从竞争法角度看商用AI训练中的创新性对合法标准的影响——以美国判例汤森路透诉Ross公司侵权案为视角

生成式人工智能（Generative Artificial Intelligence，下称“AI”）基于数据采集进行模型训练，并能够通过数据训练达到自主生成内容的目的，是当代科技创新的产物。

AI训练中的数据采集一般采用自动化工具（如网络爬虫）、开放API调用、传感器采集、数据交换与合作等方式。通说认为，AI训练所采集的数据及其持有方受到刑法、知识产权法、数据保护法、竞争法的保护（下称“数据持有权益”） 。

当“数据持有权益”遇到“AI科技创新”的冲击，对于数据持有权益的绝对保护，是否会阻碍AI科技创新？相关数据持有权益的保护标准是否需要调整？

本文拟借助2025年2月11日美国特拉华州法院对Thomson Reuters Enterprise Centre GmbH（原告，下称“汤森路透”）及其子公司诉ROSS Intelligence Inc.（被告，下称“Ross公司”）案件（下称“AI数据侵权案件”）判决[1]，观察中美竞争法角度下创新性对商用AI数据采集合法标准的影响。

原告汤森路透旗下拥有一个法律研究数据库-Westlaw，该数据库收集各类法院判决、法律法规内容、法律评论等内容并进行整理，以案头摘要（headnote）的方式展示在检索结果中。

被告Ross公司是一家新兴的法律研究公司，开发了商用AI相关法律检索引擎。Ross公司曾向汤森路透请求授权使用Westlaw的数据用于AI产品训练，但被汤森路透以存在竞争关系为由拒绝。

随后Ross公司通过第三方机构Legal Ease Solutions（下称“LegalEase”）摘录等方式间接获取Westlaw的数据。

汤森路透以此起诉Ross公司，宣称其存在侵权行为，并获得法院支持。

虽然AI数据侵权案件判决主要围绕版权侵权进行说理展开，但法官也将潜在竞争市场影响这一竞争法下的标准列为重要的判决考量[2]。美国目前没有单独的反不正当竞争法，对不正当竞争行为的规制散见于不同司法判例、联邦和各州的成文法中[3]，例如美国最高法院审理的Lexmark v. Static Control (2014)判例[4]、《兰哈姆法》（Lanham Act）[5]及《联邦贸易委员会法》（Federal Trade Commission Act）均确立了一些不正当竞争的规范原则，如商业竞争中的市场混淆、误导性商业行为、市场封锁行为等均被认为不正当竞争行为。

结合AI数据侵权案件判决，笔者认为其中涉及的竞争法合法标准有：

1、变革性（transformative）与潜在市场（potential market）影响

AI数据侵权案件中，法官通过对Ross公司的AI数据训练的产品是否具有变革性分析，论述是否存在市场替代的后果[6]，并构成不正当竞争的重要合法标准——“潜在市场影响”。

AI数据侵权案中法官指出，其原认为Ross公司复制数据并使用是具有变革性的，因为其创造了一个全新的研究平台，并服务于不同于Westlaw的目的，但其最终认为：Ross公司使用复制数据不具有变革性，因为其使用该等复制数据不存在其他不同目的或性质（character），结果均指向一种法律研究工具。另外Ross公司的AI产品并不是真正意义上的生成式人工智能，即其无法自行创作新内容[7]。

此外，Ross公司称其使用相关数据属于中间复制（intermediate copying）行为，即仅在训练环节使用，并不在结果中直接输出，但并未得到法院支持。

结合Ross公司的AI产品的商用性、竞争性、不具有变革性特点，法官进一步认为该等产品可能对Westlaw产生潜在市场影响即市场替代，Ross公司未经授权使用相关数据具有损害汤森路透利益的性质。

2、数据持有方是否存在限制竞争

Ross公司曾就AI数据侵权案件同一事实反诉汤森路透，认为汤森路透使用反竞争行为来加固市场支配地位，形成数据壁垒（Data Barrier），将其法律信息搜索引擎与其公共法律数据库产品非法捆绑在一起，以阻止Ross公司等动摇汤森路透在“法律信息查询这个市场上的垄断地位”。当时法院部分认可了Ross公司提出的主张，但未作进一步判决。[8]

AI数据侵权案中，法官认为Ross公司未能证明汤森路透存在限制竞争的情形[9]。故意制造限制竞争行为是看待竞争法下侵权结果的另一个角度，受限于本文篇幅，暂不对此进行深入讨论。

综上，笔者认为在AI数据侵权案件中，基于商业性和竞争性考虑，法官着重分析了Ross公司AI技术的变革性和市场潜在竞争影响，用以判断是否存在不正当竞争行为，具体评价指向以下两点：

（1）AI产品的目的和性质与原数据持有方的商业目的和性质的相似性。

（2）AI产品通过采集的数据训练自行创作并输出新内容的变革性。

1、法律规定

与美国不同，我国目前已经制定《中华人民共和国反不正当竞争法》（下称“中国反不正当竞争法”）对不正当竞争行为进行系统性规范。中国反不正当竞争法第二条对不正当竞争行为设定的一般性合法标准为：经营者是否存在扰乱市场竞争秩序、损害其他经营者或者消费者的合法权益的行为。

针对AI训练中数据采集行为，我国《生成式人工智能服务管理暂行办法》对AI数据训练行为进行了规范，要求AI服务提供者应当使用具有合法来源的数据和基础模型、不得侵害他人依法享有的知识产权、需符合个人信息保护规定等。2024年12月25日，《中华人民共和国反不正当竞争法（修订草案）》（征求意见版）第十三条增加了对“以欺诈、胁迫、电子侵入等不正当方式，获取并使用其他经营者合法持有的数据”的禁止性要求。

但是，特别的，对于网络不正当竞争行为，我国于2024年制定了《网络反不正当竞争暂行规定》，其中规定了鼓励创新原则，以及通过算法等妨碍服务运行时，应当充分考虑是否有利于技术创新和行业发展等因素。

结合以上规定可以看到，我国当前针对AI相关的算法、数据采集等行为，在反不正当竞争体系的立法中仍将“合法来源”“合法使用”作为基础，并以保护数据持有权益为优先考量，但也将技术创新作为辅助要素考虑。

2、判例情况

从我国公开披露的裁判文书来看，涉及AI的纠纷以合同类、知识产权与不正当竞争纠纷、侵权责任纠纷最为典型[10]。

在（2024）浙0192民初1587号判决[11]中，法院认为，人工智能是引领新一轮科技革命和产业变革的战略性技术，应坚持发展和安全并重、促进创新和依法治理相结合的原则，对生成式人工智能服务实行包容审慎，兼顾权利保障和服务产业健康高效发展，推动形成公平合理、开放包容的人工智能治理体系。

具体来看，法院认为案涉AI模型训练是为了更好满足用户的创作效率，是一种新型的AI服务模式，并有助于文化事业发展，符合“效率优先”的自由竞争原则。且新旧作品间影响力的此消彼长是竞争的常态化结果，并不必然具备不合理损害其他主体竞争权益和消费者权益的特征，符合公平竞争要求。

从该案例可以看到，实践中部分法院已将创新性作为重要考虑因素，审慎看待AI训练模型产生的潜在竞争行为。

3、建议

笔者认为，反不正当竞争法应围绕市场竞争新需求进行设计规制，各条款亦应当基于实用主义回应竞争新形势，以维护市场秩序。应当考虑拟制对技术创新的“缓冲空间”，并建立“安全港”规则，对于具有创新性、不存在实质潜在市场影响且不损害公共利益的AI训练中的竞争行为（如数据采集）予以有条件豁免。

结合AI数据侵权案件，豁免标准可以将以下因素纳入考量：（1）用于训练的AI产品是否具有创新性；（2）用于训练的AI产品是否会直接输出原采集数据，导致影响原数据持有方的潜在市场，进而产生市场替代及不正当竞争行为；（3）对AI训练中收集的数据途径、数量进行限制，并要求AI服务提供者遵守特定数据使用限制（如不得授权他人使用）和保密义务。

任何创新都至少需要部分依托于现存的原创基础，在创新者与原创者之间，保护何者的法益更能维护社会利益，促进社会发展，这是一个需要衡量的难题。在没有获得标准答案之前，笔者建议不妨先建立一个适当竞争的缓冲地带，让子弹先飞一会，而我们且看这善于创新的时代是否会给出一个“答案”。