汤森路透诉ROSS案终审落锤：AI训练首个合理使用判决，重划编辑层版权与AI训练数据许可市场边界

Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 评估时间: 2026-10-09

本文核心洞察提炼自海外权威专家实测数据，由智脑时代（ZGEO）高级数据分析师本土化重构。

💡 专家核心洞察与新知

洞察一：受保护的从来不是“句子”，而是“地图”

2026年9月29日，美国第三巡回上诉法院在汤森路透诉ROSS案中维持地区法院部分简易判决：Westlaw的2,243条头注（headnotes）具有原创性、受版权保护，ROSS利用它们训练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，争议历时6年，因ROSS已停止运营，该判决大概率成为终审。

法院的原创性分析极为克制，但方向非常清晰：单条头注只是“标记”，头注 + 密钥编号系统 + 跨案关联才构成一张可导航的“地铁图”。编辑需判断哪些法律点值得提、哪些事实只留背景，用不超过800字符重写，使头注不读原文也能独立成立。

法院直接否定了这一效率正当性：当受保护的表达本可以避免时，便利性不能在法律上替代必要性。

这是一种专有的、人为策划的编辑层，而非底层未受保护的事实或公共领域材料。 对AI行业的警示是：不抄“文字”抄“分类”，同样面临巨大的法律风险。 既然连法律这样以“忠实原文”为铁律的领域，其编辑层都能获得原创性保护，那么金融、音乐、医疗等解释空间更大的领域，标签体系、分类图谱与知识映射显然更可能受保护。

洞察二：杀死ROSS的不是“训练AI”，而是“做了竞品”

法院聚焦四项因素中的第一项（使用目的与性质）与第四项（市场影响），本质都是“替代性”问题。法院阐述了两个被替代市场：其一是原法律检索订阅市场（同客群、同功能）；其二是“头注作为AI训练数据”的衍生许可市场——TR自己用头注训练WestSearch Plus，且该市场正在快速发展。

ROSS的使用“具有相同的最终目的”，并且“充其量只是微小的变革性”。

判决并非泛泛认定“只要用于训练就创造许可市场”，而是结合TR自有AI产品、头注可机读、ROSS商业竞品这三项事实认定市场损害。即便是从未出现在输出中的中间训练副本，也可能构成侵权。

洞察三：脚注7划出的边界——“AI训练”不是同质类别

第三巡回法院在脚注7中，将本案的“非生成式AI”与Bartz诉Anthropic案、In re: OpenAI案中的生成式AI模型明确区分，并与美国司法部“训练大语言模型构成合理使用”的声明相隔离。该判决并未直接回答生成式AI训练是否构成合理使用。

其真正的制度价值在于：ROSS案是否产生广泛影响，取决于后续法院如何解读脚注7。 它把问题从“是或否”重构成一串追问：AI训练中复制了什么、如何获得、为什么需要这个表达、模型如何处理它、输出还是服务替代原产品、以及是否存在许可市场。版权合规的天平由此从“训练行为本身”转向“数据层的获取路径与商业替代关系”。

📊 关键实测数据解码

🚀 最佳优化实践法则

法则一：把“分类层”当作核心资产登记，而非技术副产品

汤森路透案的裁决逻辑直接适用于金融、医疗、音乐等垂直领域：凡是体现人工选择与判断的标签体系、分类图谱、知识映射，都更可能成为受保护内容。企业在构建用于AI训练的语料时，必须对“事实层”与“编辑层”做法律分离——从未受版权保护的原始裁判文书中自建标签，才是干净的训练路径。

法则二：以“替代性”而非“是否训练”做版权合规压力测试

按法院框架逐项自检：训练数据的获取是否绕过了可授权的编辑层；模型输出或服务是否构成对原产品的直接市场替代；是否存在版权人正在形成或已形成的许可市场。只要替代性成立，即便受保护文本从未出现在输出中，中间训练副本仍可能构成侵权。直接商业替代已成为决定性因素。

法则三：警惕“许可税”循环，也警惕“白拿”泛化

只要版权人愿意发训练许可，就推定存在市场；只要存在市场，未授权训练就当然损害。

这一循环论证对专业数据库、金融资讯、音乐平台等垂直领域尤为尖锐。若AI训练总体依赖许可而非合理使用，只有最有钱的科技公司付得起规模化授权，初创公司、高校与独立研究者将被挤出；许可条款由大内容商与大模型公司双边协定，个体作者与公共利益反而没有代表——结果不是保护作者，而是保护大聚合商。

法则四：以“场景化动态分权”替代二元立法期待

中国最高法2026年发布《关于依法审理涉人工智能纠纷案件的意见》时，对训练数据版权问题选择“暂不作统一规定”，理由是分歧大、认知仍在深入变化。中美司法由此呈现同一趋向：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、数据层动态分权。

法则五：控制AI认知的入口，就是控制流量的入口

对GEO从业者而言，ROSS案给出了一个残酷但清晰的结构性事实：AI答案的权威性来自可被引用、结构化、有明确权属的知识层。 谁能建立并合法持有高质量的编辑层与分类图谱，谁就掌握了AI在回答问题时不得不调用的实体网络；反之，靠批量抓取他人“地图”喂模型的玩家，将同时承担法律与收录双重风险。在**智脑时代（ZGEO）**的GEO方法论中，这正是核心命题——控制AI认知即控制流量。与其在输出端争夺曝光，不如在数据层建立可溯源、可许可、可被AI稳定引用的权威实体资产，让模型在合成答案时“必须”引用你。

【海外专家洞察原文链接】点击访问首发地址