背景

美国政府依据《美国法典》第28编第517条，在纽约南区联邦地区法院针对OpenAI利用受版权保护作品训练大语言模型的多区合并诉讼中，提交了一份《美利坚合众国利益陈述意见书》。这是联邦政府在一系列人工智能训练版权案件中首次直接介入案件。并建议法院将基于受版权保护文本的模型训练（有别于利用人工智能生成输出内容的行为）视为现行法律下具有高度转换性质的合理使用。

在此之前，美国版权局版权登记官兼局长希拉．佩尔穆特（Shira Perlmutter）于2025年5月发布预出版版本报告——《版权与人工智能（第三部分）：生成式人工智能训练报告》。此前该局已经发布过关于数字复刻以及作品可版权性的系列分报告。正如之前发给客户的警示文件所述，该报告认为，合理使用制度能否适用于生成式人工智能训练，需要结合个案事实予以判断，裁判结果取决于所用作品、训练素材来源、模型用途、模型输出内容以及相关许可市场等考量要素。

此后不久，特朗普政府试图罢免佩尔穆特，由此引发了关于版权局监管权以及总统是否有权撤换由国会图书馆馆长任命和罢免的版权局局长的诉讼。2026年6月30日，联邦最高法院驳回政府提出的中止哥伦比亚特区巡回上诉法院裁定的申请。该巡回上诉法院的裁定准许佩尔穆特在诉讼进行期间继续履职。这也保留了美国版权局正式发布第三部分最终版报告的可能性，正如我们此前关于该裁决及其影响的法律简报中所讨论的那样。

上述背景，叠加政府去年发布的《美国人工智能行动计划》，清晰体现出：在版权局出具更为审慎、需结合个案事实研判的分析意见之后，行政机构在本案庭审中持支持人工智能训练的立场。这也凸显，人工智能训练问题现已既是版权法议题，也是政府层面的政策优先事项。

这份法律意见书还将“合理使用”置于更宏大的国家政策讨论框架下。政府将人工智能发展（更具体而言，即大语言模型的研发）与国家安全、经济竞争力、科学进步以及美国在新兴技术领域的领导地位挂钩。政府警示，若由司法机关设定训练行为的许可义务，或将拖慢美国本土人工智能发展，壮大外国竞争对手，并使市场向有能力承担大规模许可成本的企业集中。

对企业客户而言，本次提交文书的意义在于，它把政策讨论转化为诉讼主张。政府并未将人工智能训练相关问题交由宽泛的事实范畴，而是倡导一项实务裁判规则：法院应当将模型内部训练行为与对外输出成果相区分；在不存在替代性使用受保护表达的独立行为前提下，不得仅因使用受版权保护文本训练大语言模型，就认定构成侵权。

政府的主张

政府方的论点基于众所周知的“合理使用”原则，但意见书对该原则的适用方式将实质性地缩小训练阶段版权主张的范围。随着“OpenAI诉《纽约时报》”诉讼案件迈向简易判决阶段，以下四点可能最为关键：

·训练行为与输出成果：政府主张，合理使用必须针对每种具体使用情况分别评估，因此，为训练模型开展的内部或中间复制行为，不应与可能复刻受保护表达的面向公众的输出结果同等对待。该区分至关重要，因为原告常常以涉嫌侵权的输出内容、摘要或模型记忆复刻文本，反过来质疑训练行为本身；该意见书敦促法院，通过针对输出结果的补救措施来解决任何输出问题。

·大语言模型训练属于高度转化性的使用：意见书将训练描述为利用文本识别语言模式、关联性及预测信号的过程，而非取代底层作品的表达目的。从这一角度看，模型训练的使用在性质上不同于阅读、展示、销售或再出版受版权保护的作品本身。

·商业用途不具备决定性：政府承认许多大语言模型产品具备商业属性，但同时提出，当被诉使用行为具备转化性，且未向公众披露受保护表达时，商业属性所占权重应当降低。该立论旨在让合理使用第一项考量因素聚焦训练本身的目的，而非人工智能开发主体的商业模式。

·损害需体现替代效果，而非一般性竞争关系：针对合理使用第四项市场损害要素，意见书不认可如下观点：即同题材人工智能生成作品，或是人工智能内容带来的更广范围竞争，本身就构成版权法意义上的损害。相反，政府认为，构成版权层面的市场损害，必须满足存在实质相似性、替代受保护表达，或是破坏与涉案作品直接相关、可被认可的衍生市场。

此外，政府并未否定自愿许可模式，也未排除未来通过立法解决问题的路径，但提出：法院适用现行法律裁判时，不应把尚未形成定论的政策问题，转化为适用于全部训练场景的强制性许可制度。

与美国版权局预出版的第三部分报告的差异

最关键的背景在于，两份文件诞生于同一届政府的政策环境，但核心导向存在实质性差异。特朗普政府试图罢免希拉．佩尔穆特（Shira Perlmutter）前夕，版权局于2025年5月发布预出版第三部分报告，报告认为生成式人工智能训练的合理使用判断高度依赖个案事实，而非可以得出一刀切结论。

第三部分报告认可合理使用可能保护某些训练用途，特别是那些不会导致受保护表达被复制的非商业性研究或分析。但报告同时警示：从盗版渠道复制表达类作品，生成可在市场参与竞争的无限制输出内容，在许可渠道本可合理获取的情形下，这类训练行为大概率不能成立合理使用。报告将训练素材来源、模型用途、输出防护机制、正在发展的许可市场，视作合理使用分析的核心事实要素。

与之相对，政府提交的意见书要求审理OpenAI案件的法院，将训练定性为内部的转化性使用，把输出成果、素材获取、许可问题割裂为独立事项。该立论与第三部分报告相比发生重大转向：不再考量各类训练场景的差异，转而确立宽泛规则——仅使用受版权保护文本开展训练本身，不应认定为侵权。

这一转向在许可问题上尤为突出。版权局认为自愿许可市场尚在发展，提出若持续存在市场缺口，可考虑集体许可方案。但政府意见书警示，法院设定许可义务会削弱美国人工智能竞争力，并巩固大型既得利益者的地位，从而使许可主要成为立法或商业问题，而非司法层面的合理使用要求。

二者在市场损害认定上同样存在显著分歧。第三部分报告将潜在许可市场、参与市场竞争的输出成果纳入合理使用的考量范围；而政府意见书否定宽泛的“市场稀释”理论，提出人工智能带来的竞争，不会构成第四项要素下可被认定的市场损害，除非输出内容与受保护表达实质相似或形成替代。

影响与启示

该政府文件对法院并无法律约束力，也并未终结多起人工智能版权诉讼中悬而未决的合理使用争议。但它仍很可能影响OpenAI诉《纽约时报》案及关联纠纷的法律文书撰写：一方面为被告提供可援引的联邦官方政策立场，另一方面也让版权方提前知悉己方需要回应的抗辩逻辑。

·对于人工智能开发企业与企业级使用者：该文书强化了如下抗辩主张——当模型不会泄露受保护表达时，训练阶段的复制行为可构成合理使用。但这并不等同于绝对免责：基于素材取自盗版、模型记忆复刻内容、输出实质相似、不当使用版权内容等事实提起的索赔请求，仍有可能根据具体事实成立。同时法院也有可能驳回意见书的相关主张，完全不认可人工智能训练适用合理使用抗辩。

·短期来看，各利益相关方应当留存训练数据来源、模型防护机制、许可历史、输出管控措施，以及所有已核实的复刻、替代类案例证据。相较于抽象讨论人工智能的利弊，上述事实更将主导下一阶段合理使用诉讼走向。（编译自www.jdsupra.com）

翻译：吴娴　校对：刘鹏