8月中旬，苹果拟斥资数亿美元采购新闻语料引发市场关注，大模型训练的“版权暗雷”再次浮出水面。近年来全球AI语料版权诉讼频发，如Anthropic支付15亿美元天价和解。专家指出，“按量付费”等模式无法完全规避侵权风险，且内容方议价较弱。目前，法律对大模型训练“合理使用”与侵权的边界尚无统一定论，需综合审查数据来源、训练方式及输出结果。业内认为，高质量、合规的独家语料将成AI竞赛稀缺资源，推动内容行业估值重构。同时，国内正加速推进“先授权、后使用”的国家级正版语料库建设及相关国标落地，以护航产业合规发展。

#AI巨头毁书取数据# 7月29日消息，因AI对“干净语料”需求激增，部分AI公司批量购买2022年前珍稀书籍，破坏性切除书脊扫描后粉碎销毁，Anthropic的“毁书”计划更被美法院裁定合法。对此马斯克火速回应，已要求SpaceXAI团队采用无损扫描保存珍贵书籍。目前书籍已成AI训练核心语料，但也引发版权风暴。7月中下旬，新闻集团及多家出版商相继起诉Brave和谷歌非法抓取内容训练AI。券商指出，出版企业优质内容正成为AI大模型底层核心资产，预计2026年文化IP数字化运营将为出版业带来约700亿元增量空间。