电力、水资源与冷却：训练现代 AI 的真实成本

目前在联邦法院进行的法律博弈，早已超越了金钱或授权费的范畴。这是一场关于在生成式模型时代，“创作”究竟意味着什么的根本性斗争。多年来，科技公司几乎畅通无阻地抓取开放网络数据，认为其庞大的运营规模能赋予它们某种事实上的豁免权。但那个时代已经结束了。纽约和加州的法官们现在必须裁定：机器能否像人类学生从教科书中学习那样，从受版权保护的材料中学习？还是说，这些模型仅仅是高速剽窃的精密引擎？裁决结果将决定未来十年互联网的经济结构。如果法院裁定训练属于“转换性使用”，那么目前的快速发展轨迹将继续；如果裁定训练需要针对每个数据点获得明确许可，那么构建大规模系统的成本将飙升。这是自文件共享时代以来最重大的法律紧张局势，且其赌注涉及人类知识与表达的基石。 界定“合理使用”的边界几乎每场重大诉讼的核心都是“合理使用”（fair use）原则。这一法律原则允许在特定条件下（如评论、新闻报道或研究）未经许可使用受版权保护的材料。科技公司辩称，其模型并不存储原始作品的副本，而是学习词汇或像素之间的数学关系来创造全新的内容。这就是业界所谓的“转换性使用”。他们援引了此前涉及搜索引擎的裁定，认为搜索引擎被允许索引网站是因为它们提供了新服务，而非取代原始内容。然而，包括大型新闻机构和艺术家群体在内的原告方认为，生成式系统截然不同。他们声称这些模型旨在直接与被训练作品的创作者竞争。当用户要求 AI 以某位在世作家的风格写故事时，模型实际上是在利用该作家的毕生心血，并可能取代其未来的收入。这些案件中的程序步骤与最终裁决同样重要。在法官对案件实质作出裁决之前，必须先处理驳回动议和证据开示请求。这些早期阶段迫使科技公司披露其使用的数据及处理方式。许多公司此前以商业机密为由对训练集保密，但法院现在正在剥离这些秘密。即使案件最终达成庭外和解，证据开示阶段公开的信息也能为未来的监管提供蓝图。我们看到举证责任正在从创作者转向科技巨头。法院不仅在审视 AI 的最终输出，还在审视整个数据摄取流程，包括数据如何被抓取、存储，以及过程中是否绕过了数字版权管理工具。这些技术细节将构成整个行业新法律标准的基础。 数据权利的国际分歧当美国法院聚焦于“合理使用”时，世界其他地区正走在不同的道路上，这为全球科技公司创造了一个碎片化的法律环境。在欧盟，《AI 法案》引入了严格的透明度要求，强制要求公司披露训练所使用的受版权保护材料，无论训练在何处进行。这与依赖事后诉讼的美国体系形成了鲜明对比。欧盟的方法具有前瞻性，旨在模型发布前就防止版权侵权。这种理念差异意味着，在旧金山合法的模型在柏林可能就是违法的。对于全球用户而言，这意味着你所在地区可用的功能将越来越依赖于当地对数据主权的解读。一些国家甚至在考虑“文本与数据挖掘”豁免条款，专门允许 AI 训练以鼓励本地创新，而另一些国家则在收紧边境以保护国家文化遗产。创新速度与所有权之间的紧张关系，在跨国运营的公司中表现得最为剧烈。如果英国法院裁定抓取数据违反了数据库权利，公司可能不得不对服务进行地理围栏限制，或从模型中删除英国公民的数据。这并非理论问题，我们已经看到多国监管机构因隐私担忧暂时封禁了某些工具。这些案件的法律框架往往忽略了数据流动的实际现实。一旦模型训练完成，在不从头开始重新训练的情况下，几乎不可能让模型“遗忘”特定信息。这种技术局限性使得法院的裁决后果更加严重。单一裁决可能实际上迫使公司销毁价值数十亿美元的产品。这就是为什么许多公司现在争先恐后地与大型出版商签署授权协议，试图在充满不确定性的时代购买法律保障。 代码与创作之间的摩擦要理解实际的利害关系，不妨看看插画师 Sarah 的日常。她花了十五年时间发展出一种独特的视觉风格，将传统水彩技法与现代数字纹理相结合。一天早上，她发现一个新的 AI 工具，只需输入她的名字，就能生成完全符合她风格的图像。客户开始问，既然花几分钱就能得到“Sarah 风格”的图像，为什么要支付她的费用？这就是许多读者对该主题的困惑。他们认为法律已经保护了 Sarah，但事实并非如此。版权保护的是特定作品，而非通用风格或“氛围”。目前的诉讼正试图弥合这一鸿沟。Sarah 不仅仅是在为一张图而战，她是在为掌控自己的职业身份而战。这就是为什么争论显得如此真实——这不仅是关于抽象的代码，更是关于当机器能在无需经历人生体验的情况下模仿人类输出时，人类如何维持生计的问题。商业后果远不止于创意艺术。软件开发者正面临代码助手带来的类似危机。这些工具在数十亿行公开代码上进行训练，其中许多代码的许可协议要求署名。当 AI 向开发者建议一段代码时，往往会剥离这些署名。这为使用这些工具的公司制造了法律雷区。开发者可能会在不知情的情况下将受版权保护的代码插入专有产品中，从而导致未来巨大的责任风险。版权污染的风险现在是企业法务部门的重中之重。一些公司甚至禁止在任何生产代码中使用生成式 AI，直到法院提供更明确的指引。他们正在等待一个信号，即使用这些工具不会导致可能拖垮业务的诉讼。这种谨慎态度正在减缓那些本应提高效率的工具的普及速度。BotNews.today 使用人工智能工具进行内容研究、撰写、编辑和翻译。 我们的团队审查并监督整个过程，以确保信息有用、清晰和可靠。 即时效率的承诺正受到法律风险现实的制约。 《纽约时报》起诉 OpenAI 和微软的案件就是这种冲突的典型例子。时报认为，AI 模型可以逐字逐句地复现其文章的整段内容，这破坏了作为其新闻业命脉的订阅模式。如果用户能从聊天机器人那里获得深度调查报告的摘要，他们就没有理由访问原始网站。OpenAI 反驳称，这种“回吐”是漏洞而非特性，他们正在努力修复。但对时报而言，损害已经造成。训练过程本身就是侵权。此案很可能上诉至最高法院，因为它触及了版权法的根本目的：法律的存在是为了鼓励人类创作新作品，还是为了促进使用这些作品的新技术的发展？没有简单的答案，任何决定都会让一方感到被背叛。 所有权与同意的未决问题用苏格拉底式的怀疑态度审视这一局势，会发现法院可能无法处理的更深层问题。如果一个模型是在人类集体产出的基础上训练的，那么结果到底归谁所有？我们必须质疑，现有的为印刷机和广播时代构建的法律框架，是否具备管理一个基于统计学运行的系统的能力。允许少数巨型公司摄取世界数据，其隐形成本是什么？如果我们赋予创作者对其数据的完全控制权，是否会冒着创造一种“许可文化”的风险，即只有最富有的公司才买得起 AI 训练？这可能导致创新被繁琐的授权要求所扼杀。相反，如果我们允许自由抓取，是否会摧毁创造模型所需高质量数据的激励机制？系统最终可能会因让最优秀的人类贡献者失业而自我枯竭。我们还必须考虑版权讨论中常被掩盖的隐私影响。训练数据往往包含从未打算公开的个人信息。当法院裁定抓取数据在版权法下合法时，是否也无意中为大规模搜集个人身份信息开了绿灯？法律体系倾向于将这些问题分门别类，但在 AI 世界中，它们密不可分。这项技术的核心存在着深刻的“同意缺失”。大多数人并没有意识到，发布一张照片或写一篇博客文章，就等于在为一个可能终有一天会取代他们的商业产品做贡献。法院被要求对已经发生的过程追溯性地应用“同意”原则。这对任何法官来说都是一个艰难的处境。他们正试图在车辆以时速一百英里在高速公路上飞驰时进行维修。 你有什么想让我们报道的AI故事、工具、趋势或问题吗？ 向我们提交你的文章想法 — 我们很乐意听取。 技术缓解与本地部署对于高级用户和开发者而言，法律的不确定性导致了对本地存储和主权模型的兴趣激增。如果你不能信任云服务提供商能始终站在法律正确的一边，那么合乎逻辑的步骤就是本地运行模型。这绕过了关于数据保留和 API 限制的许多担忧。现代工作流正越来越多地整合检索增强生成（RAG），将模型锚定在用户自己的私有数据上。这种技术允许模型在生成响应前先在本地数据库中查找信息，确保输出基于经过验证、授权或个人的来源，而非通用训练集的浑浊深处。这种向本地执行的转变是对集中式 AI 法律和隐私风险的直接回应。它允许在一个更可控的环境中运行，其中每一条数据的来源都是已知且可记录的。API 限制和数据政策也在响应法律环境而发生变化。许多提供商现在为企业客户提供“零保留”层级，承诺其数据不会被用于训练模型的未来版本。然而，这些层级通常伴随着高昂的溢价。法律合规的成本正直接转嫁给用户。开发者还必须应对复杂的模型“吐出”（disgorgement）世界。这是一种法律补救措施，法院可命令公司删除在非法获取的数据上训练的模型。对于在特定 API 之上构建整个业务的开发者而言，模型突然消失的威胁是灾难性的风险。为了缓解这一点，许多人正在关注像 Llama 3 这样的开放权重模型，它们可以托管在私有基础设施上。这提供了专有 API 无法比拟的稳定性。AI 世界的极客部分不再仅仅关注基准测试和