Seattle Times 與 Newsday 起訴 OpenAI、Microsoft：指控未經授權用報導訓練 AI，要求銷毀模型

重點摘要

2026 年 9 月 4 日（美國時間），《Seattle Times》與《Newsday》於紐約南區聯邦地區法院向 OpenAI 與 Microsoft 提出版權侵權訴訟，指控兩家公司在未經授權下，將兩報新聞內容（包括付費牆後文章）納入用於訓練與營運 ChatGPT、Microsoft Copilot 及 Bing AI 功能的資料集。本文交叉核對路透社（Reuters）報道與 CNA 轉載內容，確認原告、法院地點、訴求與雙方公開回應一致後撰寫。

Seattle Times 與 Newsday 起訴 OpenAI、Microsoft：指控未經授權用報導訓練 AI，要求銷毀模型

Seattle Times 與 Newsday 起訴 OpenAI、Microsoft：指控未經授權用報導訓練 AI，要求銷毀模型

2026 年 9 月 4 日（美國時間），《Seattle Times》與《Newsday》於紐約南區聯邦地區法院向 OpenAI 與 Microsoft 提出版權侵權訴訟，指控兩家公司在未經授權下，將兩報新聞內容（包括付費牆後文章）納入用於訓練與營運 ChatGPT、Microsoft Copilot 及 Bing AI 功能的資料集。本文交叉核對路透社（Reuters）報道與 CNA 轉載內容，確認原告、法院地點、訴求與雙方公開回應一致後撰寫。

一、核心事件：地方報業加入 AI 訓練資料戰線

技術細節

訴訟指稱，OpenAI 與 Microsoft 透過爬取（scraping）兩報網站取得內容，並將其納入訓練與營運資料集。原告指出，相關 AI 產品能夠重現報道段落、高度近似地改寫文章，並直接向用戶提供足以減少造訪原站或訂閱的答案。換言之，爭議不只在「訓練時有否讀過新聞」，也延伸到「推理時是否替代新聞產品」。

兩報尋求法院頒令，要求銷毀其作品副本，以及納入其內容的訓練資料集或 AI 模型。這比單純金錢賠償更進一步，直接觸及模型權重是否可被「拆解／重訓」的執行難題。

《Seattle Times》總裁兼行政總裁 Alan Fisco 向員工表示，公司每年投入數百萬美元製作內容，必須捍衛內容免被未經同意或補償地使用。OpenAI 發言人回應指模型以公開可用資料訓練，並主張合理使用（fair use），未就本案作具體評論。Microsoft 發言人則表示對訴訟感到意外，同時強調重視地方新聞，願意坐下來尋求解決方案。

此案呼應《紐約時報》於 2023 年對 OpenAI、Microsoft 提出的類似訴訟，目前仍在進行；版權持有人對 OpenAI、Anthropic、Meta 等公司的同類案件已達數十宗。

二、技術原理深度解析

大型語言模型的訓練流程，通常把海量文字切成 token，再以自監督目標學習預測下一個 token。新聞文本因為結構完整、事實密度高、寫作規範清楚，對提升模型「常識」與「敘事能力」極具價值。問題在於：公開可讀、付費牆後內容、以及「合理使用」邊界，在司法上尚未定論。

本案把爭議拆成三層：

  1. 取得層：網站爬取是否逾越 robots／條款／技術防護，特別是付費牆後內容。
  2. 訓練層：把文章寫入權重是否構成重製與衍生作品。
  3. 產品層：生成答案是否實質替代原報道的市場。

對企業技術團隊而言，這三層分別對應資料來源合規、模型供應商合約，以及終端產品的引用／溯源設計。即使最終判決仍屬未知，採購與法務已開始把「訓練資料保證」寫進 RFP。

四、日常應用場景

1. 開發者與技術團隊

若產品依賴外部 frontier API，應盤點日誌是否會把客戶專有文件送上雲端再作微調；同時為內部知識庫改用授權語料或自有資料，避免「不知不覺」把第三方版權內容混進私有模型。

2. 企業與隱私敏感行業

律師行、傳媒集團、金融研究部最關心的，往往不是公有聊天機器人能不能寫摘要，而是自家報告與客戶文件會否變成別人的訓練材料。把推理與微調留在可控環境，是降低訴訟與合規風險的直接手段。

3. 一般用戶

用戶會更常在答案旁看到來源連結，或遇到「無法提供付費牆全文」的回應。這未必降低好用程度，但會改變「一問即得全文」的預期。

4. 香港與亞洲市場視角

香港出版業、內容平台與企業內部知識庫同樣面對「AI 摘要替代點擊」壓力。在《個人資料（私隱）條例》與商業秘密保護並行下，把敏感語料留在本地託管、自行微調的私有 LLM，較易對客戶與監管交代資料流向。YSK Limited 的企業私有 LLM 全託管（https://ysk.hk/services/ai-automation）正是針對「數據不出境、Dataset → QLoRA/LoRA → 私有 API」場景，年費由 HK$88,000 起。

五、專業評價與潛在考量

優勢

  • 地方報業加入訴訟，擴大原告陣線，令「只談全國大報」的敘事不再完整。
  • 訴求指向銷毀納入其作品的模型／資料集，逼出產業對「可審計訓練管線」的討論。
  • 企業買家可藉此加快內部資料治理：授權語料、保留策略、供應商保證條款。

需要留意的地方

  • 訴訟結果未定；合理使用抗辯在美國判例中仍在演進。
  • 「銷毀模型」的執行成本與技術可行性極高，最終或走向授權協議與金錢和解。
  • 香港團隊不宜直接套用美國判決結論，但仍可提前做合約與架構層準備。

從工程實務看，企業可立刻做三件事。第一，要求模型供應商以書面說明訓練語料類別與第三方授權狀態，並把「不得用客戶輸入再訓練」寫進 DPA。第二，把高價值知識庫改為檢索增強生成（RAG）加上引用鏈，減少把整份原文壓進權重的誘惑。第三，對真正需要領域微調的場景，改用自行持有的 Dataset 與私有推理節點，令資料主權與版權責任邊界清楚。

香港市場另有一層壓力：粵語／書面語繁體內容相對稀缺，若企業把內部中文報告、客戶合同、合規手冊送上公有雲微調，既可能觸發保密協議，也可能在跨境傳輸上產生額外匯報義務。把微調與推理留在香港可控環境，同時保留 OpenAI 兼容 API 介面，往往是產品團隊與法務都能接受的折衷。

結語

《Seattle Times》與《Newsday》一案，把 AI 訓練資料爭議從抽象原則拉回地方新聞的商業生存問題：誰生產內容、誰複製內容、誰拿走流量。對需要處理專有文本的香港企業而言，與其一味依賴公有 frontier 模型，不如把敏感語料留在可控環境。若你正評估私有部署，可參考 YSK Limited 企業私有 LLM 全託管方案（https://ysk.hk/services/ai-automation）。

參考來源

延伸閱讀 · 相關服務與產品

相關文章