在 Edward Lee 的網站上看到美國政府對紐時告 OpenAI 侵害著作權提出 Statement of Interests^編1編1https://chatgptiseatingtheworld.substack.com/p/united-states-files-statement-of ^編2編2Statement 全文連結： https://www.courtlistener.com/docket/69879510/1682/in-re-openai-inc-copyright-infringement-litigation/ 。備份檔案。。我請 Claude Opus 5 Max 翻譯全文。再度聲明本人並非美國法專業，只是想看戲的政策研究觀眾。

美國政府利害關係聲明書^譯1譯1Statement of Interest 之譯法。 依 28 U.S.C. 517，美國司法部得就美國政府具利害關係之繫屬案件，主動向法院提出意見，無須法院許可，亦不受期間限制。其功能近似「法庭之友」（amicus curiae）意見書，惟係由行政部門依法定權限逕行提出，且提出者本身即為主張有利害關係之主體。我國法制並無完全對應之制度（較接近者為《行政訴訟法》上之機關陳述意見，或司法院憲法法庭審理案件時之機關說明）。本譯本譯為「利害關係聲明書」，以突顯其法定性質。 #

美國聯邦地方法院 紐約南區分院 (UNITED STATES DISTRICT COURT, SOUTHERN DISTRICT OF NEW YORK)

案由：OpenAI, Inc. 著作權侵害訴訟合併審理案 (IN RE: OPENAI, INC. COPYRIGHT INFRINGEMENT LITIGATION)

本文書適用於：全部案件

案號：25-md-3143 (SHS) (OTW)^譯2譯2案號說明。 「md」指多地區訴訟合併審理（multidistrict litigation, MDL），即依 28 U.S.C. 1407，將散布於全國各聯邦地方法院、具共通事實爭點之案件，合併移送至單一法院進行審前程序。括號內之 SHS、OTW 分別為承審法官 Sidney H. Stein 與治安法官（magistrate judge）Ona T. Wang 之姓名縮寫。

文件編號： Case 1:25-cv-03483-SHS-OTW, Document 316 提出日期： 2026 年 9 月 1 日 全文頁數： 20 頁

---

譯者體例說明

一、標點：中文行文一律採臺灣標點慣例（全形逗號「，」、頓號「、」、分號「；」、冒號「：」、括號「（）」、引號「「」／『』」、破折號「——」、刪節號「……」、間隔號「‧」）。引註之標點不在此限，一律沿用英文半形形式，以維持引註之可查證性與體例正確性。獨立成句之引註（citation sentence）以半形句點「.」收尾，不再另加中文句號，以免出現「.。」重疊；惟其末尾為中文解釋性括號者，仍以「。」收尾。夾註於中文句中之引註（citation clause）則隨該中文句以「。」收尾。編者加註於引文中之插入語採「〔〕」。

二、引註體例：案件、法規、立法文件、期刊與網路資料之引註，一律保留英文原式，並依美國司法部訟務長辦公室《引註手冊》（Office of the Solicitor General Citation Manual, rev. Apr. 2014）校正。該手冊係司法部辦理聯邦最高法院案件之官方體例規範，其自述僅載明與《The Bluebook》相異之處，凡未特別規定者即回歸《The Bluebook》。故本譯本之引註順序為：OSG 手冊 → 《The Bluebook》實務者體例（Bluepages）。校正項目詳見譯註 ^譯17譯17see note 譯17 ↓。

三、引註中之解釋性括號：純屬引註機制者（如 emphasis added、internal quotation marks omitted、法官姓名與意見類型）依 OSG 手冊保留英文；具實質說明功能者（轉述判決要旨）則譯為中文並採全形括號，俾利閱讀。

四、註腳分為三類，各自獨立編號：原文書狀本身之腳註標為 1–20，編號與所依原始文件一致，故其中之 Ibid.、Id.、「note 5, supra」等引註訊號均可逕行追索；譯者所加之說明標為 譯1–譯18；本站作者所加之說明標為 編1–編2。文末之註釋亦依此三類分列。專門術語首次出現時於括號內附註英文原文。法規名稱採《》，篇名採〈〉。

五、原判決書之逐頁騎縫標記（Case 1:25-cv-03483-SHS-OTW Document 316 Filed 09/01/26 Page X of 20）已省略。

**未校正之項目**（因原文所載資訊不足，補足即涉臆測）：
(a) 兩則行政命令未附 3 C.F.R. 或《聯邦公報》引註，OSG 手冊 Rule 14.2 要求優先引 3 C.F.R.，本譯本維持原文之標題／日期／perma 連結形式；
(b) *Karnoski* 與 *Lynch* 兩則 Westlaw 引註未載案號，Rule 10.8.1(a) 要求載明；
(c) 兩則 ECF 引註未載書狀名稱，《The Bluebook》Rule 17（實務者體例 B17）要求載明；
(d) *Cary* v. *Kearsley* 僅有 *English Reports* 引註，未附 `4 Esp. 168` 之原始引註與法院標示。上述缺漏及譯註 t9 所指之案件編號誤植，均保留原文原貌。

---

美國政府依《美國法典》第 28 編第 517 條¹1第 517 條（部分內容）規定，司法部得「處理美國於美國法院繫屬中訴訟之利益」。該條文「未設時間限制，亦無須經法院許可」。Gil v. Winn Dixie Stores, Inc., 242 F. Supp. 3d 1315, 1317 (S.D. Fla. 2017); accord Karnoski v. Trump, 2018 WL 4501484, at *2 (E.D. Mich. Sept. 20, 2018) (same); United States ex rel. Lynch v. Univ. of Cincinnati Med. Ctr., LLC, 2020 WL 1322790, at *4 (S.D. Ohio Mar. 20, 2020) (similar).出庭，以向本院說明其於本訴訟中之利害關係。

壹、美國政府之利害關係 #

美國政府對於持續發展一個健全且具競爭力、並為全球人工智慧（artificial intelligence, AI）運用之實務與程序樹立標準的人工智慧產業，具有重大利益。²2美國政府並未主張本訴訟中所指控或描述之任何行為業經政府授權或同意，亦未主張任何行為係為美國之利益而為，其法律依據為 28 U.S.C. 1498。誠如總統於 2025 年 1 月 23 日發布之行政命令（Executive Order）〈排除美國人工智慧領導地位之障礙〉所述：「美國之政策為維持並強化美國在全球人工智慧領域之主導地位，以促進人類福祉、經濟競爭力與國家安全。」³3Executive Order, “Removing Barriers to American Leadership in Artificial Intelligence” (Jan. 23, 2025), https://perma.cc/QD6P-JEJE.據此，美國「維持人工智慧之全球領導地位」至關重要。⁴4Ibid. 晚近，總統於 2026 年 6 月 2 日之行政命令中，再次重申美國「鼓勵人工智慧創新，並加速政府與產業負責任地採用人工智慧」之承諾。⁵5Executive Order, “Promoting Advanced Artificial Intelligence Innovation and Security” (June 2, 2026), https://perma.cc/TV79-9A55.因此，以文字著作訓練人工智慧模型是否構成著作權法上之「合理使用」（fair use）^譯3譯3fair use → 合理使用。 對應我國《著作權法》第 65 條。惟須注意二者結構上之差異：美國 17 U.S.C. 107 之四項因素為判斷合理使用之單一綜合標準；我國則採「第 44 條至第 63 條列舉之法定例外 + 第 65 條第 2 項概括合理使用」之雙軌結構，且第 65 條第 2 項於 1998 年修法後方成為獨立之概括條款。，美國政府對此問題具有重大利益。

首先，有效整合人工智慧對於美國之國家安全能力至關重要。數年前，美國政府責任署（Government Accountability Office, GAO）^譯4譯4Government Accountability Office 之譯法。 我國多譯為「政府責任署」或「審計總署」（其前身為 General Accounting Office），中國大陸則慣譯「政府問責署」。本譯本採「政府責任署」。該機關為美國國會所屬之獨立審計與調查機關，職能兼具我國審計部與立法院預算中心之部分角色。即警告，「未能採用並有效整合人工智慧技術，可能妨礙國家安全」，因為人工智慧可用於「分析情報資訊」、「強化武器系統（如無人機與無人艦艇）」以及「於戰場上提供建議（如飛彈打擊之目標選定）」等任務。⁶6How Artificial Intelligence Is Transforming National Security, Gov. Accountability Office (Apr. 19, 2022), https://perma.cc/62SS-H358.隨著時間推移，以下情形益發明顯：「先進人工智慧能力使我國更為強大，但同時帶來新的國家安全考量」，因而必須「部署最優良、最安全之技術，以迅速應對我國所面臨之任何威脅」。⁷7Executive Order, “Promoting Advanced Artificial Intelligence Innovation and Security”, note 5, supra.當然，境外敵對勢力亦有相同目標。因此，凡使美國發展健全人工智慧產業之難度顯著提高之法律規則，均將威脅國家安全，並使不受此等拘束之境外敵對勢力取得競爭優勢。

美國政府對於聯邦法律之正確解釋與適用亦具有主權利益，所涉法律包括《美國憲法》第一條第八項第八款（即智慧財產條款，Intellectual Property Clause）及 1976 年《著作權法》（Copyright Act of 1976），即《美國法典》第 17 編第 101 條以下。誠如總統《人工智慧國家政策架構》所闡明：「美國之創作者、出版者與創新者應受到保護，免於人工智慧生成之產出侵害其受保護內容，同時不得損及合法創新與表達自由。」⁸8See Legislative Recommendations, National Policy Framework, Artificial Intelligence (Mar. 2026), https://perma.cc/RJ8G-6FDC.為求取此一平衡，總統已促請國會考量下列事項：為權利人建立授權架構或集體權利管理制度（但同時表示此類立法不宜處理何時或是否應取得授權之問題）；建立聯邦層級之架構，保護個人免於其可識別特徵之人工智慧生成數位複製品（digital replicas）^譯5譯5digital replicas → 數位複製品。 指以人工智慧生成、模擬特定自然人聲音、肖像等可識別特徵之數位產物，亦有譯為「數位分身」、「數位複製人」者。美國國會相關立法草案（如 NO FAKES Act）即以此為規範對象；我國目前主要循《個人資料保護法》、《民法》人格權及《刑法》第 319 條之 1 以下（性影像相關）處理，尚無專法。遭未經授權之散布或商業利用；以及持續觀察著作權法之發展，以評估是否有進一步立法之必要。⁹9See ibid.惟基於促進創新與表達自由之國家利益，「以受著作權保護之素材訓練人工智慧模型」本身「並不違反著作權法」。¹⁰10Ibid.

於本訴訟中，《紐約時報》（The New York Times）試圖限縮合理使用原則之範圍，以將 OpenAI 大型語言模型（large language models, LLMs）之訓練排除在外。¹¹11為求簡明，美國政府僅提及原告《紐約時報》與被告 OpenAI。美國政府之法律主張同樣適用於本訴訟及相關案件之全體當事人，包括書籍作者與出版者。此一結果將牴觸著作權法之基本原則，並嚴重妨礙「科學與實用技藝之進步」。U.S. Const. Art. I, § 8, Cl. 8.^譯6譯6“the Progress of Science and useful Arts”. 美國憲法智慧財產條款中之 “Science” 沿襲十八世紀語義，泛指「學問、知識」之整體（對應著作權），而非現代狹義之自然科學；“useful Arts” 則指實用技藝（對應專利）。本譯本譯為「科學與實用技藝」以保留原文對仗，惟閱讀時宜以「學問與實用技藝」理解其實質。如後所述，各類出版事業——除《紐約時報》本身外，尚包括獨立媒體與新創媒體——正運用大型語言模型從事新聞及其他用途。而在本訴訟標的之外，大型語言模型已協助各領域研究者取得重大突破。¹²12See, e.g., OpenAI, An OpenAI Model Has Disproved a Central Conjecture in Discrete Geometry, https://openai.com/index/model-disproves-discrete-geometry-conjecture/ (last visited Aug. 31, 2026); Anthropic, How Claude Is Accelerating Protein Design and Analytical Chemistry（Claude 如何加速蛋白質設計與分析化學）, https://perma.cc/8HMS-EF5D (last visited Aug. 31, 2026).若因誤解合理使用原則而限制大型語言模型之發展，將阻礙此等創作與科學進展，並妨害美國之繁榮與經濟流動。

此外尚將造成其他損害。錯誤之合理使用判決將妨礙大型語言模型市場之競爭，因為唯有規模最大之科技公司，方可能具備支付授權金所需之資本。而由於傳統媒體之文字出版品數量龐大，此等授權金亦將使其獲得不成比例之利益。反之，若不受牽強之著作權法解釋所拘束，大型語言模型基於多項理由，能夠且應當有助於拉平主流出版者與獨立出版者之間的競爭條件。資源有限之作者得利用大型語言模型參與競爭（例如以大型語言模型生成搭配文章之圖像，否則可能須聘請攝影師或另行取得授權）。大型語言模型亦能將使用者導向提供相反資訊或觀點之異見來源。若因授權所形成之進入障礙——其主要作用無異於對老牌主流媒體公司之鉅額補貼——而使最大型之科技公司對大型語言模型訓練形成寡占，並不符合公共利益。¹³13就系爭著作範圍之廣、開發者所將面臨之責任，以及協調上之困難而言，授權制度於財務上或執行上是否可行，美國政府不表示意見。無論要求付費授權是否將對美國人工智慧產業構成生存威脅，該要求至少將妨礙創新，並使美國人工智慧公司相對於位處其他未一貫尊重美國智慧財產法之國家的競爭者，居於競爭劣勢。值得注意的是，無論以文字報導訓練大型語言模型是否構成合理使用，主流與獨立出版事業均得（且業已）締結授權協議，以提供開發者對即時性、付費牆內、專有及其他內容與資訊之特別接取。

基於上述各項理由，美國政府對於本院駁回「以受著作權保護之文本訓練大型語言模型構成著作權侵害」之任何主張，具有重大利益。

貳、陳述 #

一、人工智慧大型語言模型訓練之相關背景 #

如本院先前所闡釋，包括 OpenAI 在內之被告開發大型語言模型，此類模型「能接收文字提示（text prompts）作為輸入，並生成自然語言回應作為輸出；該回應係大型語言模型基於其對數十億件文字著作之訓練，預測最可能接續於所輸入文字串之文字串而產生」。New York Times Co. v. Microsoft Corp., No. 1:23-cv-11195-SHS-OTW, ECF No. 514, at 6 (S.D.N.Y. Apr. 4, 2025). 大型語言模型之開發分為數個階段。See id. at 7-8. 開發者於取得（或稱「蒐集」、「預訓練」，pre-training）階段，「首先蒐集資料，包括原告之著作」。Id. at 8. 此一階段「涉及蒐集並儲存大量內容」。Ibid. 其次，開發者將「透過將資料饋入模型之流程，以該等資料訓練其大型語言模型」。Ibid. 訓練過程涉及重製構成訓練資料之著作，再將該等資料轉換為一組能表徵詞彙之多重意義及其相互關係之數值，大型語言模型即據以學習語言模式並進行預測。See ibid. 至於「輸出階段」，「大型語言模型依其訓練成果，以及開發者所設定之任何防護機制（guardrails）或過濾機制，回應使用者之查詢」。See ibid.

各階段可能各自產生不同之著作權法問題。美國政府所聚焦者，係訓練階段對受著作權保護著作之利用——即為將資料作為學習素材饋入模型而重製著作——是否構成合理使用。

二、合理使用之法律架構 #

智慧財產條款授權國會「藉由於一定期間內，確保著作人與發明人對其各自之著作與發明享有專屬權利，以促進科學與實用技藝之進步」。U.S. Const. Art. I, § 8, Cl. 8. 如該文字所明示，「著作權之首要目標並非酬謝著作人之勞動，而係『促進科學與實用技藝之進步』」。Feist Publ’ns, Inc. v. Rural Tel. Serv. Co., 499 U.S. 340, 349 (1991). 雖然「我國著作權法之直接效果在於確保著作人之創作勞動獲得合理報償」，惟著作權法之「唯一利益」與「首要目的……在於公眾自著作人之勞動所獲得之整體利益」。Twentieth Century Music Corp. v. Aiken, 422 U.S. 151, 156 (1975) (internal quotation marks omitted). 「當技術變遷使其文義變得模糊時，《著作權法》即應依此基本目的加以解釋。」Ibid.

為達成智慧財產條款之憲法目的，《著作權法》「在酬謝著作人之創作與使他人得以在該著作基礎上進一步發展之間……取得平衡」。Kirtsaeng v. John Wiley & Sons, Inc., 579 U.S. 197, 204 (2016). 雖然著作人必須擁有「創作資訊性、知性豐富且供公眾閱聽之著作的經濟誘因」，惟自「1710 年著作權於英格蘭誕生後不久」起，法院即已認知，「賦予著作人對其著作之一切重製行為絕對控制權，在若干情形下反而會限制而非擴展公共知識」。Authors Guild v. Google, Inc., 804 F.3d 202, 212 (2d Cir. 2015) (Leval, J.) (citing Cary v. Kearsley, 170 Eng. Rep. 679, 681 (1802)（「不得為學問套上枷鎖。」）). 賦予著作人專屬權利¹⁴14有效之著作權賦予權利人「專屬權利」，以「重製該受著作權保護之著作」及「向公眾散布該受著作權保護著作之重製物」等。17 U.S.C. 106(1) and (3).可鼓勵表達性著作之創作與散布；限制該等權利則確保後續利用人享有合理之喘息空間與迴旋餘地，以促成進一步之表達。See Campbell v. Acuff-Rose Music, Inc., 510 U.S. 569, 575 (1994)（指出「同時保護受著作權保護之素材、又允許他人在其基礎上發展，此一需求本身即存在固有之緊張關係」）。若課予侵權責任將「扼殺〔著作權〕法所欲培育之創造力本身」，則對受著作權保護著作之利用即應被允許。Id. at 577 (citation omitted).

因此，著作財產權人之專屬權利受各種例外與限制之拘束。例如，「著作權保障著作人對其原創表達之權利，但鼓勵他人自由地在著作所傳達之思想與資訊基礎上進行發展」。Feist, 499 U.S. at 349-350. 「此一原則，即所謂思想與表達二分原則（idea/expression dichotomy）或事實與表達二分原則（fact/expression dichotomy），適用於一切著作。」Id. at 350.

與此相關且與本件最為攸關者，係「合理使用」原則：對受著作權保護著作之特定後續利用「不構成侵害」。17 U.S.C. 107. 合理使用雖源自「法官造法」，惟國會嗣後將其法典化。Campbell, 510 U.S. at 576. 該條文延續了普通法傳統，該傳統認知到：為促進智慧財產條款之目的，必須容許一定數量與類型之重製行為。See id. at 575 (citing U.S. Const. Art. I, § 8, Cl. 8). 合理使用係一種「衡平之合理原則（equitable rule of reason），使法院於僵化適用著作權法規將扼殺該法所欲培育之創造力本身時，得以避免此種適用」。Google LLC v. Oracle Am., Inc., 593 U.S. 1, 18 (2021).

第 107 條之前言明文列舉六種可能被認定為合理使用之利用態樣：「批評、評論、新聞報導、教學……、學術或研究」。惟「合理使用」之判斷「不得以明確之硬性規則加以簡化，蓋該條文與其所承認之原則同樣要求逐案分析」。Campbell, 510 U.S. at 576-577. 是以，該法定列舉並非窮盡列舉。See 17 U.S.C. 107（以「諸如」〔such as〕引導所列舉之態樣）。該條文之立法史亦可資佐證。See Harper & Row Publishers v. Nation Enters., 471 U.S. 539, 562 (1985); Pac. & S. Co. v. Duncan, 744 F.2d 1490, 1496 (11th Cir. 1984); Cambridge Univ. Press v. Becker, 863 F. Supp. 2d 1190, 1225 (N.D. Ga. 2012). 眾議院關於第 107 條之報告顯示，國會有意採取一種能因應新技術與新情境之彈性審查：

〔本委員會〕無意將該原則凍結於法條之中，於技術快速變遷之時期尤然。除就合理使用之意涵及其部分適用標準作極為概括之法定說明外，法院必須能自由地逐案將該原則適用於具體情況。 H.R. Rep. No. 1476, 94th Cong., 2d Sess. 66 (1976)^譯7譯7眾議院報告編號體例。 原文作 H.R. Rep. No. 94–1476, 94th Cong., 2d Sess. 66 (1976)。依 OSG 手冊 Rule 13.4(a)，司法部體例於此明文有別於《The Bluebook》：屆次（Congress）與會期（Session）應分列，且報告編號中不重複列出屆次數字，縱令該報告本身採連字號編號（如 100-592）亦然。故校正為 H.R. Rep. No. 1476, 94th Cong., 2d Sess. 66 (1976)。; see also id. at 65（「由於該原則係衡平之合理原則，不可能有普遍適用之定義，凡涉及此一問題之個案，均須依其本身事實裁斷。」）。

惟國會與法院確已確立若干指導合理使用分析之基本原則。第 107 條列舉了判斷特定利用是否「合理」時「應予斟酌」之非窮盡因素。17 U.S.C. 107. 所列舉之因素為：（1）「利用之目的與性質，包括該利用是否具商業性質或係為非營利教育目的」；（2）「著作之性質」；（3）「所利用部分之質量及其於整個著作中所占之比例」；（4）「該利用對受著作權保護著作之潛在市場或價值所生之影響」。^譯8譯8四項因素與我國《著作權法》第 65 條第 2 項之對照。 我國該項規定為：「一、利用之目的及性質，包括係為商業目的或非營利教育目的。二、著作之性質。三、所利用之質量及其在整個著作所占之比例。四、利用結果對著作潛在市場與現在價值之影響。」除第四款外，文字幾與美國 17 U.S.C. 107 相同。值得注意的差異在於：美國條文為「潛在市場或價值」（potential market for or value），我國則為「潛在市場與現在價值」。本譯本於正文中依美國原文譯為「潛在市場或價值」，未逕行套用我國法條文字，以免掩蓋二者可能之解釋差異——本聲明書之核心論證，正是建立在何種市場影響方屬法律上「所能認知」（cognizable）之界定上。 Ibid. 第四項因素亦得「將重製行為可能產生之公共利益納入考量」。Google, 593 U.S. at 35.

一般而言，第 107 條之各項因素不得「割裂觀察」。Campbell, 510 U.S. at 578. 反之，「應就全部因素予以探究，並依著作權之目的綜合權衡其結果」。Ibid.; see also Google, 593 U.S. at 19. 惟「聯邦最高法院已闡明，該條文所列四項因素中，部分因素較其他因素更為重要」。Authors Guild, 804 F.3d at 213-214. 聯邦最高法院曾一度將第四項因素描述為「無疑是最重要之單一因素」。Harper & Row, 471 U.S. at 566. 惟晚近以來，「聯邦最高法院於 Campbell 案中亦強調第一項因素之重要性」。Authors Guild, 804 F.3d at 214 (citing Campbell, 510 U.S. at 591). 「利用人愈是為新穎、具轉化性之目的而使用所重製之素材，該利用即愈能服務著作權豐富公共知識之目標，且該利用愈不可能成為原著作或其合理衍生著作之替代品，從而愈不致壓縮受著作權保護著作之受保護市場機會。」Ibid.

值得注意的是，由於「同一重製行為用於某一目的時可能構成合理使用，用於另一目的時則否」，「合理使用條款……要求就受著作權保護著作之特定『利用』（即被指為『侵害』者）進行分析」。Andy Warhol Found. for the Visual Arts, Inc. v. Goldsmith, 598 U.S. 508, 533 (2023) (quoting 17 U.S.C. 107). 例如，於 Sony Corp. of America v. Universal City Studios, Inc., 464 U.S. 417 (1984) 一案中，聯邦最高法院認定為私人使用而錄製電視節目屬合理使用，但同時強調，將同一錄製內容用於其他目的——例如轉售、公開展示或商業目的——可能導致不同結論。Id. at 446, 451. 同樣地，於 Campbell 案中，聯邦最高法院說明：「利用受著作權保護之著作為產品作廣告，縱使採取諧仿（parody）形式，於合理使用第一項因素下所獲得之寬容，亦低於為諧仿本身而販售之情形，更遑論低於學生在校僅表演一次之情形。」510 U.S. at 585. 而於 Google 案中，聯邦最高法院認定，對既有程式碼之精確重製構成合理使用，理由在於 Google 利用該程式碼創造新產品與新平臺之具體利用方式，「與著作權本身之基本憲法目標所在之創造性進步相符」。593 U.S. at 30.

同樣的逐一利用態樣分析方法，亦得於同一訴訟內部適用。例如於 Authors Guild 案中，Google 製作了書籍之數位重製物並加以掃描，復建立一項公開可用之搜尋功能，以查詢某本書中是否含有特定字詞或片語。See 804 F.3d at 207. 使用者亦得「檢視含有所搜尋詞彙之文字『片段』（snippets）」。Ibid. 而參與該計畫之圖書館則得下載並保存其所提交書籍之數位重製物。Ibid. 聯邦第二巡迴上訴法院於分析中審慎區辨搜尋、片段顯示與圖書館下載三種利用態樣（並認定三者均屬合理使用）。See id. at 216-218, 221-223, 228-230.

三、以文字著作訓練大型語言模型具有高度轉化性 #

合理使用之第一項法定因素，即「利用之目的與性質」，要求考量「新著作是否僅『取代原創作之目的』（『取代』原著作），抑或增添了新的內容，具有進一步之目的或不同之性質，以新的表達、意義或訊息改變了原著作」。Campbell, 510 U.S. at 578-579 (quoting Folsom v. Marsh, 9 F. Cas. 342, 348 (C.C.D. Mass. 1841) (No. 4,4901)^譯9譯9No. 4,4901 之保留。 Folsom v. Marsh 於 Federal Cases 中之通行案件編號為 No. 4,901。原文作 No. 4,4901，應係誤植。本譯本依「忠實保留原文瑕疵、另以譯註標明」之原則，未逕予更正。 (Story, J.), and Harper & Row, 471 U.S. at 562). 聯邦最高法院將後者稱為具「轉化性」（transformative）^譯10譯10transformative → 轉化性。 我國學說與智慧財產及商業法院實務多譯為「轉化性使用／利用」，亦見「轉化」、「轉換性使用」等譯法。本譯本採「轉化性」，並刻意避免使用「改作」，以免與我國《著作權法》第 3 條第 1 項第 11 款所定之「改作」（即衍生著作之作成，屬著作財產權人之專有權能）相混淆——二者在法律效果上恰好相反。。Ibid. 「轉化性利用通常有利於合理使用之認定，因為轉化性利用係傳達有別於原著作之新內容，或擴展其效用，從而服務著作權貢獻於公共知識之整體目標。」Authors Guild, 804 F.3d at 214.

作為訓練大型語言模型之一環而重製受保護之文字報導，係一種類型或性質截然不同之利用，且「具轉化性——而且是極為顯著的轉化」。Bartz v. Anthropic PBC, 787 F. Supp. 3d 1007, 1021 (N.D. Cal. 2025)^譯11譯11Bartz v. Anthropic PBC. 2025 年加州北區聯邦地方法院 Alsup 法官所為之判決，認定以合法取得之書籍訓練大型語言模型構成合理使用，惟就以盜版來源建立「中央圖書館」之行為則否。該案嗣後以和解終結。. 《紐約時報》主張，OpenAI 之訓練產生出一種模型，該模型「基於可能達數十億筆、用以訓練」OpenAI 大型語言模型之範例，「預測可能接續於特定文字串之詞彙」，使該等大型語言模型嗣後得就廣泛之使用者輸入生成原創回應。Microsoft Corp., No. 1:23-cv-11195-SHS-OTW, ECF No. 1677 ¶ 75 (Aug. 21, 2026). 是以，OpenAI 之大型語言模型利用受著作權保護之著作，並非為複製該著作之表達內容，而係作為學習並運用文字中統計模式（包括詞彙、語法與知識）之流程的一環。重製之目的（建構具智慧之互動式模型）與被重製著作之目的（以語言直接娛樂或教育閱讀受眾），在性質上截然不同。利用文字著作以建構大型語言模型引擎，俾供「創新工具」得以「編修電子郵件……、將片段譯入或譯出外文、依假設情境撰寫短劇，或執行其他各式任務」，此種利用無疑「具高度轉化性」。Kadrey v. Meta Platforms, Inc., 788 F. Supp. 3d 1026, 1044 (N.D. Cal. 2025)^譯12譯12Kadrey v. Meta Platforms, Inc. 2025 年加州北區聯邦地方法院 Chhabria 法官所為之判決。該院雖以原告舉證不足為由為被告勝訴之判決，惟於理由中提出「市場稀釋」理論，認為大型語言模型訓練原則上仍須取得授權。本聲明書第貳部分第四節即以大幅篇幅批評此一理論。.

聯邦最高法院於 Google 案之意見深具參考價值。該院說明，Google（後續著作人）撰寫了「設計以於」新的智慧型手機環境「中運作之新實作程式碼」，且 Google 雖「精確」重製既有程式碼，然其目的有別於原著作——「使已學會既有系統之程式設計師，得將其基本技能運用於新系統」。593 U.S. at 31. 該院認為，此種重製屬合理使用，理由在於其促成了程式設計師之新表達，且禁止重製將不當妨礙 Google 利用其自身創作表達（即其所撰寫之實作程式碼）之能力。See id. at 30-31. 若該利用具有轉化性，則開發者為教導大型語言模型辨識資料間之關係並因應新資訊而重製受保護著作之行為，亦同樣具有轉化性。

誠然，於輸出（而非訓練）階段，倘大型語言模型重建並散布原受著作權保護之著作，則某些利用可能不具轉化性。See Authors Guild, 804 F.3d at 222（強調 Google 僅顯示少量「受著作權保護之文字」，從而「以實質防止片段功能成為有效競爭替代品之方式建構該功能」）。惟基於逐一利用態樣分析之要求，開發一項能理解模式並因應使用者輸入而作出預測之精密工具，必須與人們可能假設性地或異常地利用該工具生成特定輸出之情形相區別。Bartz, 787 F. Supp. 3d at 1021（區辨「僅針對此等大型語言模型之輸入、而非輸出所為之」主張）。《紐約時報》主張，OpenAI 之大型語言模型可被用以生成其著作之部分內容。Microsoft Corp., No. 1:23-cv-11195-SHS-OTW, ECF No. 1677 ¶¶ 80, 99 and 100 (Aug. 21, 2026). 惟無論特定輸出利用可能引發何種法律問題，均不應影響訓練利用之轉化性（或其他任何面向）。¹⁵15無論如何，侵權之任何前瞻性救濟，均應以給予原告完整救濟所必要之範圍為限。See, e.g., Trump v. CASA, Inc., 606 U.S. 831, 852-854 (2025). 極少數異常之重建性輸出，不足以支持一項阻斷大型語言模型輸出利用、或使其面臨鉅額責任威脅之概括性救濟，遑論支持及於性質有別之大型語言模型訓練利用之救濟。OpenAI 表示，其已採取措施防止其據以訓練之文字著作中受保護部分遭實質重製。See, e.g., No. 1:25-md-03143-SHS-OTW, ECF No. 276, slide 48 (June 27, 2025).

總之，為訓練大型語言模型而利用重製物，具有極高度之轉化性。OpenAI 將其大型語言模型用於商業目的一事，並不足以改變此一結論。「第 107 條前言所例示之各項利用……幾乎全部通常係為營利而為。」Campbell, 510 U.S. at 584. 且「〔後續〕著作愈具轉化性，商業性等其他因素之重要性即愈低」。Authors Guild, 804 F.3d at 219 (quoting Campbell, 510 U.S. at 579).¹⁶16一如常見情形，第二項與第三項合理使用因素於本件分析中不太可能扮演主要角色。惟第二項因素（「著作之性質」）應有利於合理使用之認定，因為該訓練利用之「轉化性目的……無可避免地同時涉及第二項因素」。Authors Guild, 804 F.3d at 220 (internal quotation marks omitted). 第三項因素（「所利用部分之質量及其於整個著作中所占之比例」）亦應有利於合理使用之認定。雖然大型語言模型之訓練於早期步驟涉及對整份著作之重製，惟「重要者……與其說是製作重製物時所利用部分之質量，毋寧是因此而使公眾得以接觸、並可能成為競爭性替代品之部分的質量」。Id. at 221-222. 訓練大型語言模型本身，並未使任何被重製之著作為公眾所能接觸。縱使於性質有別之輸出階段，至多亦僅有極小比例之輸出會使該等著作之受保護部分為公眾所能接觸。如前所述，特定輸出得逐案評估。

四、就法律上具重要性之意義而言，人工智慧模型之訓練並未妨害受著作權保護著作之潛在市場或價值 #

合理使用之第四項因素，即「該利用對受著作權保護著作之潛在市場或價值所生之影響」（17 U.S.C. 107），支持 OpenAI 利用《紐約時報》報導進行模型訓練構成合理使用之結論。OpenAI 之訓練利用（不僅止於）「具高度轉化性……，此有利於合理使用之認定……除非其提供文本之方式構成〔《紐約時報》著作之〕競爭性替代品，以致其轉化性目的之價值遭到凌駕」。Authors Guild, 804 F.3d at 218. 作為訓練流程一環而使用之重製物，並未於法律上具重要性之意義上「成為原著作之替代品」或「壓縮受著作權保護著作之受保護市場機會」——遑論以足以凌駕該利用之極高度轉化性目的之價值的方式為之。Id. at 214.

利用行為必須「作為」受著作權保護著作之「替代品」，方能「以本項因素所能認知之方式影響原著作之市場」。Campbell, 510 U.S. at 591; see also Harper & Row, 471 U.S. at 567（該利用須「實質減損被重製著作之市場性」）。問題並不在於該利用是否可能造成「若干銷售損失」。Authors Guild, 804 F.3d at 224. 真正重要者係「顯著之替代性競爭」，而非一般意義之競爭。Id. at 219 (emphasis added). 由於著作權「僅保護著作人之表達方式」，問題在於該利用「是否可能構成購買著作人〔著作〕之顯著替代品」。Id. at 224-225. 此則取決於該重製行為是否「以導致原著作足夠重要之部分遭廣泛揭露、從而使顯著競爭性替代品得以取得之方式為之」。Id. at 223. 畢竟，欲於「《著作權法》之侵權主張」中勝訴，「原告通常必須證明被控侵權著作與其自身受著作權保護著作之原創要素間，不僅具有近似性，更具有『實質』近似性」。Goldsmith, 598 U.S. at 557 (Gorsuch, J., concurring) (citing 4 Melville B. Nimmer & David Nimmer, Nimmer on Copyright § 13.03[A] (2023)); accord Yurman Design, Inc. v. PAJ, Inc., 262 F.3d 101, 110 (2d Cir. 2001) (similar).^譯13譯13substantial similarity → 實質近似。 我國智慧財產及商業法院實務用語（另有「實質相似」之譯法），與「接觸」（access）共同構成著作權侵害之判斷要件。

利用受著作權保護之著作訓練大型語言模型——而無其他情事——一般並不產生此種替代效果，因為該行為並未「揭露」相當數量之原「著作人表達」。Authors Guild, 804 F.3d at 224; see also, e.g., Bartz, 787 F. Supp. 3d at 1031（「訓練大型語言模型並未導致其著作之任何精確重製物、甚至侵權仿製品被提供予公眾。」）。事實上，訓練根本未向公眾揭露任何內容——其僅係為教導大型語言模型辨識資料間之關係並因應新資訊，而製作受保護著作之重製物。至於未來可能造成市場損害之輸出的可能性，在逐一利用態樣分析之要求下，與評價大型語言模型之訓練利用根本無關。

須予澄清者，縱使大型語言模型之輸出與文字報導相互競爭——但並未重製文字報導之受保護部分，亦與之無實質近似——該等輸出於法律上具重要性之意義上，亦不構成受著作權保護著作之實質近似物或替代品。當輸出「未重製原著作之任何受保護要素，更遑論其重要部分」時，不能僅因其恰巧與原著作「屬於同一文類或著作類別」，即認其造成法律上具重要性之市場損害，蓋「文類係不受著作權保護之思想或表達方法」。Edward Lee, Copyright Dilution Under Constitutional Scrutiny, 25 Chi.-Kent J. Intell. Prop. 1, 6 (2026) (citing Peters v. West, 692 F.3d 629, 636 (7th Cir. 2012)（「任何詩人均不得就十四行詩或打油詩之形式主張著作權保護。」）); accord Abdin v. CBS Broad. Inc., 971 F.3d 57, 70 (2d Cir. 2020)（於「就兩著作所為之獨立比對顯示，〔原著作〕之可受保護特徵與後續利用間並無實質近似」時，不構成侵害）。特定輸出或某一類別之輸出是否與受著作權保護著作實質近似，以及任何實質近似之重製物是否可能構成顯著競爭性替代品，乃涉及不同「受爭執之利用」（且可能涉及額外法律問題）之個別問題。Harper & Row, 471 U.S. at 568. 惟欠缺實質近似之輸出，無從造成合理使用分析上所能認知之市場損害。

加州北區聯邦地方法院某判決中之相反附帶意見（dicta）^譯14譯14dicta → 附帶意見。 指判決理由中並非作成裁判所必要之論述（相對於構成判決核心之 holding，即「判決先例要旨」）。在美國判例法制下，附帶意見不具拘束力，僅具說服力。本聲明書強調 Kadrey 案之市場稀釋論述屬附帶意見，即在於削弱其權威性。，錯誤地將著作權原則適用於大型語言模型之訓練。See Kadrey, 788 F. Supp. 3d at 1052-1057. 在未經當事人書狀充分論辯之情況下，Kadrey 案法院採納了一種「市場稀釋」（market dilution）^譯15譯15market dilution → 市場稀釋。 概念借自商標法之「淡化」（dilution），於此指市場遭大量人工智慧生成之競爭性著作充斥，致原著作整體價值下降，縱使個別作品之間並無實質近似。我國《商標法》第 70 條使用「減損」一詞，惟本文脈絡屬著作權法，且原文之比喻意涵重要，故採「稀釋」。之「間接替代」（indirect substitution）理論，其基礎在於可能「利用大型語言模型創作書籍並加以販售，與人類作者所撰寫之書籍相互競爭」。Id. at 1052, 1054 (internal quotation marks omitted); see also id. at 1036（指出「原告就此爭點幾乎僅止於敷衍帶過」）。該院承認，「在較典型之案件中，係以一件原著作與單一後續著作相互比對」，且兩著作是否「近似」有其重要性。Id. at 1054. 該院似亦承認，其間接市場稀釋理論「先前從未在任何案件中發揮決定性作用」。Id. at 1055. 惟該院認為，於此脈絡下原著作與後續利用之間的近似性並不重要，因為大型語言模型首先即係「以受著作權保護書籍中之創作表達加以訓練」，且其輸出具有「以競爭性著作淹沒市場之潛在可能」。Id. at 1054-1055. 該院因而表示，大型語言模型開發者「一般而言將須就使用權利向著作權人付費」，縱使僅為訓練之目的亦然，因為大型語言模型往往具有「嚴重損害被重製著作之市場、從而嚴重削弱人類創作誘因之能力」。Id. at 1035-1036.

姑且不論人類正是運用大型語言模型從事創作，Kadrey 案法院對合理使用第四項因素之適用存有嚴重瑕疵。最顯而易見者，該院不當地將大型語言模型之訓練與輸出摺疊為單一連續之利用行為，復採取一種寬泛至「文類層次」之「替代」理解。惟大型語言模型之訓練係其自身獨立之利用態樣。該利用並不涉及任何替代。而縱使論及與文字報導相互競爭之大型語言模型輸出，「其所設想之銷售損失類型……一般將發生於著作權所不保護之利益上」。See Authors Guild, 804 F.3d at 224. 換言之，Kadrey 案法院寬泛之市場稀釋理論，透過將訓練（須重製整份著作，但無公眾接觸）與輸出（公眾得以接觸，但通常——若非總是——欠缺實質近似）混為一談，忽略了著作權侵害中可謂最基本之要件，即「兩著作是否實質近似」。Goldsmith, 598 U.S. at 525.¹⁷17see note 17 ↓

此種論理對整體著作權法將產生棘手之影響。舉例言之，瓊‧蒂蒂安（Joan Didion）少女時期「會將」厄尼斯特‧海明威（Ernest Hemingway）的「短篇小說逐字打出來，以了解那些句子是如何運作的」，並因此視海明威為對其寫作影響最深之人。See Linda Kuehl, Joan Didion, The Art of Fiction No. 71, Paris Rev., Fall-Winter 1978.¹⁸18全文參見 https://www.theparisreview.org/interviews/3439/the-art-of-fiction-no-71-joan-didion。依 Kadrey 案法院之邏輯，蒂蒂安每次發表作品時均應對海明威負賠償責任，因為她自我訓練之過程與她產出著作之過程同屬單一利用行為，且她的作品於文學市場上與其他作者之作品相互競爭。惟「要求任何人於每次以新方式撰寫新事物而汲取某本書之養分時，均須就該書之利用個別付費……，將是難以想像的」。Bartz, 787 F. Supp. 3d at 1021.

誠然，合理使用係「一項將『技術之重大變遷』納入考量之彈性原則」。Kadrey, 788 F. Supp. 3d at 1055 (quoting Google, 593 U.S. at 19). 惟技術變遷不足以正當化「將……合理使用分析整個顛倒過來」之作法。Lee, 25 Chi.-Kent J. Intell. Prop. at 6. 當聯邦最高法院必須「於〔此〕技術世界中適用傳統著作權概念」時，其並「未改變該等概念之本質」，而係「將其適用於此種不同類型之」情境。Google, 593 U.S. at 40. 若要說有什麼影響，則與 Kadrey 案法院之見解相反：系爭技術之激烈轉化性質反而支持合理使用之認定。人類正是運用大型語言模型創作原創著作。且著作權法本非僅（甚至非主要）在於保護原創著作之經濟誘因。反之，「最終且首要之預期受益者係公眾」。Authors Guild, 804 F.3d at 212. 一種混淆不同利用態樣、並聚焦於因一般性競爭所生潛在財務損害之市場稀釋分析，與該目的全然脫節。至於此項新技術是否值得對著作權原則進行全盤改寫，乃屬政策問題，在符合各項適用之憲法拘束前提下，最宜交由人民及其民選代表決定。

此外，聚焦於新技術可能產生之一般性競爭損害，忽略了第四項因素「將重製行為可能產生之公共利益納入考量」，並斟酌該等利益是否「與著作權對……創作表達之關懷相關」，以及該等利益「與可能損失之金額相較（併同考量損失來源之性質），究屬相對重要抑或不重要」。Google, 593 U.S. at 35-36. 例如，於「使用者介面之再實作使具創意之新電腦程式碼得以更易於進入市場」之情形，聯邦最高法院認為，相反判決所將導致「對公眾之創造力相關損害的風險」，意味著「第四項因素——市場影響——亦有利於合理使用之認定」。Id. at 40. 當後續利用能帶來「創造性之改良、新的應用與新的用途」時，將著作權法視為「限制……未來創造力之枷鎖……，將妨礙而非促進著作權之基本創造力目標」。Id. at 39. 此一論理於本件更具說服力。若判決使大型語言模型之訓練須負著作權侵害責任，勢將「扼殺該法所欲培育之創造力本身」。Campbell, 510 U.S. at 577.

至少，大型語言模型訓練所促成之創作可能性與公共利益，遠遠超過任何競爭損害（縱使假設該等損害為法律上所能認知）。人工智慧模型之所以正迅速重塑經濟與國家安全，其全部理由即在於其協助人們——包括從事創作領域工作者——創造事物、完成事務。大型語言模型能啟發或協助人們撰寫故事、譜寫歌曲、撰寫電影劇本，或創作任何其他形式之藝術。事實上，《紐約時報》本身之撰稿人即正利用大型語言模型協助其「構思與編修」報導。¹⁹19Maggie Harrison Dupre, New York Times Issues Stern Warning to its Freelance Writers about AI Use, Futurism (May 12, 2026), https://perma.cc/KY58-D2HB.獨立與新創出版事業以及一般民眾亦然。例如，一位獨立作者即運用大型語言模型並結合其物理教師之背景，就資料中心用水量提出異於主流之觀點，並對《紐約時報》提出批評。²⁰20See Andy Masley, Using ChatGPT Is Not Bad for the Environment (Jan. 13, 2025), https://perma.cc/BG4W-YPVM; see also Blake Dodge & Harris Sockel, The Data Center Water Crisis Isn’t Real, Pirate Wires (Dec. 18, 2025), https://www.piratewires.com/p/andy-masley-ai-water-crisis-isnt-real（該文引用 Masley 之研究與評論，並討論《紐約時報》2025 年 7 月一篇標題為〈Meta 在隔壁蓋廠後，他們家的水龍頭乾了〉之報導；該報導以一對夫婦在鄰近資料中心尚未營運前即遭遇住家用水問題為據，主張「資料中心……大量耗用水資源」）。此等創作利益往往與國家安全利益重疊，因為大型語言模型能協助國家安全官員分析（不受保護之）真實世界事實——例如《紐約時報》報導所傳達者——並自其中推導出結論。See Feist, 499 U.S. at 349.

綜合上述各項考量，第四項因素強烈有利於合理使用。至少，對受著作權保護著作之市場所生之任何影響，均不足以凌駕該訓練利用之轉化性目的所具有的重大且足以改變世界之價值。See Authors Guild, 804 F.3d at 218.

＊

合理使用之審查繫諸各案所涉之具體事實與利用態樣。惟課予廣泛之著作權責任，以致人工智慧模型之訓練一般而言非經授權即不被允許，將是有問題的，且於法律上並不正確。大型語言模型之訓練「與著作權本身之基本憲法目標所在之創造性『進步』相符」。Google, 593 U.S. at 30.

---

謹呈，

STANLEY E. WOODWARD, JR. 司法部副部長（Associate Attorney General）^譯16譯16美國司法部官職譯名。 Associate Attorney General 為司法部序位第三之官員，位階次於 Attorney General（部長）與 Deputy Attorney General（常務副部長）；本譯本譯為「司法部副部長」。Assistant Attorney General 則為各司（Division）之主管，本譯本譯為「主管助理部長」。中文文獻偶將 Associate Attorney General 譯為「助理司法部長」，惟該詞在美國司法部另有所指（即 Assistant Attorney General），易生混淆，故不採。

BRETT SHUMATE 司法部民事司主管助理部長（Assistant Attorney General, Civil Division）

具名：/s/ Michael Weisbuch

MICHAEL WEISBUCH 司法部副部長室資深法律顧問（Senior Counsel to the Associate Attorney General） 美國司法部（United States Department of Justice） 950 Pennsylvania Ave., NW Washington, DC 20530 (202) 322-2450 Michael.Weisbuch@usdoj.gov

美利堅合眾國之訴訟代理人

2026 年 9 月 1 日