4. 训练数据来源类型与权利状态

训练数据的“来源类型”并不只是一个采购或采集口径问题，它直接决定了数据上附着哪些权利、谁有权授权、授权链条有多长、侵权风险落在哪一环。同一批文本，如果来自企业自有业务系统，与来自公开网页抓取、用户上传、第三方采购或模型合成，其权利状态可能完全不同。实务中，很多争议并非发生在模型训练阶段，而是发生在数据进入训练集之前——来源分类不清、权利状态未核验，导致后续授权、使用和输出都缺乏合法基础。

下面按五类来源分别拆解其权利特征、常见授权依据与高风险点，并在最后给出一份可直接用于数据入库前筛查的“来源—权利状态核验表”。

一、公开数据：可访问不等于可训练

公开数据通常指无需身份认证或仅需简单注册即可访问的网页、公开数据库、开放期刊、政府公开信息等。其核心误区是“公开即可自由使用”。实际上，公开只解决“访问合法性”，不当然解决“复制、存储、改编、训练”的合法性。公开网页中的文章、图片、代码、数据库内容，仍可能受著作权、数据库特殊权利、商标权、肖像权或个人信息保护规则约束。

以网页抓取为例，若目标站点在 robots.txt 中禁止抓取，或用户协议明确禁止批量下载与商业利用，继续抓取并用于训练，可能同时构成违约与侵权。对于含个人信息的公开内容，如公开的社交平台帖子、公开裁判文书中的当事人信息，即使来源公开，仍需判断是否属于“已公开个人信息”，以及处理目的是否在合理范围内。公开裁判文书虽可查询，但批量下载、去匿名化、用于商业模型训练，往往超出原始公开目的。

因此，公开数据的授权依据通常不是“公开”本身，而是：著作权法中的合理使用/法定许可（视法域而定）、开放许可协议（如 CC 协议）、政府数据开放授权、或权利人的单独授权。入库前应记录来源 URL、抓取时间、robots 与用户协议状态、许可类型、是否含个人信息、是否含第三方权利内容。

二、自有数据：权利最清晰，但边界要划清

自有数据指企业自身生产经营中形成或合法持有的数据，如内部文档、客服记录、业务日志、产品数据、自研代码、自有图片与音视频。这类数据权利状态相对清晰，企业通常享有著作权、商业秘密或数据持有者权益，授权链条最短，是训练数据中最安全的一类。

但“自有”不等于“无限制”。若自有数据中包含员工个人信息、客户个人信息、第三方嵌入内容（如采购的图片素材、开源代码片段），则这部分仍受外部权利约束。例如客服对话记录属于企业自有业务数据，但其中包含用户手机号、地址、订单信息，训练前必须做去标识化或取得单独同意。再如自研产品文档中引用了第三方标准文本或图表，该部分不能简单视为自有。

实务建议：对自有数据建立“权属分层”台账，区分企业完全自有、企业享有使用权但权利受限、含第三方权利、含个人信息四类，分别标注可用范围与脱敏要求。

三、用户生成数据：平台有授权，不等于可任意训练

用户生成数据（UGC）指用户上传、发布、评论、上传图片视频等内容。平台通常通过用户协议获得一项“全球、免费、可转授权”的使用许可，用于平台运营、展示、推荐等。但该许可是否覆盖“训练人工智能模型”，取决于协议措辞与解释。若协议仅写“为提供服务之目的”，将其扩张解释为训练大模型，存在被认定为超出授权范围的风险。

此外，UGC 中大量包含用户个人信息、肖像、声音、作品。即使平台获得用户授权，若用户本身不是著作权人（如上传了他人作品），平台仍不能据此完成完整授权。训练前应区分：用户原创内容、用户转载内容、用户个人信息、用户肖像与声音。对含肖像、声音的数据用于模型训练，尤其是生成式模型，通常需要更明确的单独同意。

四、第三方数据：授权链条最长，最易断裂

第三方数据包括向数据供应商采购的数据集、从合作方获取的数据、通过 API 调用的数据、以及从公开渠道但由第三方整理的数据包。这类数据的核心风险是“授权链条断裂”：供应商可能只有转售权而无训练授权，或数据本身来源于未获授权的抓取。

采购合同中必须明确：授权用途是否包含“机器学习/人工智能模型训练”、是否允许衍生模型、是否允许再分发、是否允许商业使用、是否保证权利无瑕疵、侵权时如何赔偿。若合同仅写“用于数据分析”，用于训练模型可能构成超范围使用。对于 API 数据，还要看服务条款是否禁止缓存、禁止用于训练竞争模型。

建议对第三方数据执行“三查”：查供应商权利来源、查原始授权范围、查是否含个人信息与敏感内容。任何一环无法闭合，该数据集应降级使用或排除。

五、合成数据：权利风险低，但并非零风险

合成数据由模型生成或规则生成，通常不直接复制真实作品，权利状态相对简单，企业可主张对生成结果享有一定权益。但其风险在于：若生成模型训练时使用了侵权数据，合成结果可能被视为“衍生作品”；若合成数据与真实人物、真实作品高度相似，可能涉及肖像权、著作权或个人信息风险；若合成数据用于替代真实数据，还需关注数据质量与偏差。

合成数据的授权依据主要来自生成工具的服务条款与训练数据合规性。使用第三方生成工具时，应确认其是否授予商业使用与训练使用权，以及输出是否可主张权利。

六、入库前可直接使用的“来源—权利状态核验表”

下表用于数据进入训练集前的快速筛查。每一行对应一个数据批次，逐项填写后判断是否放行。字段可根据企业实际调整，但建议保留“来源类型、权利依据、训练授权、个人信息、第三方权利、结论”六项核心字段。

总结来看，五类来源的权利差异可以归纳为一条主线：授权链条越短、权利主体越单一、训练用途越明确，合规确定性越高。自有数据与合成数据相对可控，公开数据与第三方数据风险最高，用户生成数据则处于中间地带且高度依赖协议措辞。真正可执行的做法，不是笼统判断“能不能用”，而是对每一批数据完成来源分类、权利核验、授权确认、个人信息与第三方权利标注，再决定放行、脱敏、降级或排除。