国内一家正在自主开发大语言模型(LLM)的人工智能(AI)初创企业今年初本想将科学书籍用作学习数据,最终放弃了计划。原因是出版社要求每本书高达100万韩元的著作权使用费。这只是将定价2万至3万韩元区间的图书用于AI学习的使用价格,加工为学习用数据的费用另计。AI初创企业通常直接购买数据,或通过提供数据清洗的数据加工企业来训练模型。负责该项目的一家企业相关人士表示:“书籍是最适合AI学习的高质量资料,但由于著作权法的限制,中小企业实际上无法利用”,“最终只能依赖免费的公共数据,但其中真正可用的数据也不多。”
据2日AI业界相关人士介绍,国内初创企业为AI学习而购买的数据价格正越来越贵。数据价格上涨的原因在于,可用的“高质量数据”本身在市场上日益稀缺。
企业们提到的高质量数据的典型例子是“书籍”。目前韩国著作权法中不存在像欧盟(EU)或日本那样明确允许文本与数据挖掘(TDM,Text and Data Mining)的例外条款。AI模型分析和学习书籍、论文、新闻等作品的过程原则上可能构成“复制”,未经著作权人事先许可即受到限制。因此,AI企业若将内容用于学习,必须对所有作品另行取得许可。对初创企业和中坚、中小企业而言,由此产生的费用和行政程序是沉重负担。有意见认为应在著作权法中明确TDM免责,但与权利人团体的矛盾并不容易化解。政府和国会计划自2026年起在全球第二个实施“AI基本法”,但该法也未包含数据著作权问题。企业反驳称:“正如人读书获取知识并不构成著作权侵权,AI的学习本身也不应构成侵权”,认为不是针对成果、而是连学习行为本身都加以规制,是阻碍产业发展的过度监管。
企业无奈转向政府免费提供的公共数据,但情况并无太大不同。政府通过“公共Nuri”制度,整合提供国家、地方政府和公共机构开放的公共作品信息。公共Nuri按各作品适用的类型化使用条件,支持在无著作权侵权负担的情况下免费、自由使用。但在公共Nuri登记的内容中,相当一部分属于限制商业利用或修改的类型,因此实际上难以用作企业的AI学习数据。地方政府提供的地图、教科书插图、政府报告、统计图像等即属此类。AI业界一位相关人士指出:“在目前的公共基础设施水平下,高质量的AI学习并不容易”,“公共领域应思考如何大幅增加可规避著作权法争议的数据。”
这也是市场上经常出现“数据很多但可用的数据没有”这种抱怨的原因。据韩国数据产业振兴院6月对除公共部门外的1131家一般产业企业进行的《2024数据产业现状调查》,未引入数据的企业中超过一半、即53.8%回答“市场上没有称得上数据的数据”。公开数据减少时,大企业可通过政府、研究机构和全球合作获取非公开数据,而小规模企业则无法作出适当应对。这种状况自然会使小规模企业在AI应用上受挫,并导致大企业与中坚、中小企业之间AI模型性能的差距。此外,这也对中坚、中小企业或初期初创企业的融资不利,最终导致其放弃引入AI。据大韩商工会议所与产业研究院2023年进行的调查,大企业的AI应用率为48.8%,而中小企业仅为28.7%。一位中小企业相关人士表示:“以传统制造业为基础的中小企业也认同AI转型的必要性,但因担忧相关法律的影响而犹豫引入的情况很多。”
高质量数据枯竭不仅是当前国内的现象,也是全球性现象。去年AI专业研究机构Epoch AI曾警告:“书籍、新闻等可信赖的高质量文本数据可能从2026年起枯竭。”《金融时报》(FT)在5月的报道中称:“随着适当形态的数据日益稀缺,许多企业将数据视为核心业务资产”,“以许可、订阅形式将数据变现的趋势正在加速。”FT还强调:“各国如何监管AI、在多大程度上允许数据利用,将决定未来数据市场的结构和竞争力。”






