训练数据的来源合法性,过去两年已经从技术问题变成了合同问题。整个行业长期靠一条心照不宣的默契运转:互联网上公开可访问的内容,默认就可以拿去训练模型。谁都知道这条默契站不住脚,但只要没有哪家公司把话说破,大家就都能继续跑。
Meta 这次把话说破了。
10 月中旬,Meta 更新商业服务条款,新条款定于 2026 年 10 月 30 日生效。改动本身藏在商业条款这种没人读的长文里,但它触及的是整个大模型行业最敏感的那根神经:数据从哪来。
条款里到底写了什么
争议最大的部分是一段关于"抓取"的授权。条款写明,Meta 可以使用"自动化软件(诸如网页抓取工具、机器人、爬虫、蜘蛛、crawler 和 user agent)"访问、抓取与商业产品和服务相关联的域名、网页或 URL,甚至可以创建"测试凭据"来完成这些动作。
把这些工具名称逐一点名这件事本身就很说明问题——它不是随口一提的概括,而是在列举可执行的手段清单。
真正引爆舆论的是后面那半句。原条款写着,Meta 可以使用来自上述域名、网页或 URL 的"任何内容",去"提供、开发、改进、研究、训练并维护"其产品、服务和功能的完整性。摘出来就是:
Meta may use any content from such domains, web pages, or URLs to provide, develop, improve, research, train, and maintain the integrity of, the Meta Company Products...
Crypto Briefing 的分析指出,真正干重活的是 "train" 这个词。抓取本身不算新鲜事——广告推荐、链接预览都需要爬,业界早就见怪不怪。但把"训练"明确写进抓取授权里,性质就变了:这等于用一份合同,替所有站点的内容做了一次概括性的授权。
条款覆盖的关联平台包括 Facebook、Instagram、WhatsApp 和 Messenger。还有一条常被忽略的细节:条款被描述为"没有选择退出的选项"——不同意更新条款的企业,必须停止对 Meta 商业产品的全部访问和使用。用 The Verge 的说法,就是接受条款或者离开,二选一。
反弹来自哪里
出版商行业组织 News/Media Alliance 的反应非常直接。该组织总裁兼 CEO Danielle Coffey 称这份政策"令人愤怒,而且很可能违法",并明确表示"不能允许它在 10 月 30 日被实施"。
法律学者给出的意见更尖锐。康奈尔大学数字与信息法教授 James Grimmelmann 表示,对新闻出版商而言,这"显然构成了 Meta 训练其网站上任何内容的许可",并且可能让 Meta"甚至在与出版商自身竞争的情况下"部署这些内容。Nieman Lab 援引 Matt Topic 的话称,这一条款是"埋在服务条款里的一条惊人规定",并建议出版商假定它是可执行的。Solidot 转述法学教授 Eric Goldman 的分析则认为,新增条款在程序和实质层面都存在问题。
最尖锐的角度来自许可费。Meta 已经与包括 CNN 和 Fox News 在内的媒体机构建立了付费 AI 授权合作——也就是说,Meta 在某些情况下是愿意付钱的。法律观察者向 Nieman Lab 表示,原有措辞可能让 Meta 绕开价值"数百万美元"的授权费用。这就让那段文字看起来像是给自家正在签的合同,准备了一条免费替代路径。
三天之内撤回
Meta 的反应速度是这件事里最值得记的部分。
10 月 16 日至 17 日前后,Meta 再次改写商业条款,删除了那段"训练"授权。据 Crypto Briefing 的核实,新版条款把抓取权限限制在广告和商业产品范围内,移除了允许 AI 训练的表述,并确认尊重 robots.txt 等现有网络协议。
Meta 传播副总裁 Andy Stone 的公开说法是,这次更新"是为了确保我们能在做平台内广告和内容推荐时,从第三方网站上获取准确的在售商品信息,而不是关于抓取新闻网站"。公司的发言人对 Nieman Lab 表示,不打算把这份条款当作无视 robots.txt 指令的法律依据,并称仍然允许新闻机构退出,同时提供如何阻止抓取的指引。
我的判断
撤回发生在 10 月 30 日生效日之前,这本身就是一个信号:商业条款是可以被舆论在生效前改写的,而且速度远快于任何立法程序。对内容创作者来说,这大概是这次风波里唯一的好消息。
但新闻机构的处境仍然没有变好。这次赢得很窄:争议核心是 "train" 这个词被拿掉了,抓取权限本身还在,而且绑在商业产品上。更根本的问题是,新闻机构对 Meta 平台的分发依赖太深——正因如此,即使加一条 robots.txt 也拦不住,才必须靠舆论施压。技术手段在分发不对称面前,从来都不是解法。
这件事对 AI 从业者的启示有点反直觉:训练数据的合规边界正在从"技术手段"迁移到"合同条款",而合同条款的改写速度,比立法快得多,也随意得多。与其猜条款里下一个会出现什么词,不如盯住这几个词——因为决定你能用什么数据的,往往不是数据集的许可证,而是别人的服务条款。
当"抓取"两个字从技术名词变成合同名词,这一天其实早就到了,只是这次终于有人把账单摆到了桌面上。
本文事实来源:Crypto Briefing 关于条款修订的报道(https://cryptobriefing.com/meta-removes-ai-scraping-language-terms/),以及 Solidot 转载的事件梳理(https://www.solidot.org/story?sid=85640)。