2026 年開源軟體授權條款因應 AI 訓練數據引發新一輪法律攻防戰

發表時間:2026 年 11 月 16 日 | 更新日期:2026 年 11 月 16 日 | 編輯:雅寶社區編輯團隊
2026 年開源軟體授權條款因應 AI 訓練數據引發新一輪法律攻防戰 - 雅寶社區 · 頂客論壇

第三條線是訴訟的初步輪廓。Doe v. GitHub 案中,多數指控在 2024 年被駁回,但涉及開源授權違約與 DMCA 第 1202 條(移除權利管理資訊)的部分並未完全消失;Andersen v. Stability AI 也在 2024 年經歷部分駁回與部分續行。這些判決共同釋放一個訊號:法院不願意輕易認定「訓練即侵權」,但對於「授權條款被違反」與「權利管理資訊被移除」這兩類主張,態度明顯保留。這正是 2026 年開源授權攻防戰的裂縫所在。

二、主戰場一:GPL/AGPL 的「傳染性」能不能延伸到模型權重

如果要在 2026 年選一個最受關注、也最可能改變產業遊戲規則的戰場,那必然是 GPL 家族。原因很簡單:全球有大量關鍵基礎設施——Linux 核心、GCC、MySQL 社群版、眾多嵌入式函式庫——採用 GPL 或 AGPL 授權,而這些程式碼幾乎無可避免地出現在大型語言模型的訓練語料中。

2.1 「模型即衍生作品」論的核心爭點

主張「模型權重構成衍生作品」的一方,論證路徑大致是這樣:GPL 第 2 條與第 5 條所稱的「基於該程式之作品」,並不限於原始碼層次的改作,而是涵蓋任何「包含或衍生自該程式」的著作。訓練過程涉及對程式碼進行重製、改編、轉換為向量與參數,最終固化在權重之中;權重若能重現原始程式碼的實質部分,就應該被視為衍生作品,從而觸發 GPL 的釋出義務。

反對論者則從兩個層面反擊。技術面上,模型權重是數千億參數的分布式表徵,單一 GPL 程式碼對權重的影響,在數學上難以分離,也難以證明「實質相似」;法律面上,著作權保護的是「表達」而非「思想、程序、方法」,而訓練學到的更接近後者。若把權重視為衍生作品,等同於承認「學習」本身構成改作,這將與既有的著作權法理產生嚴重衝突。

2026 年的實務發展,並沒有出現一紙定江山的最終判決,而是出現了一種更現實的「分層認定」趨勢:法院開始傾向要求原告必須證明「模型輸出與特定受保護程式碼具備可辨識的實質相似」,而非僅憑「該程式碼曾出現在訓練語料」就推定侵權。這個轉向對 GPL 陣營是雙面刃——它提高了舉證門檻,卻也讓「輸出層的相似性」成為新的攻擊熱點。

2.2 模型輸出是否構成「散布」:AGPL 與 SaaS 漏洞

AGPL 之所以在這場戰爭中被特別關注,是因為它把「網路服務」也納入釋出義務的觸發條件。傳統 GPL 的義務觸發點是「散布」,而 AGPL 第 13 條進一步要求:若使用者透過網路與該程式互動,提供服務者必須提供對應的原始碼。

在 2026 年的語境下,這條規定衍生出一個極具殺傷力的論述:如果一個 AI 服務的模型是透過 AGPL 授權的程式碼訓練而成,而該服務又透過 API 對外提供,那麼使用者是否可以用 AGPL 第 13 條,要求服務商釋出「模型權重」與「訓練管線」?支持者認為,模型與訓練管線是該服務得以運作的「對應原始碼」;反對者則指出,AGPL 的規範對象是「程式」,模型權重既非程式、也非該程式的改作,將其納入完全是類推適用。

值得注意的是,這種主張在法院獲得全面支持的機率並不高,但它真正的威力在於「威嚇效果」與「合約設計」。2026 年已經有越來越多開源專案在授權文件中加入補充條款,明確界定「訓練使用」的邊界,例如宣告「本專案之程式碼不得用於訓練任何閉源模型」,或反向宣告「以本專案訓練之模型不構成衍生作品」。這些條款的法律效力仍待檢驗,但它們正在重塑開源授權的「文字生態」。

2.3 實務防禦架構:語料隔離、輸出過濾與授權洗白紀錄

對企業而言,等待判決不如先建防禦工事。2026 年較成熟的 AI 團隊,普遍採用三層架構來降低 GPL 風險。

第一層是語料隔離(Corpus Segregation)。做法是把訓練語料依授權類型分層:完全自由的(公有領域、CC0、MIT、Apache 2.0)、有標示義務的(CC BY、BSD)、有傳染性風險的(GPL、AGPL、EUPL)分開儲存,並在訓練管線中記錄每一批次資料的授權標籤。這不只是為了法律防禦,也是為了在監管要求「訓練資料摘要」時,能夠快速產出可驗證的清單。

第二層是輸出過濾(Output Filtering)。針對高風險授權的程式碼,建立「禁止逐字重現」的過濾機制,例如在推論階段對輸出進行 n-gram 比對或指紋偵測,一旦偵測到與特定受保護程式碼高度相似,就觸發改寫或拒答。這類機制在 2025 年後的商業模型服務中已逐漸標準化。

第三層是授權洗白紀錄(License Provenance Log)。完整記錄「哪些資料、何時、以何種方式進入訓練」,並保留可稽核的雜湊與時間戳。當爭議發生時,這份紀錄是證明「已盡合理注意義務」的關鍵證據,也是與授權方談判授權金時的籌碼。

三、主戰場二:寬鬆授權的「溯源條款」升級

相較於 GPL 的正面衝撞,MIT、Apache 2.0、BSD 這類寬鬆授權的戰場顯得更安靜,但影響層面其實更廣——因為絕大多數企業採用的正是這些授權。寬鬆授權的核心義務通常只有「保留著作權聲明」與「免責聲明」,看似與 AI 訓練無關,但 2026 年的爭議恰恰在於:這些義務能不能被「擴張解釋」到訓練語料的層次?

3.1 從 attribution 到 provenance:SPDX 3.0 與機器可讀授權

傳統上,「姓名標示」被理解為在散布軟體時保留 LICENSE 檔案與著作權聲明。但當軟體被拆解成檔案、函式、片段,餵進訓練管線之後,「保留聲明」這件事在技術上幾乎不可能逐檔完成。於是出現兩種截然不同的解讀。

嚴格解讀認為:既然授權要求保留聲明,而 AI 公司在訓練過程中移除了檔案層級的授權標頭、重製了程式碼卻未保留聲明,就已經構成違約,無論最終模型是否重現該程式碼。這條路徑的殺傷力在於舉證相對容易——只要證明「程式碼被複製」與「聲明被移除」即可,不必證明模型輸出相似。Doe v. GitHub 案中關於 DMCA 第 1202 條的主張,走的就是這條路線。

務實解讀則認為:訓練是「使用」而非「散布」,未對外散布即未觸發標示義務;且大規模語料的授權管理,應以「集體授權資訊」而非「逐檔標頭」來滿足。

2026 年這場拉鋸的技術解方,逐漸收斂到 SPDX 3.0 與機器可讀授權中繼資料。SPDX 3.0 於 2024 年發布後,強化了對 AI 模型、資料集與訓練流程的描述能力,讓「授權資訊」可以脫離檔案標頭,以獨立的、可程式化處理的形式存在。換言之,未來的合規不再是「每個檔案裡有沒有一段註解」,而是「整條供應鏈有沒有可驗證的授權護照」。

3.2 資料卡與「授權護照」成為新履約標的

順著這個邏輯,2026 年出現了一個明顯的實務趨勢:資料卡(Data Card)與模型卡(Model Card)不再只是文件,而是開始被視為「履約標的」的一部分。

具體來說,當開源專案或資料集發布者在其授權條款中加入「使用本資料集訓練模型者,必須在模型卡中揭露本資料集名稱、版本與授權」這類條款時,資料卡就從建議性的說明文件,變成具有契約效力的義務。企業若未在模型卡中揭露,即使模型本身沒有侵權,也可能構成授權違約。

這種「溯源義務化」的趨勢,對產業的影響其實比 GPL 爭議更深遠。它意味著 AI 公司必須建立一套橫跨資料採購、清洗、標註、訓練、部署的完整追溯系統,而這套系統的成本,最終會反映在中小型開發者的進入門檻上。開源社群對此並非沒有警覺,2026 年已經出現「輕量級溯源」的倡議,主張以標準化的 JSON-LD 或 SPDX 片段,降低合規負擔,避免溯源義務成為另一種形式的壟斷。

四、主戰場三:AI 專用授權與 OpenRAIL 的實務化

當傳統開源授權在 AI 訓練議題上顯得力不從心,新一代「AI 專用授權」便順勢填補空白。這類授權的代表,是源自 BigScience 計畫的 RAIL 系列,以及後續衍生的 OpenRAIL。

4.1 使用限制條款的可執行性

RAIL 的核心設計,是在傳統授權之外加上「行為限制」:不得將模型用於生成歧視性內容、不得用於軍事用途、不得用於法律禁止的監控行為等。從開源定義的角度看,這些限制與「不得歧視任何領域的使用者」直接衝突,因此 OpenRAIL 系列長期不被 OSI 認定為「開源授權」。

但 2026 年的實務發展顯示,市場對這類授權的接受度正在上升,原因有三。第一,企業客戶在採購 AI 模型時,越來越重視「負責任 AI」的合規證明,而使用限制條款正好提供了一種可稽核的治理框架。第二,監管壓力讓「無限制開源」在部分高風險場景變得不可行,行為限制條款反而成為降低法律風險的工具。第三,越來越多的模型發佈者採用「雙軌制」——研究用途以 OpenRAIL 釋出,商業用途另行授權——讓限制條款成為商業模式的一部分。

可執行性方面,2026 年的觀察是:這類條款在法院中的效力仍未被充分檢驗,但其「契約法上的效力」通常比「著作權法上的效力」更容易被承認。也就是說,即使法院不認為違反使用限制構成著作權侵權,仍可能認定其構成違約。對於跨國企業而言,這意味著必須把「使用限制條款」納入合約審查流程,而不是只當成道德呼籲。

4.2 與開源定義(OSD/OSAID)的結構性衝突

OpenRAIL 與開源定義之間的衝突是結構性的,不是文字修補可以解決的。開源定義(OSD)第 5 條明確要求「不得對人或群體歧視」,第 6 條要求「不得限制使用領域」。使用限制條款本質上就是在限制使用領域,因此無論條款多麼善意,都難以通過 OSD 的檢驗。

OSAID 1.0 試圖在這一點上做出區隔:它把焦點放在「資料資訊的可得性」與「使用、研究、修改、分享的自由」,但對於「模型行為限制」仍採取較嚴格的立場。2026 年的爭議在於,許多發佈者開始遊走灰色地帶——他們在授權主文中保留開源外觀,卻在「可接受使用政策」(Acceptable Use Policy)中以獨立文件形式加入限制。這種「授權與政策分離」的做法,讓「這到底算不算開源」變成一個難以簡單回答的問題。

社群內部的因應方式,是強化標籤的細緻度。2026 年已經有倡議主張,不應再二元區分「開源/非開源」,而應引入「開放程度」的分級標示,例如區分「程式碼開放」、「權重開放」、「資料資訊開放」與「使用限制有無」。這種分級標示若能普及,對企業的採購決策會是實質幫助,因為它讓風險可以被量化,而不是只能憑感覺判斷。

五、制度戰場:法院、監管與社群治理的三線並進

法律攻防戰從來不是只在法院裡打。2026 年的開源授權爭議,同時在司法、監管與社群治理三條線上推進,而且三條線之間互相牽動。

5.1 司法端:三種可能判準

綜合 2024 至 2026 年的判決趨勢,法院對「AI 訓練與開源授權」的處理,大致可能收斂到三種判準。

判準一:訓練不構成散布,但違約責任獨立存在。這是最可能成為主流的見解。法院傾向認為,將程式碼用於訓練不構成著作權法上的「散布」或「改作」,因此不觸發 GPL 的釋出義務;但若授權條款中的標示義務、使用限制或溯源義務被違反,仍可依契約法追究。這種「著作權從寬、契約從嚴」的雙軌結構,會讓開源授權的實務重心,從「著作權侵權」轉向「合約合規」。

判準二:輸出相似性作為責任觸發點。若模型輸出能證明與特定受保護程式碼具備實質相似,且該相似性源於訓練資料的過度擬合,法院可能認定構成侵權。這條路徑的關鍵在於技術鑑定,因此「輸出過濾」與「去重」的工程紀錄,會成為訴訟中的核心證據。

判準三:訓練資料的取得方式影響責任。若訓練語料是透過明顯違反授權條款的方式取得(例如無視 robots.txt、繞過付費牆、移除權利管理資訊),法院認定違法性的機率會顯著提高。這一點在 2026 年的實務中尤其重要,因為它把責任焦點從「模型是否為衍生作品」,轉移到「資料取得過程是否合法」。

5.2 監管端:EU AI Act 的訓練資料摘要義務

歐盟 AI Act 對通用目的 AI 模型課予的「訓練內容足夠詳細摘要」義務,是 2026 年最具體的合規槓桿。這項義務的實務難點在於「足夠詳細」的標準化:太粗略會被認定敷衍,太詳細又可能洩漏商業機密或侵害第三方權利。

2026 年的發展顯示,監管機關傾向接受「分層揭露」的做法:對外公開的版本提供資料來源類別、主要授權類型與清洗方法;對監管機關提供的版本則包含更細緻的清單與授權證明。這種分層設計,讓開源授權中的溯源義務有了可以落地的操作空間,也讓「授權護照」從概念變成必要基礎設施。

對台灣與亞洲的開發者而言,這項義務的間接影響不容小覷。即使公司不在歐盟境內,只要模型服務觸及歐盟使用者,就可能被要求提供相應摘要。這意味著「授權清單」不再只是法務部門的存檔作業,而是產品上線前的必要條件。

5.3 社群端:授權審查與「開源」標籤的信任經濟

第三條線是社群治理。2026 年的開源社群,正在經歷一場關於「標籤可信度」的信任危機。當越來越多專案自稱開源,卻在授權中夾帶使用限制或溯源義務時,「開源」這個標籤的資訊價值就會被稀釋。

因應之道有兩類。一類是強化審查機制,例如由第三方機構對授權進行認證,並公開審查報告;另一類是推動「授權透明化」,要求專案在 README 與套件管理器中明確標示授權類型、限制條款與 AI 訓練相關的特別聲明。2026 年已經有套件管理器開始在安裝階段提示「本套件授權含 AI 訓練限制」,讓開發者在引入依賴時就能看到風險。

這種「信任經濟」的建立,長遠來看比任何單一判決都重要。因為對多數企業而言,真正決定是否採用某個開源專案的,不是法院怎麼判,而是「用了之後會不會出事」的可預測性。誰能提供更高的可預測性,誰就能在這場競爭中取得優勢。

六、企業與開發者的實務指引

談完戰場,回到最實際的問題:如果我在 2026 年要開發或部署 AI 系統,該怎麼做?以下是一套可以直接落地的操作框架。

6.1 授權清單的三層盤點

第一步是建立「授權清單」(License Inventory),並依風險分為三層。

風險層級

典型授權

主要風險

建議措施

高風險

GPL-2.0/3.0、AGPL-3.0、EUPL

傳染性釋出義務、網路服務條款、衍生作品認定爭議

語料隔離、輸出過濾、法律意見書、必要時排除於訓練語料

中風險

OpenRAIL、Llama 社群授權、自訂 AI 授權

使用限制條款、商業用途限制、違約風險

合約審查、使用情境對照、建立可接受使用政策

低風險

MIT、Apache 2.0、BSD、CC0

姓名標示義務、專利授權條款、溯源義務

保留授權資訊、模型卡揭露、SPDX 中繼資料

這張表的重點不是「分級本身」,而是「分級後的行動」。很多企業做了清單卻沒有對應措施,結果清單變成裝飾品。真正有效的做法,是把每一層風險對應到具體的工程控制點,並在 CI/CD 流程中自動檢查。

6.2 合約與補償條款(Indemnity)的重新談判

第二個實務重點,是重新檢視與模型供應商、資料供應商之間的合約。2026 年的市場已經出現明顯變化:供應商提供的「智慧財產權補償條款」,開始明確排除「因客戶自行微調或自行訓練而產生的授權爭議」。換言之,越是自行訓練的模型,越難獲得供應商的保護傘。

因此,企業在談判時應爭取三件事。第一,要求供應商提供「訓練資料授權清單」與「授權合規聲明」,並將其列為合約附件。第二,明確約定「若因供應商提供之資料導致授權爭議,由供應商承担抗辯與賠償責任」。第三,建立「通知與補救」機制,要求供應商在發現授權瑕疵時主動通知,並提供替代方案。

對自行訓練模型的團隊而言,則應建立內部的「授權盡職調查」流程,並保留完整紀錄。這些紀錄在訴訟中未必能完全免責,但至少能證明已盡合理注意義務,對於降低損害賠償與爭取和解條件,有實質幫助。

6.3 工程層面的五個具體動作

最後,把視角拉回工程現場。以下是 2026 年已經被多數成熟團隊採用的五個動作。

動作一:在資料管線中強制標註授權。每一筆進入訓練的資料,都應帶有授權標籤與來源網址,並以標準格式(如 SPDX 或 JSON-LD)儲存。這是一切的基礎,沒有這個,後續的溯源與揭露都無從做起。

動作二:建立語料版本控制。訓練語料應像程式碼一樣有版本號、變更紀錄與雜湊值。當爭議發生時,能明確指出「哪一版模型用了哪些資料」,是防禦的關鍵。

動作三:部署輸出相似性偵測。對高風險授權的程式碼與文本,建立指紋資料庫,在推論階段進行比對。這不僅是法律防禦,也是產品品質管理的一部分。

動作四:自動生成模型卡與資料卡。把模型卡與資料卡的產出流程自動化,確保每次模型更新都同步更新揭露資訊。手動維護的文件,在壓力下一定會過時。

動作五:建立授權事件的應變預案。預先設想「若某個關鍵依賴被認定為高風險授權,該如何替換或隔離」,並定期演練。這類預案在 2026 年已經成為 AI 團隊風險管理的基本配備。

七、結論:規則重寫中的三個觀察點

回顧整場攻防,2026 年的開源授權爭議,本質上是一場「規則重寫」的過程。舊的授權框架是為程式碼世界設計的,新的 AI 世界需要新的規則,而新規則不會由單一機構頒布,而是由法院判決、監管要求、社群實踐與商業談判共同形塑。

對於關注這場變化的讀者,以下三個觀察點值得持續追蹤。

觀察點一:契約法是否成為主要戰場。如果法院持續以「著作權從寬、契約從嚴」的方式處理,那麼未來開源授權的競爭,將不再是「誰的授權更自由」,而是「誰的授權條款更清楚、更可執行、更容易被企業採用」。這會讓授權文字的精確度,成為專案競爭力的核心指標。

觀察點二:溯源基礎設施是否走向標準化。SPDX 3.0 與各類資料卡格式能否整合成一套業界共通的標準,將決定合規成本的高低。若能標準化,中小型團隊仍有生存空間;若無法標準化,合規成本可能成為另一種進入障礙。

觀察點三:「開源」標籤的信任能否重建。當使用限制與溯源義務成為常態,「開源」的意義會被重新定義。這個過程可能帶來混亂,但也可能催生更誠實、更細緻的授權分類體系。對整個生態而言,這未必是壞事。

對台灣的開發者與企業來說,這場攻防戰距離並不遙遠。無論是使用開源模型、微調開源權重,或是把自己開發的專案以開源形式釋出,都會被這套正在成形的規則影響。與其被動等待判決,不如現在就開始盤點自己的授權清單、補齊溯源紀錄、檢視合約條款。在這場規則重寫的過程中,準備得越早的人,越有機會把法律風險轉化為信任資產。

2026 年只是開始。真正的規則,還在寫。

(本文為趨勢分析與實務整理,不構成法律意見。涉及具體授權爭議時,請諮詢專業律師。)

```

🏠 返回首頁