決于其商業(yè)模式、內(nèi)容獨特性和 行業(yè)結(jié)構(gòu)等因素。作家和藝術(shù)家們普遍傾向于抵制 AI 公司并控訴其 侵權(quán)行為，而新聞媒體在版權(quán)斗爭中則難以形成統(tǒng)一陣線。

確保訓練數(shù)據(jù)的合法來源對于 AIGC 發(fā)展非常關(guān)鍵。我們在去年的 《從 Adobe 看 AIGC 如何重塑創(chuàng)意工具行業(yè)》報告中提到，訓練 數(shù)據(jù)的版權(quán)問題是 AIGC 商業(yè)化落地的重要阻礙。因此，只有解決了 這一問題，才能在確保合法的前提下，推動生成式 AI 的商業(yè)落地。

從 2023 年下半年開始，AI 數(shù)據(jù)版權(quán)訴訟開始進入白熱化階段，而 內(nèi)容合作則于 2024 年上半年加速，表明過去一年中版權(quán)問題已經(jīng)成 為 AI 領(lǐng)域的焦點，并且相關(guān)法律問題正在被逐步揭示與嘗試解決。

2024 年有望成為 AI訓練數(shù)據(jù)版權(quán)之爭的關(guān)鍵年。關(guān)于 AI 訓練數(shù) 據(jù)版權(quán)訴訟，國內(nèi)外尚未達成判例，重點案例的判決將對未來行業(yè)發(fā) 展產(chǎn)生重要意義，需持續(xù)關(guān)注。同時，越來越多的公司正在明確其立場，顯示出行業(yè)整體對于訓練數(shù)據(jù)版權(quán)問題重視程度的提升。2024 年有望成為 AI 數(shù)據(jù)版權(quán)之爭的關(guān)鍵年，將會有更多訴訟、談判和合 作展開，但未來授權(quán)合作或快于法律變革與監(jiān)管介入。

附件：計算機行業(yè)淺析AI大模型訓練數(shù)據(jù)來源與版權(quán)挑戰(zhàn)- AI訓練數(shù)據(jù)版權(quán)之爭,版權(quán)問題重視程度的提升