微软高管称AI抓取为‘人类历史上最大的劳动盗窃’，最新未删节文件揭示

# 微软高管称AI抓取是“人类历史上最大规模的劳动盗窃”，最新解密文件揭示 | TechCrunch 来源：https://techcrunch.com/2026/09/17/microsoft-exec-called-ai-scraping-the-largest-theft-of-labor-in-human-history-new-unredacted-filings-reveal/ 《纽约时报》三年前起诉OpenAI和微软的版权诉讼案中，最新解密信息显示，微软高管曾私下承认AI抓取等同于盗窃，并指出AI产品对出版业构成重大威胁。 诉讼文件指出，微软高管曾将公司的AI训练实践称为“盗窃”，而OpenAI领导层也承认，其AI模型对那些作品被用于训练的出版商和记者构成了“生存威胁”。 解密材料还详细说明了这两家公司如何通过绕过付费墙、大规模抓取构建训练数据集，以及刻意删除训练数据中的版权信息来获取和使用这些内容。 需要指出的是，新增信息主要来自《纽约时报》的诉讼摘要，而非仍处于封存状态的原始证据材料。以下引用均脱离了原始语境。 这份解密文件标志着这起持续三年的诉讼再度升级。《纽约时报》最初指控这两家公司通过生成式AI模型使用其内容训练侵犯了版权法。 AI公司能否合法使用版权材料训练AI目前尚无定论，但法官大多倾向于支持AI公司的“合理使用”抗辩。这一法律原则允许在特定情况下（如戏仿、新闻报道或批评）未经许可使用版权作品。本月早些时候，特朗普政府提交了一份法庭之友意见书，为OpenAI未经许可使用版权材料训练大语言模型进行辩护。 然而，新增的多项承认与OpenAI的合理使用抗辩相矛盾，特别是该原则要求使用行为不得替代或损害原作市场。例如，微软自身数据显示，其Copilot“答案引擎”使《纽约时报》网站的点击率较传统Bing搜索最高下降了93%。微软应用科学总监布伦特·赫克特2024年1月撰写的内部演示文稿将此描述为“死亡螺旋”，称其将“同时损害我们的模型表现和整个网络生态”。 微软文件中引用的诉讼内容指出：“最终产品威胁其核心供应商的经济基础极为罕见，但这正是我们为大语言模型业务创造的‘内容供应链’现状。” 微软CEO萨提亚·纳德拉今年早些时候也在证词中表示：“任何付费墙内容，使用者都应该获取许可……用于语境锚定或训练”，并明确表示如果得知OpenAI抓取并训练了付费墙后的内容，他会“行使[微软要求OpenAI重新训练模型的]权利”。 其他承认内容也动摇了合理使用原则的其他支柱：OpenAI ChatGPT负责人尼克·图利在内部通讯中写道，出版商面临来自这类聊天机器人的“生存威胁”，它们具有“高度替代性”，且“随着性能提升将越来越具替代性”。 OpenAI总裁格雷格·布罗克曼称这些模型“非常擅长处理新闻”。纳德拉今年早些时候宣誓作证时也同意，与聊天机器人对话“已经替代了……在AI平台上直接获取信息，而无需访问原始来源”。 这种表述揭示了该技术如何可能直接竞争而非转化原作。 微软文件指出，生成式AI“确实存在重大风险”，可能“严重扰乱那些为生成模型提供数据的人们的就业”。 复制规模之大令人震惊。文件首次披露，仅OpenAI的中期训练数据集就包含超过91,692份来自《纽约时报》《每日新闻》和调查报道中心的作品副本。而源自Common Crawl的数据集中，仅nytimes.com的文档就超过200万份。 赫克特在2023年1月的内部备忘录中称之为“规模空前的惊人盗窃”，是“人类历史上最大规模的劳动盗窃”。 文件详细说明了OpenAI和微软获取原告内容的方式，包括从Bing索引中抓取。 诉讼文件显示：“OpenAI将完整的GPT-3训练数据集交付给微软，微软用以评估如何在其商业产品中应用OpenAI模型。微软同样通过‘出租车计划’和‘芒果计划’向OpenAI提供训练数据。” 据称这两家公司通过芒果计划将数据整合为包含至少160,903份新闻出版商独特作品的训练数据集。 为最大化抓取效益，OpenAI员工据称制定了绕过付费墙而不被检测的计划。文件显示，当OpenAI研究员尼克·莱德向布罗克曼提及“绕过《纽约时报》付费墙的技巧”时，布罗克曼回复：“啊不错。” 据称OpenAI员工还构建了过度依赖抓取新闻内容的WebText和WebText2等训练数据集，并从免费开放的网页抓取数据库Common Crawl中获取了数百万篇文章。研究人员认为不应让模型向用户输出“版权信息”，因此据称在数据进入模型前会刻意删除训练数据中的版权声明。 OpenAI和微软未回应置评请求。 *当您通过文章中的链接购买时，我们可能获得小额佣金（https://techcrunch.com/techcrunch-affiliate-monetization-standards/）。这不影响我们的编辑独立性。*