Getty Images 起诉 Stability AI 的案件是 AI 训练数据诉讼的标志性样本。Getty 指控 Stability AI 未经许可抓取其平台 400 万张受版权保护的图片训练 Stable Diffusion 模型。与美国作家协会诉 OpenAI 的争议焦点相同，核心都是「合理使用」的边界：模型训练是否构成「转换性使用」？与《纽约时报》案不同，Getty 的输出端侵权主张（生成的图像有时直接复制了起源水印）给 AI 公司带来了更进一步的举证压力。OECD 报告将这 6 个案例并置，显示法律的不确定性正成为全球 AI 公司必须面对的商业风险。

硅谷把《纽约时报》诉 OpenAI 解读为「版权法跟不上技术」的经典冲突，认为训练是对数据的转换性使用，应受合理使用原则保护；而内容方阵营则主张高质量新闻是 AI 输出价值的直接来源，训练数据的「二次萃取」——不是简单复制而是压缩重组——本质仍是商业利用，应当付费。路透独家指出，双方在 2026 年仍在围绕证据开示僵持不下，核心版权问题尚未进入法庭实质审理。同一份内容的两套定价逻辑，目前靠商业授权案例如阿克塞尔·施普林格的合作来填补制度空白。

2026年8月，欧盟正式将ChatGPT认定为「超大型在线搜索引擎」，与谷歌搜索、Bing并列。触发条件很机械：ChatGPT搜索功能在欧盟月均1.591亿用户，远超4500万门槛。这背后一个关键变化在于——ChatGPT不再只是对话工具，它正在替代传统检索功能。欧盟要求OpenAI在4个月内完成系统性风险评估和年度独立审计，违规罚全球年收入的6%。更深远的是，训练数据和信息分发原本属不同环节，现在被同一服务连接：内容所有者的作品既可能是训练材料，也可能在AI答案中被折叠引用。

文章说文化内容有了「面向机器的资源价值」，但关键矛盾在于：训练数据是模型的「燃料」，而非「仓库」——模型不存储原文，却从原文中提取语言规律和信息。这意味着传统公平使用原则（如搜索引擎缓存片段）与 AI 训练之间有本质差异。真正值得追问的不是该不该付费，而是「训练数据贡献度」如何量化：一篇高质量新闻对模型回答一个事实性问题的贡献，和一个论坛帖子的贡献，是否应该估值相同？三权分置框架下的数据资源持有权、加工使用权、经营权分离设计提供了分配思路，但离落地还有很远。