诺奖得主斯蒂格利茨就OpenAI版权案发问，十年后谁还愿写被白嫖的真话

关于OpenAI公司版权侵权诉讼案（In re OpenAI, Inc. Copyright Infringement Litigation）可能会成为近几年来关于AI版权类别中最重要的代表性案例。因为这个案件不仅合并了针对OpenAI和Microsoft提起的十二起案件——原告包含了《纽约时报》以及大量书籍作者和剧作家，而且越来越多的行业团体、学者、艺术家、创意工会、AI公司、政府官员提交了“法庭之友意见书”。在判决宣布之前，该案呈现了其中所涉及利益的广泛性和多样性，某种程度上，也将决定未来“信息的生产模式”会如何。

这些意见中最著名的就是2026年9月美国司法部的一份“利益声明”，它旗帜鲜明地表示：用受版权作品训练大模型“原则上属于合理使用”，且补充了一句更现实的考量，即强制许可只会削弱美国与对手国家的AI竞争力；而另一边是二十多位版权法学教授的意见，他们认为AI训练不是转化型适用，受保护的表达与原告作品中的根本事实和思想密不可分，因此被告构成侵权。

与此同时，2001年诺贝尔经济学奖得主、哥伦比亚大学教授约瑟夫·斯蒂格利茨（Joseph Stiglitz）也参与其中。他在法学家的侵权论证和司法部的产业政治逻辑之外，提出了一种可以计算、也更冷静的问题：如果法院认定AI使用版权内容“不违法”，十年后还有没有人愿意写那些被白嫖的真话？

信息不是普通商品，而是公共品

斯蒂格利茨的出发点也是他毕生研究的命题：信息具有极强的外部性。

所谓外部性，是指一桩交易的成本或收益效果发生在第三方身上。例如工厂排污、路人吸霾，成本由社会承担，这是负外部性；养蜂人让隔壁果园增产，果园主没有付钱，但收益增多，这是正外部性。

斯蒂格利茨教授认为，信息的外部性极强。传统新闻业中一篇深度调查报道可能耗时数月、耗资百万，但读者看完转述给朋友，朋友免费获得；自媒体把事实重新包装，免费拿走流量——原创者都无法捕获全部价值。

而现在，一个大模型把文章读进去，把事实、叙事、判断压成了参数，再回答给千万用户的问题，用户自然不会再访问原来的媒体平台了。

媒体原本就是靠着点击、订阅、广告反哺下一轮有价值的报道，可当“信息”的绝大部分收益都外溢给平台、聚合器和AI系统，生产成本几乎却仍几乎全部留在原创者这里，这门生意就做不下去了。

因此，信息不是普通商品，而是具有公共品属性——一个人用不妨碍别人用，也很难拦住别人用。所以在纯商业性质的市场里，信息生产一定供给不足的，因为没人愿意持续花钱做一件让全世界免费打车的事情。然而传统新闻业依靠着“内容吸引读者、读者吸引广告”的模式，形成了一套能够使信息生产运转起来的补偿机制。

然而生成式AI的出现，把这套补偿机制最后的回流切断了。

信息越高效，真相反而越少

斯蒂格利茨最鲜明的观点体现在其早年提出的格罗斯曼–斯蒂格利茨悖论（Grossman–Stiglitz paradox）中：在金融市场中，如果价格已经把所有人掌握的信息都完美反映出来，理性人就失去收集信息的动力；可如果没人收集信息，价格就无法持续更新、完美反映市场情况。因此，价格机制在信息传递中存在内在冲突——价格既能汇总市场信息，又依赖于个体主动收集信息的能力。

在这个理论中，信息越“高效”，生产新信息的激励越趋近于“零”。

斯蒂格利茨教授将同一套逻辑搬进AI与内容生态中。大模型可以让“已有信息”空前可达，用户提问，答案自动且快速合成，用户根本无需点开任何原文。短期看是效率飞跃，但长期却可能触发一种“反效果”：媒体如果拿不到点击，广告缩水，调查报道团队就会被裁员，原创供给减少；大模型训练语料里如果“高质量人类知识”的新增内容变少，系统开始更多依赖于自己生成的文本，质量将会衰减。

他在模型里设置了几个变量：

信息传输效率

平台甲流注意力的比例

用户辨别真假的能力

制造谎言的相对成本

AI的出现，就会同时把前两个变量推高、后两个压低，即传播更快了，平台拿走的注意力更多，普通人更难分辨真假，而造假的边际成本则越来越趋近于零。

其结果并非大多数人以为的“知识大爆发”，而是更可能滑向一种“信息丰富、知识枯竭”的颓势：屏幕上充斥着似乎是用户需要的答案，但生产真相和知识的产业却在萎缩。他甚至提出“信息崩塌”的风险边界作为预警。

当然，斯蒂格利茨教授并非做出“AI必然毁灭新闻业”的结论，也不是反对效率本身。他的论点是附有条件的：在缺乏溯源、归因、授权结算机制的前提下，放任“免费抓取-合成输出”将会系统地掏空信息产业的上游。风险不在于模型发展本身，而在于制度没有跟上模型的发展。

给判决一个“未来维度”

美国司法部（DOJ）之所以支持AI产业的“合理使用”，焦虑的是“竞争力”。如果训练被认定侵权，美国AI产业会减速，国家安全受损。所以它把训练与输出分开，把市场损害收窄至“是指相似替代”。

而法学家之所以反对“合理使用”，担忧的是“创作者的主体地位”。版权法的底层契约是：法律赋予创作者有限的垄断，换取其向社会贡献表达。如果人类的学习过程需要订阅、付费、购买、交学费，那么AI公司为什么可以绕开这个过程，直接获取应当付费的内容？AI在这个过程中并非一种“产业”，而是与人类创作者并行的“竞争者”。

DOJ假设“创新速度”是最高价值，法学家认为“创作与回报的契约”更为重要，但斯蒂格利茨则将目光放在了可见的“未来”。他潜在地用问题回应了DOJ的观点：创新所依赖的原料是谁生产的？将来还会不会有人继续生产？他用模型和计算结果动摇了DOJ那种“普惠叙事”——AI让知识更便宜，所以应当免费使用。他警告说，普惠不能建立在透支公共资源的基础之上。信息就像一片森林，免费砍树做纸的话，纸确实可以便宜，但不会再有人种树了。版权制度本来就是让种树人有所回报的机制。因此为了维持信息能够成为源源不断且高质量的产出，既不能禁止砍伐，更不能让人以“合理使用”的名义随意砍伐。

所以，这位经济学家给出的法律结论很克制：不是一概禁止AI训练，而是谨慎适用“合理使用”，把输出端的替代、对原创市场的侵蚀、以及可建立的授权机制一并纳入判断。创新的收益不该只按资本和技术进行分配，也要让内容的原始生产者被激励。借用他附录中的比喻：做饼的人，不能连饼渣都拿不到。

过去的案例中对于“合理使用”的分析习惯以当下的“这一次适用对整个市场”的影响为思路，DOJ也是这个框架。但大模型训练是大规模、跨年代的，现今用的信息决定了未来模型回答世界的方式；而未来模型回答内容的深度、质量甚至真伪，则不仅取决于技术，更取决于现今的高质量信息是多是寡、是真是假，其责任链条或许可以追溯这一类AI版权案件的判决结果。

科技公司在上市估值时通常默认“训练数据免费”，几乎拿信息当“空气”。但斯蒂格利茨用经济学分辨了信息的特殊性：信息的背后，是有人持续花钱、冒风险、负责任所形成的一条供应链。AI公司如果只做抽取者，无法对其上游进行回馈，长期来看也是在消耗自己乃至全人类的生产资料。

一个比“是否合法”更难的提问

从法律角度，OpenAI等AI科技公司很难绕过现行版权逻辑，但美国国家竞争的逻辑会力争把这条路拓宽。斯蒂格利茨的意见则在质疑问一个经济学问题：我们真的愿意活在一个“创作者寥寥无几、模型互相喂养”的信息世界里吗？如果答案是不，那么怎么能让信息生产有所回报？

这也是不同国家监管路径背后的一个重要逻辑和亟需解决的问题：并非一定要保护既得利益者，而是要保护下一代的知识、艺术、信息的原创者和说真话的人。

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