Meta悄然修改条款：AI训练数据抓取争议再起

Meta最近对其商业使用条款进行了一次看似技术性的修改，却意外点燃了关于AI训练数据来源合法性的新一轮讨论。争议的核心在于：平台是否在未经明确许可的情况下，将带有商业账户的第三方网站内容纳入了AI训练的素材库。

条款修改的来龙去脉

据Hacks.gr报道，Meta在更新其商业条款时，加入了一段关于从商业域名和外部URL获取数据用于AI训练的表述。这一措辞迅速引起了法律界人士的警觉——有律师指出，该条款为Meta从拥有商业账户的新闻网站抓取内容留下了空间。

在舆论压力和法律审视之下，Meta最终移除了这段有争议的表述。公司发言人随后澄清，相关条款仅适用于广告产品和专业服务，并强调这并不意味着Meta改变了其扫描互联网的整体方式。

网络爬虫与AI训练数据的关系

网络爬虫（Web Crawler）是自动浏览互联网并抓取网页内容的程序，是大型语言模型获取训练语料的主要手段之一。GPT-3、LLaMA等模型的训练数据中，相当比例来自对公开网页的大规模抓取。问题在于，“公开可访问”并不等于“可自由用于AI训练”——robots.txt协议、网站服务条款和版权法共同构成了灰色地带。Meta、Google等公司通常依据自身服务条款中的授权条款来主张抓取合法性，因此条款中任何关于数据来源范围的措辞变化，都会被解读为对抓取边界的实质性扩张或收缩。

为何一条条款引发如此大的反应

这并非孤立事件。近年来，出版商与科技巨头之间围绕知识产权使用的法律战愈演愈烈。Meta曾在2025年6月赢得过一起类似的诉讼，但这并未平息外界对其数据获取边界的质疑。

问题的敏感性在于：当平台同时扮演“商业服务提供者”和“AI模型训练者”双重角色时，条款中任何模糊地带都可能被解读为扩大数据采集范围的信号。新闻机构尤其担忧，自己的内容通过商业账户被间接用于训练竞争对手的AI系统。

出版商与AI公司的版权诉讼背景

自2023年以来，《纽约时报》起诉OpenAI和微软、Getty Images起诉Stability AI、多家新闻机构联合起诉谷歌等案件，构成了出版商与AI公司之间持续升级的法律战。这些诉讼的核心争点包括：AI训练是否构成“合理使用”（fair use）、抓取行为是否违反网站服务条款、以及AI生成内容是否构成对原作品的替代性竞争。2025年6月Meta赢得的类似诉讼，并未确立普遍性判例，各地法院对合理使用的认定仍存在分歧。在这一背景下，Meta商业条款中任何涉及“商业域名”“外部URL”的表述，都可能被出版商视为规避诉讼风险的试探性动作。

“移除”不等于“改变”：Meta的立场解读

Meta的回应策略值得玩味。公司一方面迅速撤回了争议措辞，另一方面又明确表示爬虫政策并未发生实质变化。这种表态传递出两层信息：其一，承认条款表述可能存在误导；其二，坚持其既有的数据抓取实践是合规的。

从产品体验的角度看，这种“修改措辞但不改变行为”的做法，反映出科技公司在面对监管和舆论压力时的典型应对模式——在法律风险可控的范围内，尽量保持业务连续性。

对AI行业数据合规的启示

这一事件折射出AI训练数据来源透明度的普遍困境。多数大型科技公司依赖网络爬虫获取海量文本，但公开条款往往语焉不详。Meta此次的条款风波，可能促使更多企业重新审视自身服务条款中关于数据使用的表述边界。

对于依赖平台流量的内容创作者和出版商而言，这提醒他们需要更仔细地关注平台条款的细微变动——一条看似不起眼的措辞调整，背后可能涉及重大的数据权利安排。

AI训练数据透明度的监管趋势

欧盟《人工智能法案》要求通用目的AI模型的提供者披露训练数据的来源摘要，美国版权局也多次就AI训练数据问题发布报告和征求意见。与此同时，数据溯源（data provenance）技术和内容授权市场（如新闻集团的内容授权协议）正在兴起，试图在抓取与授权之间建立可审计的中间层。Meta条款风波表明，单纯依赖服务条款的模糊授权已越来越难以应对监管审查和舆论压力，行业正被迫向更明确的数据来源声明和授权机制过渡。

结语

Meta移除争议条款的动作本身并不复杂，但它揭示了一个更深层的问题：在AI训练数据需求激增的背景下，平台条款的模糊性与内容所有者的权益保护之间，仍缺乏清晰的平衡机制。这场条款风波或许只是更大规模博弈的序幕。