会摧毁供应链的产品——制造方自己先写了下来
微软、OpenAI内部文件在法庭上被公开
商业比“史上最大规模劳动盗窃”留存更久的一句话
上月17日（当地时间），在《纽约时报》对OpenAI和微软提起的版权诉讼中，一部分此前被封存的文件被公开了。各家媒体的报道标题几乎都用了同一句话——微软应用科学总监Brent Hecht据称在2023年1月的内部备忘录中写下的表述：“人类历史上最大规模的劳动盗窃”。
这确实是能当标题的一句话。但我在同一个人写下的另一句话上停留了更久——大语言模型是摧毁自身供应链的产品这句话。据悉，微软内部文件中也有类似意思的段落：最终产品威胁到核心供应商的经济基础，这种情况极为罕见，而我们在LLM业务上恰恰造就了这种局面。
“盗窃”是伦理的语言，是要在法庭上争辩的词。“供应链”则是商业的语言。今天我想聊聊后一种说法——公司内部知道了什么、用数字确认了什么，以及明明知道，却为何没有朝着留住供应方的方向行动。
已公开文件中写下的内容
先来梳理一下都公开了些什么。这起诉讼是《纽约时报》于2023年12月提起的，如今还有包括《纽约每日新闻》在内的另外11家媒体一同参与。纽约南区联邦地区法院的Sidney Stein法官正在审查简易判决1申请，过程中文件正一点点被公开出来。
这次公开的内容大致可以分成三条线。
第一是规模。据原告方书面材料称，仅OpenAI的一个中间训练数据集中，就收录了超过9万1,692篇原告媒体的文章副本；而在从Common Crawl2中筛选出的一个数据集里，仅nytimes.com的文档就超过200万份。原告方的主张中还包括绕过付费墙、并从训练数据中删除版权声明的相关情节。其中一例是：一名OpenAI研究员报告了一个绕过《纽约时报》付费墙的“黑科技”，格雷格·布罗克曼总裁回复道：“啊，不错。”
第二是内部的担忧。除了Hecht的备忘录之外还有别的。主导ChatGPT开发的Nick Turley在2023年6月的备忘录中写道，AI对新闻媒体构成了存在性的威胁；到2024年2月，他又写道AI产品越好，就会越发具有替代性。2020年，时任OpenAI政策总监的杰克·克拉克曾给萨姆·奥特曼和布罗克曼发过一份备忘录，称公司将会打造出一套取代那些创造社会文化之人劳动的系统。克拉克后来离开公司，与人共同创立了Anthropic。
第三是高管的证词。微软CEO萨蒂亚·纳德拉在证词记录中表示，付费墙背后的内容，无论是谁想要使用，都必须获得授权许可。他还表示，如果当初知道OpenAI抓取了付费墙背后的信息用于训练，他会行使要求模型重新训练的权利。
不过阅读时有两点需要留意。这次公开的内容中，相当一部分并非原始证据，而是**《纽约时报》一方书面材料中引用的节选**。原始文件目前仍处于封存状态，也就是说，这些都是脱离前后语境被截取出来的句子。此外，微软反驳称，Hecht的备忘录不代表公司立场。在法庭书面材料中，微软解释说他并非决策者，而是被雇来提供不同视角的研究人员。OpenAI没有回应置评请求。
比“盗窃”更沉重的词是“替代”
标题虽是盗窃，但我认为在审判中真正有分量的词另有其物。是“替代”。
OpenAI 和微软的辩护逻辑是美国版权法中的合理使用3。他们的主张是：将文章用于训练，是对原作进行了充分转化，生成了新的东西，而非损害原作市场价值的替代品。法院在判断合理使用时会考量的因素之一，正是这种使用对原作品市场造成的影响。
然而这次的文件里，反复出现了公司内部使用的“替代”一词。被窃取内容训练出的 AI 产品，被写成“基本上是替代性的”，后面还加了一句“就这样，完了”。2023 年 2 月，OpenAI 的一名工程师曾写信告诉同事，无论链接展示得多显眼，用户也不会点击。微软自己的数据显示，Copilot 的回答引擎相较原有的必应搜索，将 nytimes.com 的点击率最多拉低了 93%，这一点也写进了诉状里。
关于链接的这个话题，我们的通讯之前也谈过几次。谷歌向出版商推出“首选来源”按钮时，我们也曾引用过外部调查——一旦附上 AI 摘要，链接点击量几乎腰斩。这一次不同的地方在于来源。这次不是外部调查机构，而是产品制造方自己的内部数据和工程师亲笔写下的句子。“附上来源链接就能带回流量”这种说法，制造方自己都不曾先信过。
谷歌首选来源按钮不会告诉你粉丝数 · 第210期 · INLEVEL9我们梳理了谷歌公开的首选来源嵌入按钮的内容，以及为何出版商无法确认自己网站被指定的读者数量与流量来源不过，我们不能就此提前预判诉讼的结果。到目前为止，美国法院在这类案件上大体倾向于将 AI 训练视为合理使用，本月初，特朗普政府还提交了支持 OpenAI 一方的意见书。缺乏上下文的摘录，在审判中完全可能被解读成不同的意思。只是，一家主张“这是转化而非替代”的公司内部，出现了“是替代，完了”这样的句子，这一事实不论判决结果如何，都已经留在了记录里。
拖垮供应商的买家
现在回到供应链的话题。
从经营者的角度看，核心供应商垮掉首先是生存问题，其次才是伦理问题。去年8月我写SanDisk的故事时，看到的正是相反的一幕。搭建AI数据中心的客户与NAND供应商签订了长达4年以上的合同，甚至设下165亿美元规模的担保，一旦违约资金就会立刻转移。因为零部件一断供，自己的生意就会停摆，所以是买家先出钱来保障供应商的生存。
SanDisk的4年合同，165亿美元担保 · 第183期 · INLEVEL98家客户率先要求签订4年以上的供货合同，并提出165亿美元的财务担保Hecht文件有意思的地方在于，它把这套逻辑原封不动地套用到了内容上。他把Copilot导致媒体点击量下滑的现象称为“毁灭的循环”。媒体一旦变弱，优质文章就会减少；优质文章减少，模型性能也会下滑，整个网络都会随之变差。与其说这是伦理呼吁，不如说是对我方产品原材料供应的警告。
但与半导体不同，在内容领域，买家并没有留住供应商。文件本身并没有直接回答为什么会这样。从这里开始是我的解读，我认为有两个原因叠加在一起。
一个是时间差。NAND今天一断，服务器今天就停。而文章早已积累了数十年的存量供模型训练，供应商垮掉的代价要到几年后才会显现。另一个是供应商的数量。NAND供应商屈指可数，但写文章的地方却数不胜数。哪怕一家垮掉，眼下看起来也总有替代品。这两个条件一旦叠加，即便明知供应链正在崩塌，今天就掏钱的理由也会变得薄弱。
在此期间，供应商一方的价码开始靠诉讼和个别合同来确定。有的媒体像新闻集团那样与OpenAI签下了大额合同，也有像我这样把一本书授权用于AI训练、拿到几百美元的作者。不过这与其说是设计出来的供应链，不如说更像是眼看着供应链崩塌、临时东拼西凑出来的补丁。
Oswarld视角
在这份文件里，我看得最久的段落其实是另一处。是微软对赫克特（Hecht）的说明。说他是被雇来提出不同意见的人，而不是决策者。
再把克拉克（Clark）2020 年的备忘录摆到一起看，画面就更清晰了。警告不止一次，也不只出现在一家公司里。2020 年、2023 年、2024 年，两家公司内部反复写下方向相同的句子。可即便如此，方向也没有改变。
如今那些引入 AI 的企业，常常会设立一些职位：伦理委员会、红队、负责任 AI 负责人之类。我认为这类职位是必要的。只是这个案例说明的是：设立一个可以提出反对意见的岗位，和搭建一条让那个意见能够抵达决策的通路，是完全不同的两件事。如果没有这条通路，那份备忘录往往要等到几年后的法庭上，而且还是作为对方的证据，才第一次被认真读到。
所以我觉得，不如先这样问一家组织：“这会摧毁我们的供应链”这样的备忘录一旦被写出来，它会在谁的桌上停下来？
结语
这份文件并不能决定判决结果。摘录缺乏语境，法院依然倾向于支持合理使用。但可以确定的是，在 AI 公司内部使用的措辞，比外部的批评更准确地指出了问题所在。比起“盗窃”这个词，更值得注意的是“供应链”这个词。
💬 在 读者 所在的组织里，内部的反对意见是否有一条能走到决策层的路径？如果曾有过顺着这条路径、方向真的因此改变的经历，或者最终未能抵达的经历，欢迎在评论区分享。
📨 如果身边有正在考虑引入 AI 或从事内容业务的同事，请把这篇文章转发给他们。
参考资料与延伸阅读
核心来源
- 《纽约时报》，《Microsoft and OpenAI Workers Worry About ‘Largest Theft of Labor’ in History》，2026年9月17日。……这是今天这篇文章的出发点。特利与克拉克的备忘录，以及微软的反驳，都整理在这篇报道里。这是一篇付费文章。
- TechCrunch，《Microsoft exec called AI scraping ‘the largest theft of labor in human history,’ new unredacted filings reveal》，2026年9月17日。……93%的点击率下降、9万1,692件、200万件等数字，以及“内容供应链”文件，都出现在这篇报道里。报道里也指出，其中大部分内容是原告一方书面陈述的摘录。
- 《华盛顿邮报》，《Microsoft exec called AI the ‘largest theft of labor’ in history, court records show》，2026年9月17日。……可以确认这份文件是通过《纽约时报》一方的书面材料公开的经过。
推荐搭配阅读的往期内容
- 谷歌为拯救搜索市场推出的解决方案 ……这篇文章通过外部调查，考察了AI摘要到底让链接点击量下降了多少。
- 闪迪拿到的一份四年之约 ……这是一个相反的案例：买方反而先为供应商的生存押上了资金。
- 我的书是靠版权费卖出去的。 ……我以自己的书为例，梳理了如今训练数据的价值是按什么样的规则来计算的。
你的观点会成为下一期的线索
欢迎留下你的经验与看法。