浅析欧盟AI模型训练中数据爬取问题的法律框架与案例

2019/790,以下简称DSM指令)中两项与数据爬取相关的版权例外。本文将模型?其二，权利人若不希望自己的作品被用于AI模型训练，应如何作出有1美国相关代表性案件包括：(1)ThomsonReut2025年2月简易判决，认定以Westlaw案例提要训练AI法律检索工具不构成合一、法律框架1.欧盟DSM指令欧盟DSM指令第2条将“文本与数据挖掘”(textanddatamining,以下简称“TDM”)定义为“通过自动化分析数字形式的文本和数据从而得出模式、趋势、相关性等信息的技术”2。文本与数据挖掘，通常需要复制他人的文本和数据来实现。而被复制的材料中往往包含受版权保护的作品。按照版权法的一般规则，未经权利人事先授权，不得复制其作品。在此背景下，DSM指令第3条和第4条规定了分别适用于两种不同场景的TDM行为的版权例外。在符合上述例外情形时，使用人即使未经授权复制他人受版权保护的作品，也不构成侵权。第一种是“科学研究”例外情形：根据DSM指令第3条，研究机构和文化遗产机构出于科学研究目的，可以复制其合法获取的作品用于分析。即使权利人事先声明反对，也不影响该例外的适用。第二种是“一般”例外情形：根据DSM指令第4条，任何主体(包括商业主体)可以对合法获取的作品进行复制和提取——前提是其使用目的仅限于批量数据分析，而非直接使用作品本身。与DSM指令第3条所规定的“科学研究”例外情形不同，一般例外情形规定：如果权利人不愿意作品被抓取，可以采取“适当方式”作出权利保留。换而言之，若权利人已经事先声明拒绝数据挖掘的，训练方不能再援引一般例外情形擅自对权利人的作品进行挖掘。这种由权利人主动声明拒绝的机制，实践中称为“选择退出”3欧盟《人工智能法案》第53条4规定，Al公司需承担两项核心义务：其一，使用最先进的技术手段，识别并遵守权利人的opt-out声明；其二，公开一份足够详细的训练内容摘要，让权利人能了解自己的作品是否被用于训练。围绕这两项义务，欧盟Al办公室于2025年又陆续推出第一份文件是《通用人工智能行为准则》5(GPAICodeofPractice),对应第一项核心义务。Al公司签署并遵守该准则的，可被推定为已履行该项义务。第二份文件是训练内容公开摘要模板6,对应第二项义务。根据该模板，Al公司必须披露训练数据的来源渠道，如公开数据集、商业授权数据、网络爬取数据、用户数据等。其中，对网络爬取数据的要求最为具体：Al公司必须列出所用爬虫、爬取时间段，以及爬取量前10%的域名清单。2Directive(EU)2019/790,Arti此外，针对“机器可读”标准不明确的问题，欧盟委员会于2025年12月启动了公开咨询，计划在多方协商的基础上发布一份“普遍认可的机器可读选择退出方案清单”7,并至少两年更新一次。根据欧盟委员会官网的说明，清单将列出符合“机器可读”标准的opt-out方式，以帮助Al公司识别并遵守权利人作出的权利保留。8二、司法实践欧盟部分成员国的法院在近年也审理了多起关于TDM的相关案件，其中一些案件直接涉及Al的模型训练。下文选取几则代表性案件，初步梳理两项版权例外在司法实践中的解释与适用。9在2024年荷兰阿姆斯特丹地区法院(RechtbankAmsterdam)审理的DPG等诉HowardsHome案中，原告为DPG等三家荷兰媒体公司，发行报纸并运营相应的新闻网站。被告HowardsHome是一家荷兰新闻订阅推送服务商，从新闻网站公开发布的RSSfeeds中抓取信息并向客户提供付费的新闻推送。其推送的内容包含新闻标题、指向原文的超链接、不超过150字符的摘要以及缩略图。原告向法院起诉称，被告未经授权擅自抓取并使用其新闻内容，侵犯了其版权、邻接权和数据库权，请求法院判令被告停止相关行为并赔偿损失。被告否认侵权，援引了DSM指令中的TDM例外情形。本案的争议焦点之一是：原告在robots.txt文件中仅屏蔽了若干特定爬虫，但未屏蔽被告使用的爬虫程序——原告的上述权利保留方式是否构成有效的opt-out,从而使被告不能援引一般例外。(2)匈牙利搜索引擎案(匈牙利，2024)12在2024年布达佩斯首都上诉法院(F8városiftélótábla)二审审理的一起案件中，原告是一家匈牙利新闻出版商，被告是一家全球性搜索引擎服务提供商3。被告使用爬虫抓取原告新闻网站上发布的内容以建立搜索索引，并向用户展示包含原文链接和短摘要的搜索结果。原告向布达佩斯首都法院(F6városiTörvényszék)提起诉讼，主张被告未经许可复制并向公众提供其新闻出版物，侵犯了其新闻出版者邻接权。本案的争议焦点之一是：被告抓取原告网站内容并建立搜索索引的行为，是否符合DSM指令中的一般例外情形。7"listofgenerallyagreedmachinereadableopt-outsolutions",Europe(December2025),tts//digitalstrategy.ec.europa.eu/en/consultations/commission-launchesconsultation-protocolsrese8EuropeanCommission,StakeholderconsultationonAlandcopyrightcompliance,GeneralFAQ,https:/digital-strategy.ecconsultation-ai-and-copyright-compliance#ech-ingene9本文讨论的案例集中于德国、荷兰、匈牙利、丹麦四国，各国的例外条款分别为：德国《版权法》第44b条、第60d条，荷兰《版权法》第150条、第15n条，匈牙利《版权10RechtbankAmsterdam,judgmentof30October2024,ECLI:NL;RBAMS:2024:563(DPGMediaC/13/737170/HAZA23-690.11A.Cerri,"Dutchcou12F8városiftélotábla(BudapestMunicipalCourtofAppeal),judgmentof3December2024,Case9.Pf.20.353/2匈牙利一审法院认定被告构成侵权，但二审法院驳回一审法院的裁定，认定被告不构成侵权14。二审法院认为：首先，被告抓取原告网站内容并建立索引的行为属于TDM。在此过程中，被告合法访问了原告的新闻出版物，抓取的数据仅用于建立索引，并没有保留下载的网页副本。而留在索引中的仅是词汇、链接等用于检索的数据，不构成版权法意义上的副本。其次，原告没有以法律要求的适当方式作出opt-out。因此，被告可以援引一般例外的抗辩，而其对文本数据的抓取和索引行为皆不构成侵权。(3)Kneschkev.LAION(德国，2025)15为核对图像与其文本描述是否准确对应，被告在建库过程中会临时下载图像，并使用软件进行自动比对；在比对完成后便将图像删除。案涉照片是原告发布于图片代理网站Bigstockphoto上的一张摄影作品。该网站对未付费访客仅展示带水印的低分辨率预览图，且其《用户条款》以人类自然语言载明“禁止使用自动化程序抓取网站内容”。被告于2021年下半年下载了原告摄影作品的访客预览图，用于图文比对。原告向德国汉堡地区法院(LandgerichtHamburg)提起诉讼，主张被告未经许可下载其摄影作品的行为侵犯了其复制权，请求法院判令被告停止侵权。被告否认侵权，理由是其行为同时符合科学研究例外和一般例外的适用条件，且原告没有作出有效的opt-out声明。本案的争议焦点之一是：图片代理网站以人类自然语言作出的声明，是否构成有效的opt-out?一审法院认为，被告的下载行为属于科学研究例外所豁免的行为，故不构成侵权。二审法院同样认定被告不构成侵权，且明确了被告同时满足科学研究例外和一般例外的适用条件。对于opt-out问题，二审法院认定，图片代理网站的自然语言声明不满足“机器可读”标准——“机器可读”标准要求权利人的声明能够被程序提取并解读为opt-out,从而自动跳过抓取，而非仅仅能被机器识别。本案中原告未能证明，在被告下载行为发生时(2021年下半年),已有程序能够将自然语言声明自动解读为opt-out,因此二审法院认为该网站《用户条款》中的自然语言所作出的权利声明无效。针对二审法院的决定，原告已提起上诉。德国联邦最高法院暂定于2026年9月就本案开庭审理。我们对此案的进展将持续关注。(4)BoligPortalv.ReData(丹麦，2026)16在2026年丹麦东部高等法院(streLandsret)二审审理的BoligPortali诉ReData案中，原告BoligPortal为丹麦租房门户网站boligportal.dk的运营方，被告ReData为丹麦房地产数据公司。本案中，原告在其网站上以自然语言声明禁止数据挖掘与爬取，但为了不影响搜索引擎正常索引其网站，没有在robots.txt文件中作任何屏蔽。被告擅自抓取原告网站上公开的房源信息，整合后向客户提供房地产投资市场数据。/2025/05/08/thirdeuropean-court-decision-on-thegeneralpurposetdm-exception-i条款为《版权法》第35/A条第1款c项。15LGHamburg,judgmentof27September令第3、4条在德国《版权法》分别对应第60d条、第44b条。原告向丹麦海事和商事法院(Sø-ogHandelsretten)申请临时禁令，主张被告侵犯了其数据库权，请求法院禁止被告继续抓取和公开数据，并删除已抓取的数据。被告抗辩称：原告并未对数据的获取本身作出重大投入，其网站不构成受保护的数据库；即使构成数据库，被告的数据挖掘行为也可以援引一般例外作为抗辩；且原告并未在robots.txt中作出权利保留，故被告的行为不构成侵权。本案的争议焦点之一是：权利人以自然语言作出的声明是否为有效的opt-out¹⁷。一审法院认为，原告在网页上以自然语言作出的声明公开且可被读取，构成有效的opt-out,无需在robots.txt中重复声明。故被告行为构成侵权。二审法院则认为，“机器可读”不能仅指“机器可检测”(技术上能读取到)——因为公开网络上几乎一切内容都满足这一点，该标准将失去实际意义——有效的opt-out应该是“机器可解释”的，即机器能够读取该声明并将其解释为一项权利保留，从而不使用相关内容。二审法院认为，本案中原告的声明以自然语言书写。机器虽然在技术上能够访问该声明，但无法自动将其解释为权利保留，故不构成有效的opt-out。因此，二审法院认为，被告可以援引一般例外作为其抗辩，其抓取行为不侵犯原告的数据库权。2.TDM构成(或可能构成)侵权原告于2024年11月向慕尼黑第一地区法院提起诉讼，主张被告未经许可将其管理的歌词用于模型训练并通过ChatGPT向用户输出，侵犯了其复制权和公开传播权，请求法院判令被告停止侵权、披露相关使用范围和收入信息，并赔偿损失。被告否认侵权，辩称：AI模型只是学习了训练数据整体的统计规律，并未存储歌词的复制件；其AIGC输出内容由用户的提示词触发，超出被告的控制，侵权责任应由用户承担；即便构成复制，也可援引两项版权例外作为抗辩19。本案的争议焦点是：GPT-4等模型的训练过程里，歌词被存储于模型参数中并可被完整输出，此种复制是否仍属于两项版权例外所覆盖的行为。首先就AI模型的训练行为而言，德国一审法院认为，既然简单提示即可触发对歌词的逐字输出，说明涉案歌词已以可复现的方式嵌入GPT-4和GPT-40的模型参数中。这一现象在技术上被称为“记忆化(memorisation)”。DSM指令中规定的两项TDM例外豁免情形指的是为“数据分析目的”的复制，但被告的模型并非仅为分析作品，而是将完整作品永久存储并可随时输出。被告的上述使用与原作品形成直接竞争，损害权利人的正当利益，不属于可豁免的行为。因此，法院认为无需再审查原告的声明是否构成有效的其次就AIGC的输出行为而言，德国一审法院认为，ChatGPT向用户输出歌词的行为，是对原告作品的进一步复制和公开传播。由于训练数据的选择、模型架构和技术设计均由被告决定，用户只输入了简单的提示词，所以侵权责任应由被告而非用户承担。20osborneClarke,GEMAVsOpenA1:AIMemorisationlisaReproductioRelevanttoCopyrightLaw(18Nov202Vs-opena-ai-memorisation-reproduction-relevant-copyright-law-and-tdm-exception-d2025年11月，慕尼黑第一地区法院作出一审判决，判令被告停止在模型中存储案涉歌词、停止在输出中再现涉案歌词，并向原告披露信息、承担损害赔偿责任。被告OpenAI已于2025年12月向慕尼黑高等地区法院(OberlandesgerichtMünchen)提起上诉，目前原告向匈牙利布达佩斯周边地区法院(BudapestKörnyékiTörvényszék)提起诉讼，主张被告未经许可复制并向公众提供其新闻出版物，侵犯了其新闻出版者邻接权。被告否认侵权，抗辩称：Gemini模型并不存储文章的复制件，只是学习训练数据的统计规律、根据概率逐词生成文本；输出由用户的提示词触发，侵权责任不在被告；即便构成复制，相关行为也可援引一般例外，不构成侵权。本案目前尚在审理中。由于本案涉及欧盟法律在生成式Al领域的统一解释问题，布达佩斯周边地区法院于2025年4月3日中止审理，将四个核心争议提请欧盟法院作出先决裁决。四个核心争议分别是：(1)聊天机器人在回答中输出与新闻出版物部分相同的文本，是否构成向公众传播?(2)使用新闻出版物训练Al大语言模型，是否构成复制?(3)如构成复制，能否援引一般例外?(4)聊天机器人应用户的提示词在回答中复现新闻出版物内容，该行为是否应归责于服务提供者?2026年3月10日，欧盟法院举行口头审理，佐审官(AdvocateGeneral)意见将于2026年9月3日发布