一、六年争议落槌：头注受保护，训练不算合理使用

2026年9月29日，美国第三巡回上诉法院在汤森路透诉ROSS案中维持了地区法院的部分简易判决：Westlaw 的头注（headnotes）是具有原创性、受版权保护的内容，而 ROSS 用它们来训练 AI 法律研究工具，不构成合理使用。

这是联邦上诉法院就 AI 训练中的合理使用问题作出的首个判决。不过法官反复强调，本案涉及的是非生成式工具，"这不过是一起普通的版权案件"，刻意与 OpenAI、Anthropic 那些生成式 AI 大案拉开距离。

由于初创公司 ROSS 已经停止运营，案子大概率不会再上诉到最高法院，第三巡回法院的意见很可能成为这场六年争议的终章。但作为联邦上诉法院第一次直接回答"AI 训练算不算合理使用"，这份判决注定会被后续案件反复引用。

二、原创性：版权保护的不是"句子"，是"地图"

先搞明白 Westlaw 到底卖的是什么。汤森路透旗下的 Westlaw 本质上是一套判例汇编，核心资产是编辑撰写的头注 + 密钥编号系统（Key Number）：头注总结判决中提取的法律原则，密钥数字则是一套法律主题分类法，点头注能跳到判决书对应段落，点关键数字能进入一串同类案件列表。

ROSS 当年曾申请 Westlaw 使用授权被拒——汤森路透已经察觉它在做竞品。于是 ROSS 找来 LegalEase，基于 Westlaw 头注和编号系统做批量备忘录：一套法律问题配 4-6 个可能答案，再与判决书中排序段落配对，最后转成训练数据。用户用大白话提问，AI 返回现有判决里的相关段落。

法院对涉案 2,243 条头注的原创性分析相当克制，但逻辑很锋利：

  • 判决书本身是事实，不受版权保护，但事实的"表达"受保护；
  • 编辑要判断哪些法律点值得提、哪些事实只留背景，再压缩到 800 字符以内，让头注脱离原文也能独立成立；
  • 还要通过 Key Number 把"这个点"挂到"那一类问题"下，和大量判例建立可跳转关联。

单条头注只是个"标记"，但头注 + 编号 + 跨案关联构成了一张"地铁图"。ROSS 的 AI 真正学到的，是 Westlaw 精心搭建的"问题—主题—判例映射"。这是专有的、人为策划的编辑层，而不是底层公共领域材料。

【编辑观察】法院一句话戳中要害：ROSS 本可以从不受版权保护的判决书里提取自己的标签，但它为了省事直接抄了编辑层。当受保护的表达本可以避免时，"方便"不能替代"必要"——这大概是全案对 AI 行业最狠的一击。

ROSS 也提了三条反驳：法律头注必须忠实原文、不能自由发挥，所以缺乏原创性；写法受行业标准限制；保护头注等于让 Westlaw 垄断法律。法院逐一驳回：同一判决可以有多种表达，行业并无统一写法，保护头注也不妨碍别人免费使用判决书事实层。

这意味着，连法律这种"忠实原文"为铁律的领域，编辑层都能受保护；金融、音乐、医疗等弹性更大的领域里，那些人工标签体系、分类图谱、知识映射，只会更容易被认定为版权作品。不抄文字抄"分类"，一样有风险。

三、合理使用：杀死 ROSS 的不是"训练 AI"，是"做了竞品"

美国版权法判断合理使用要看四要素：使用目的与性质（商业性/变革性）、作品性质、使用数量与比例、市场影响。第三巡回法院主要打在第一和第四点上，核心都是两个字——替代。

法院承认，"用头注训练"和"直接把头注贴出来"形式上有差异，但最终目的都是法律检索、帮用户找判例。汤森路透和 ROSS 都在用这些内容优化同一个法律研究平台，ROSS 的使用"充其量只是微小的变革性"。

市场损害层面，法院认定了两个替代市场：

  • 原生订阅市场：ROSS 和 Westlaw 抢同一批客户、做同一件事，直接替代；
  • AI 训练数据的衍生许可市场：汤森路透自己已经用头注训练 WestSearch Plus，这个市场正在快速增长；即使当时还没对外授权，ROSS 无偿使用也剥夺了它进场的机会。

注意，法院不是笼统地说"只要用于训练就自动创造许可市场"，而是结合自有 AI 产品、头注可机读、ROSS 是商业竞品这些具体事实做出的认定。

四、判决边界：生成式 AI 被刻意"隔离"

这份判决最微妙的地方在于，它没有回答生成式 AI 训练是否构成合理使用。

法院在脚注 7 中明确把 ROSS 的非生成式工具，与 Bartz 诉 Anthropic、In re OpenAI 等生成式案件区分开，也与美国司法部在 OpenAI 案中的表态划清界限——司法部曾主张，训练大型语言模型具有真正的变革性目的，因此 OpenAI 和微软用《纽约时报》文章训练 ChatGPT 并不违反版权法。

换句话说，"AI 训练"在法院眼里并不是同一个物种。ROSS 案的特殊性在于：非生成式、直接复制、服务层面直接竞争。

但先例的外溢效应很难被脚注锁住。以下几条裁判规则，极可能被未来的生成式 AI 案件引用：

  • 作品只需"独立创作 + 最低程度创造性"即可获得版权；
  • 即使受保护文本从未出现在输出中，中间训练副本也可能侵权；
  • 直接商业替代成为决定性因素；
  • 新兴的 AI 训练许可市场，可以构成合理使用第四因素里的"可识别市场"。

五、"许可税"隐忧：最后买单的会不会是小团队？

Authors Alliance 等版权组织反对 ROSS 案的核心理由，是法院把"AI 训练数据许可市场"证成得太轻松，会让第四因素分析陷入循环：只要版权方愿意发许可，就推定有市场；只要有市场，未授权训练就当然造成损害。

如果 AI 训练整体倒向许可模式而非合理使用，后果可能是：

  • 只有最有钱的大厂付得起规模化授权费；
  • 初创公司、高校、独立研究者被挤出牌桌；
  • 许可条款由大内容商和大模型厂双边谈判，个体作者和公共利益反而没有席位。

最后被保护的未必是作者，更可能是大聚合商。在专业数据库、音乐平台、金融资讯这类垂直领域，这种挤压尤其锋利。

【编辑观察】对游戏行业同样值得警惕：玩家社区 wiki、攻略数据库、MOD 资料站、美术标签库，这些都属于重人工投入的"编辑层"。未来不管是训 NPC 对话模型，还是做游戏内容检索工具，直接爬别人整理好的体系，风险都在升高。

六、中美共同趋向：别急着给"训练"贴标签

法院撇清生成式 AI，版权组织担忧许可寡头，恰好说明这件事没有简单答案：

  • 若把合理使用泛化成"凡训练都可白拿"，编辑层、分类层、知识图谱这类重投入资产失去保护，长期没人做高质量数据；
  • 若把 AI 训练默认推成"先授权、再训练"，则会形成大内容商 + 大模型厂的双向许可寡头，初创公司直接出局，个体作者也未必分到钱。

中国最高法在 2026 年《关于依法审理涉人工智能纠纷案件的意见》中，对训练数据版权问题选择"暂不作统一规定"，理由是分歧仍大、认知还在演变，需要先在实践中积累经验。

两国司法趋向其实相当一致：不把"训练"整体定为合理使用，也不整体定为强制许可，而是按具体场景、按数据层动态分权。 ROSS 案不是终局，只是这场长期博弈里第一块被立起来的界碑。