过去两年，围绕生成式人工智能的版权争议，几乎都在“训练”阶段展开。出版商、作家、摄影师和音乐人反复向AI讨要说法：我的作品是不是悄悄被囊括进AI大模型的训练中？这场争论塑造了Bartz 诉Anthropic、汤森路透诉ROSS案、纽约时报诉OpenAI等标志性案件的基本叙事，也催生了授权谈判、集体管理机制和机器可读退出协议等一整套应对方案。

但进入2026年，高质量公开语料基本已经被AI模型爬完，继续堆砌语料收益也在递减，AI与版权的触点开始转向了“输出”。当用户向生成式AI提问时，系统会实时检索网络内容，把原文片段放进上下文，在重组生成答案。这个过程被称为“检索增强生成”（RAG）。用户看到了一个最能回应当下需求的“摘要”，而出版商失去的却是一次本该属于自己的点击、广告曝光以及与读者的关系。

2026年11月3日，欧盟法院（CJEU）总法律顾问Maciej Szpunar就首个提交该法院的生成是AI版权案件——Like Company诉谷歌案——出具非约束性意见，核心判断就是：

AI训练或许合法，但输出可能侵权。

一、LikeCompany案：欧盟法院系统第一次认真切割“输入”与“输出”

案件本身并不复杂。匈牙利出版商LikeCompany指控谷歌的Gemini在回答用户问题时，实时获取其新闻文章，并生成与原文高度相似的摘要，从而替代了用户访问原站的需要。Google 的辩护延续了一贯口径：模型只是学习语言规律，输出是原创表达；出版商已经通过控制机制享有选择和退出权。

Szpunar把案件拆成两层，而且刻意不让两层互相掩盖。

首先是训练环节：建议不受理，而非直接放行。

第一层是训练。Szpunar认为，本案缺乏证明相关文章确实进入训练集的事实基础，因此训练相关问题不予受理。但他同时给出附带判断：在文本与数据挖掘（TDM）例外框架下，使用受版权内容训练模型，原则上可以被允许——前提是内容合法可及、权利人没有有效保留、开发者采取了防止逐字回忆的技术措施。

这一层其实对大厂相当友好。它相当于承认：单纯把公开作品喂给模型，不当然侵权。

真正的焦点在推理端，Szpunar提出两个测试要件：

1、获取方式是否正当。如果Gemini绕过付费墙或其他技术保护措施去读取文章，那么即便原文“公开可搜”，也不产生默示授权。总法律顾问明确驳回了“没设屏障就等于同意”的逻辑——这是一个直接打在行业习惯上的否定。

2、输出是否构成“表达性替代”。这里不需要逐字复制，只要侧面对比能够识别原作的表达形式，且用户看完AI答案后不再需要打开原文，就可能侵害新闻出版者权。换言之，版权保护的是具体表达，一旦AI把“具体表达”重新包装后承接了原作的市场，权利人的专属权就被架空了。反过来，仅传递相同事实而以不同形式表达，不当然侵权；个别词语与极短片段亦在保护之外。

需要强调的是，这条红线是“情形测试”，不是本案结论。Szpunar的意见划出了标准，但本案事实仍有待于匈牙利法院结合事实予以认定。

这份意见的意义，在于第一次在欧盟法层面确认：训练中的复制与推理中的复制，是两种不同性质的使用；前者原则上可适用欧盟《数字单一市场版权指令》（DSM）中对于“文本与数据挖掘”（TDM）的例外规则，但后者必须单独接受表达权评价。

二、美国四大厂的“训练退出令牌”

就在LikeCompany意见出炉前一周，2026年10月30日，OpenAI、谷歌、微软和Anthropic联合宣布支持一种新型“策略令牌”（policy token）机制。网站只需在robots.txt里加一行__usage_ai-training的声明，就可以一次性禁止所有主流AI爬虫把内容用于训练，不必再逐个配置GPTBot、ClaudeBot、Google-Extended。

从技术治理看，这确实是个进步。它把分散在四家企业之间的退出机制，整合成一个机器可读、跨爬虫生效的统一机制，治理接口从“双边”合同前移到公共协议层。

但关键是，这一机制只覆盖训练，不覆盖搜索，更不覆盖推理时调用。也就是说，四大厂用“训练端让步”置换了“推理端自由”。现在AI行业的商业模式正在从“训练模型”转向“推理服务”，AI真正值钱的是实时把出版商内容接进答案里。至少在目前，训练退出的姿态是低成本的，而AI公司仍主动保留了最有价值的推理。

值得注意的是，欧盟《AI法案》本身对于AI公司的版权义务，也是双轨的。

根据《AI法案》第53条与《通用人工智能实践准则》（GPAI Code of Practice），签署方需要履行五项核心版权义务，第4项是“降低生成亲爱群内容的概率”，已经将推理端和输出端的版权风险写进了强制性义务。只是病诶呦细化到RAG该如何。

再叠加LikeCompany意见的信号，欧盟不会只满足于“训练端”合规，下一步一定会追问“输出内容”是否侵权。生成式AI的检索日志、引用账本、输出来源溯源，会从技术运维数据，慢慢变成合规证据资产。

三、中国科技公司版权合规拐点：从训练到推理

LikeCompany案的意见与四大厂的训练退出令牌，表面上是欧美市场内部的法律博弈，但对于正在加速出海的中国AI企业而言，这两件事共同指向一个不可回避的趋势：AI版权合规的重心，正在从“训练端”向“推理端”迁移——这套变化就是直接的合规变量。

过去两年，企业的版权合规大多集中在训练阶段：数据来源分类、授权链条梳理、训练摘要的披露等。中国出海模型在训练端的合规建设已经有了实质进展。部分模型已开始按欧盟 GPAI 模板披露训练内容摘要，公开爬虫标识，建立数据治理流程。这些动作仍然必要，他们构成了进入欧盟市场的基础门槛。

但如果只盯着训练端，可能会错过正在到来的下一波监管浪潮。

Szpunar意见的核心贡献，不在于它对某个具体案件作出了最终裁决，而在于它在欧盟法层面第一次把“训练中的复制”与“推理中的复制”拆成了两个独立的法律行为，并为后者画出了一条可供检验的归责路径。这条路径的底层逻辑是：模型可以学习知识，但不能替身表达；可以检索信息，但不能接管市场。如果AI的输出开始系统性替代原作的功能——无论是新闻报道、学术论文还是文学创作——版权法的传统工具仍会激活。

与此同时，四大美国厂联合推出的训练退出令牌，虽然是一个积极的技术治理信号，但它刻意回避了推理端的调用问题。出版商退出训练后，其内容仍可能被实时检索、摘录、重组进答案。这种“训练可退出、推理不可控”的结构性不对称，迟早会成为下一轮争议的焦点。

对于中国企业来说，这意味着合规重点要有所扩张甚至转移。训练端的透明度是入场券，但真正的竞争壁垒，可能落在“推理过程的可审计性”上——也就是能否证明自己的模型在每一次回答中，都清楚知道自己借用了谁的内容、借了多少、有没有越界。

在一套细化的推理合规标准出台之前，应当积极寻求理解和应对出版商的这类诉求，这也是一个值得认真对待的战略窗口。

本文来自微信公众号“Internet Law Review”，作者：张颖，36氪经授权发布。