微软称 Copilot 极少复现文章内容，版权诉讼聚焦数据争议

微软在针对《纽约时报》及书籍作者的版权诉讼中提交法律文件，称其 Copilot 聊天机器人极少完整复现新闻文章和书籍内容。这份文件是诉讼中的关键攻防之一：微软请求法官作出简易判决（summary judgment），若获批准，案件可能提前结束。

关键事实要点：

微软向新闻出版方聘请的专家提供了 820 万条 Copilot 聊天日志，并称这些日志是因命中与新闻原告网站相关的关键词而被筛选出来，最可能包含争议作品内容
微软称，其中 59,545 条包含至少 16 个与用于支撑 AI 模型的新闻内容相同的单词，占比不足 1%
书籍作者诉讼中的专家发现，820 万次 Copilot 对话中仅有 24 条回复包含至少 30 个匹配单词；被评估的 212 本书中，只有 10 本出现匹配
微软称，中央调查报道中心（CIR）的专家在数据集中发现 51 处“实质性重叠”

微软强调，这 820 万条日志并非随机抽样，而是因命中特定关键词而被筛选出的日志，按其说法，这些记录最可能包含新闻原告作品。因此，微软试图借此证明：即便在更容易出现争议内容的样本中，Copilot 实际复现原文的频率仍然很低。

根据微软在文件中的说法：

这一数据与原告叙事形成明显对照：出版方和作者认为微软与 OpenAI 使用其作品构建商业产品，并可能替代原始新闻和图书内容；微软则认为，偶发的文本重合不足以否定大语言模型训练的转换性用途。

微软主张，将受版权保护的内容用于 AI 训练数据集应被视为美国版权法下的**“合理使用”（fair use）**。其核心论点是：Copilot 等系统虽然依赖受版权保护的材料训练，但最终用途与原始作品显著不同；偶尔复现部分文字，并不破坏大语言模型训练的转换性目的。

《纽约时报》不同意微软的结论。其首席律师 Ian Crosby 在声明中称，取证阶段披露的文件和证词“只指向一个结论”：微软和 OpenAI 从《纽约时报》窃取内容，用来制造替代其新闻报道、威胁其业务并削弱行业的商业产品。他还表示，期待微软和 OpenAI 为其行为承担责任。

本案中，新闻出版方和书籍作者的相关诉求已被合并到同一名法官名下审理，以简化流程，尽管出版方和作者曾提出反对。微软是在请求简易判决的阶段提交这份文件；若法官支持出版方和作者，案件将继续在法院推进。原文还提到，特朗普政府本周在《纽约时报》相关案件中提交了利益声明，支持 OpenAI。

适合谁关注、谁该更谨慎：

建议策略：在诉讼尚未尘埃落定前，依赖 Copilot 生成内容的组织应避免直接发布未经核验的长段文本；个人用户可以正常使用，但不应将 AI 输出默认视为无版权风险或事实完全可靠。

这起诉讼的核心并不只是 AI 是否“学会”了新闻报道或图书写作风格，而是训练数据使用与最终输出之间的法律关系如何界定。微软提供的筛选日志数据，把争议进一步推向一个关键问题：当大规模系统中只出现零星文本匹配时，是否足以支持系统性侵权指控？这将成为 AI 时代“合理使用”原则的重要检验。