徐偲骕郭泰维以平台为方法重思AI训练数据利益分配之争数字出版研究理论探索专题文章

2  分析盲点：作为关键利益方的互联网内容平台

3  两对关系、两种困境

司法诉讼只能以相互妥协的方式解决少数个案，修补既有制度裂纹。不同利益之间的主体只有通过大规模合作才能形成稳定的新产业格局。旧的生产力必须抓住时间窗口，寻找新的定位，将自己重新融入产业链中，从零和博弈转向共生演进，才能以激励相容的方式存续。举例来说，机构媒体与AI企业并非竞争对手，前者可利用在线新闻资源谋求转型成为“语料数据要素供应商”，借助“新闻数据财产权”成为上游“卖家”，从而在AI产业中确立自己新的生态位。为了提高媒体数据要素和数据产品的质量，新闻业也必须提升报道本身的质量和经营的数字化水平，夯实新闻生产的核心能力，构成良性循环。几乎在《纽约时报》起诉OpenAI的同时，美国道琼斯公司（Dow Jones & Company）旗下的AI搜索工具Factiva宣布与全球近4 000家新闻媒体签订生成式AI使用协议，其中涉及报纸、杂志、在线新闻等媒体，包括美联社、《华盛顿邮报》《华尔街日报》等，本质上形成了一个新的数据要素市场。当媒体机构通过契约创新建立新的数据供应链时，也完成了数字时代“新闻专业主义”的功能升维。

相比机构媒体，内容平台则需要承担更关键的连接职能——在创作者与数据要素市场之间搭建可信的交换通道。实践表明，单方面通过格式条款变更既有授权内容的应用场景，不仅难以维系创作者信任，反而容易引发权利关系紧张，阻碍数据要素供求关系的建立和健康稳定运行。要突破此困境，既需在数字生产关系中重塑各方权益平衡机制，又应通过市场化手段构建可信任的价值分配网络，特别是为个体创作者基于数据要素贡献参与分配提供通道。

4.1 共票理论：创作者收益分配机制的理论基础

《关于构建数据基础制度更好发挥数据要素作用的意见》（以下简称《数据二十条》）提出了数据资源持有权、数据加工使用权、数据产品经营权“三权分置”的制度设计，但在当前平台化生态中，数据资源持有权往往被平台通过格式条款垄断，加工使用权和经营权则向AI产业倾斜，导致创作者权益虚化。有学者提出，可借助“共（共享与协作）票（各类权益证明）理论”等相关知识资源和先进的区块链技术，通过收益凭证（Token）构建数据知识产权登记制度，在数据要素流通共享中实现科学合理的收益分配。其突破性在于跳出传统所有权框架，转而关注数据流通中的动态权益分配。例如传统版权法仅保护“表达形式”，而共票理论则通过语义层和风格层的价值挖掘，如AI对内容的解析与重组，重新定义创作者在数据要素中的核心地位。这使创作者在数据再生产链条中持续保持价值主张能力，从而构建更具可持续性的数字创作激励体系。

共票理论的核心逻辑与Web3.0 的“用户主权”理念高度契合，为数据权益分配提供了更开放、透明的技术底座，使“平权分配”从理论构想落地为技术规则，该理论的实践价值已在产业场景中获得验证。2023年已有平台企业开始为优质版权内容贡献者发放收益凭证，写入了区块链智能合约。后者可以记录数据要素价值的增值情况，在路径明确的基础上扩大价值传播链条，实现数据要素价值收益最大化。用户在平台完成作品创作后，按照通用数字格式转换内容，获取唯一的数字资产收益凭证，作为该数字资产在AI学习过程中的唯一资产确权结果，在后续的内容运营及权益分配中充当主张收益的依据。在内容运营全生命周期内，该凭证会记录内容转化及销售行为——譬如外部AI接口的调用，并对其贡献进行数值化记录。模型调用其数据时需通过链上协议完成授权，每一次AI训练数据的提取与商业化应用均触发智能合约的自动结算。结算收益时，智能合约会针对创作者对该数字资产的贡献进行公平、可信的价值分配，保障原创作者的创作成果收益。值得注意的是，该机制并未改变作品的开放共享属性——无论是知识共享许可内容还是受限访问作品，创作者均能通过要素贡献确权机制维护其核心权益，这在事实上实现了数据要素流通与创作者权益保护的制度性兼容。

三权分置框架本质是通过产权解耦激活数据要素的流动性。在Web3.0分布式架构下，技术和制度的协同创新也为破解“数据冻土”困境提供了新思路。平台中介与私有化的数据完成解耦，升级为去中心化的数据枢纽，为用户代理行使数据资源持有权和数据访问的授权。中小AI企业可以借助联邦学习与区块链实现跨平台数据协同，在合规框架下访问多源数据池，依法享有数据的加工使用权，同时通过Token激励机制动态反哺数据贡献者，构成了数据产品经营权的合法源头之一。“三权分置、分级授权”的闭环机制很好地响应了Web3.0对可信环境的追求。

可见，基于区块链技术的数字权益分配机制能够重构数据要素的价值分配模式，打通传统版权与数字资产之间的堵点，解决个人创作者在数字内容生态中的收益失衡问题，实现创作者、平台、企业等多方主体在数据流通与商业化中的公平参与和利益共享。散落在互联网生态中的个体原创内容真正转化为可持续增值的数字资产——成为能够带来经济利益的资源，为内容参与AI数据要素市场提供了入场券。实践表明，相比单方垄断数据权益的封闭模式，这种开放透明的分配架构更能降低授权摩擦成本，有效激励数据要素价值链条上的各主体充分共享资源，降低数据知识产权流通的合规成本，激发数据要素生态的活力。未来还需通过立法细化三权的行使边界，例如明确数据资源持有权不可被平台单方面要求让渡，加工使用权的授权需以透明议价为基础，而经营权收益应通过智能合约实现按比例分配。

4.2 避让原则：撬动平台参与数据要素市场

在数据三权分置的制度框架下，平台企业作为原始数据处理者，本可以凭借其“数据资源持有权”深度参与数据要素市场，通过向下游产业生态提供初级数据产品或数据接口来创造价值。《数据二十条》也明确鼓励互联网平台企业发挥带动作用，促进与中小微企业双向公平授权，共同合理使用数据。然而在当前实践中，头部平台普遍持观望态度，积极性并不高。首先，因为平台商业数据多为个人数据，较为敏感；其次，为维护AI领域的竞争优势，多数平台更倾向将用户数据封闭在自有生态体系内，而避免向具备技术优势与创新动能的中小科技企业开放，尤其对已实施封闭式管理的数据库平台而言，其数据共享意愿更低。这显然不利于数据资源的市场化配置和“协同”“复用”“融合”，限制了初创中小AI企业参与公平竞争。

如果平台倾向于内循环，不愿意开放生态或参与数据要素市场，创作者群体将面临被排除在数字经济红利分配体系之外的系统性风险，被整体抛弃。对于用户敏感个人数据，技术上鼓励数据共享的方式已经十分丰富，在隐私计算理论下，联邦学习等“数据可用不可见”的多方操作已经可以保证数据在不出本地的情况下输出企业所需的计算结果。但对于各种类型的内容平台而言，深层顾虑犹存：如AI能够复现版权作品，可能导致高辨识度作品的特异性被解构，导致市场上出现大量类似的产品或内容，从而稀释原创作品的独特价值，替代了原IP的消费，招致诉讼风险，降低投资回报。在实践中，ChatGPT已经开始对知名IP适用“避让原则”，限制机器对特定IP进行定向学习和用户的生成指令。这些作品的原创度经过了市场检验和公众认可，是人类社会的智力财富，技术提供者理应在训练时就承担事先注意义务，选择“主动避让”。在汤森路透诉罗斯智能一案中，法院也认为训练数据使用不得导致生成内容与原作品形成竞品关系，例如音乐类模型应规避生成与版权歌曲高度相似的旋律，新闻类模型则需限制事实性报道的细节还原度等，以实现市场隔离。

要实现这种规避，机器学习环节须对版权作品采取选择性吸收策略——或完全规避相关训练样本，或进行局部特征提取与模糊化处理——若完全屏蔽相关数据，则会切断内容权利人从平行的数据要素市场获得分配的新经济机会。避让原则的根本目的在于防范生成阶段的实质性内容复制，并不排斥必要的学习行为，优质IP的数据特征必然有助于智能模型臻于完善，但需有偿获取而不能被无偿掠夺。对非著名IP内容，则适用于事后救济原则，当权利人发现AIGC导致自身作品被稀释或者混淆，可以发起投诉，由技术提供者采取必要救济措施。将上述规则落实为法定义务，可降低平台数字内容参与数据要素流通的风险，提高其积极性。

4.3 以平台为方法：劳动与AI关系的一种分析框架

回回到“整体性紧张”，音乐、影视等行业的协会或集体组织相比个体固然具有更大的议价能力，可以向AI企业发起法律“战争”，索取补偿，但其互联网业态的专业性局限显著。当前，各类作品皆以流媒体平台为载体完成市场流通，离开数字化传播的本地硬拷贝已失去商业价值。当下的数字平台已然超越了传统交易市场的范畴，承担着生产要素流通等诸多职能，已成为“治理结构中的新层级”。可以说，平台化是创作者遭遇AI侵权的起点，同样也可以是他们与AI产业之间新型价值链的中介架构。实现这种价值转换的核心依托，在于充分发挥大型互联网平台在内容聚合与分发服务方面的基础设施功能，它们承担了基本的创作者内容数字化集成工作，为数据要素化完成了初步准备。因此，解决AI训练数据与个体创作者之间的利益分配问题，应当形成行业组织与平台企业的协同效应：前者的作用是在内容一级市场上协调用户和平台间的利益，后者则在数据二级市场上作为内容数据的受托者，为创作者运营数据资源。

由此延伸观察，脑体之分和是否有强大集体组织的存在，可能已经难以有效阐释人工智能时代劳动者与技术发展的动态关系。当前的观察重点应转向职业场景是否已经平台化，以及平台化程度的高低，这也挑战了以往认为平台利用算法将劳动者困在系统中的常规看法。以司机和厨师为例，网约车司机群体的职业活动具有显著平台化特征，其行车路线、驾驶行为等数据被平台系统化沉淀；相较而言，缺乏平台运作机制介入的后厨作业，其参与数据要素市场的机会就要小得多，成本也更高。这种差异意味着当数据交易二级市场完善时，前者相较餐饮行业将更具备与AI开发者（如自动驾驶企业）进行价值博弈的先发优势。医疗领域的对比同样具有典型意义：依托线上诊疗平台完成数字化赋能的综合内科医生群体，其数据聚合形成的议价筹码，相较于以独立执业为主、直面AI学习算法和手术机器人的外科医生群体显然更占优势。

5  余论

有学者主张避免对机器学习行为实施强力监管，认为由此衍生的数字创新可能为原始权利人创造附加市场收益，且“社会自我调节机制”能够消化市场损害。这个观点是存疑的，其一，AIGC已经开始出现劣币驱逐良币的现象，具体表现为低质量的AI产出内容逐渐挤压人类创作内容的展示空间，形成流量争夺态势；其二，生成者利用AI注册大量复制账号，积少成多，以量取胜，几乎覆盖文字、图片、视频等所有内容模态。这些内容可能还会再被AI抓取、学习，完成“垃圾”内容的迭代。这显然并没有增进公共福祉，相反还增加了社会获取优质信息内容的成本和难度。在AI生成物可版权性尚有争议的情况下，创造出新的市场还有待时日，遑论原始内容权利人的其他市场收益可能。更需关注的是，大量相似的产品或内容一定会稀释原有内容的独特性和价值，替代市场对原有内容的消费，直接挤压权利人的生存空间和降低获得回报的预期。市场充斥着大量低质量和高度同质化的内容，也会降低整体文化质量，消费者难以区分原创内容和AI生成的内容，从而造成市场效率下降和消费者福利损失。

损失是即刻而确定的，所谓的社会自我调节则是尚未发生和飘忽的，如果放任人类内容生产被贬抑为“旧质生产力”而淘汰，实质上是以对创作者权益的剥夺来换取技术开发者的单边收益，这种激励结构的冲突难以调和。其后果同样是抑制创新——人们不会再有动力耗时费力从事文化艺术的学习和创作（因为相比机器学习效率太低）。人类通过线性文本书写和阅读训练出的理性思考与逻辑推理能力，即“阅读脑”，将被依赖即时问答与碎片化信息处理的“数字脑”所取代，人们不再需要从文本的连续流中建构意义。人类最后一次产业升级的代价，可能会是整个人类文明。

最后，两级市场的建立还需要抓紧时间窗口，在有效的市场机制尚未成型前，可能所有已经数据化的人类文明就已经被“非法兴起3.0”消耗殆尽，届时再寻求建立权益分配规则，其实施条件已然消解。而且由于数据要素市场迟迟无法形成清晰的数据确权、交易规则和合理的定价机制，创新者对于合法获取生产资料的实际成本缺乏稳定的预期，以小数据集蒸馏等方法开展的低成本训练也势必使得人类知识尚未按数据要素贡献获得合理分配就遭遇了“折旧”和“平替”，这种实质性替代会造成真实的损失。有必要提及的是，技术创新可在数据要素市场缺位时暂时弥合供需矛盾，但此类技术本质上是对既有数据资源的二次挖掘与提纯，若原始创作者群体和高质量数据源头长期缺乏公平合理的权益分配机制，将导致其进一步萎缩，最终蒸馏法也会“难为无米之炊”。本文认为，数据要素市场的制度建设需与技术迭代同步推进，为DeepSeek式的创新提供合规且可持续的数据供应链。