1956年1月24日，美国电话电报公司（AT&T）是世界上最大的私营企业。

其收入几乎占美国国内生产总值的2%。公司员工达74.6万人。它拥有贝尔实验室——那个传奇的研究部门，该实验室已经产出了晶体管、太阳能电池、信息论和射电天文学，同时还在积极铺设第一条跨大西洋电话电缆。在接下来的几十年里，它还贡献了UNIX、现代蜂窝电话、CCD图像传感器、第一颗有源通信卫星以及一长串其他科学里程碑。这一连串非凡的知识产出为贝尔实验室的科学家们最终赢得了五项图灵奖和十项诺贝尔奖铺平了道路。

从许多指标来看，作为受监管的垄断企业，AT&T的日子过得相当不错。

然而，最终AT&T将其全部7820项未过期专利的独家权利，以免版税的方式，向任何提出请求的美国公司无偿授予。AT&T还将以“合理费率”许可其未来申请的任何专利。一个尖端的知识产权宝库突然且不可逆转地向自由市场敞开了大门。

反垄断官员最初将这一和解协议标榜为胜利。司法部称其为重大胜利，一位司法部律师更是赞扬其为“奇迹”。尽管AT&T作为受监管的垄断企业已存在数十年，其收益率被限制在相对保守（按当今标准）的年化约7%左右，但政府监管机构仍推动并建立了一系列具有里程碑意义的额外限制措施，以削弱AT&T的垄断权力。

然而，公众情绪很快便开始转变。《商业周刊》称该法令“不过是一次轻微的警告”。后来，美国众议院的一个小组委员会因其对AT&T独家供应链和垂直整合的宽松处理，将其视为“反垄断执法史上的一个污点”。无论是通过费率合约补贴AT&T庞大研究预算的付费用户，还是联邦政府中的许多人都认为，这种前所未有的经济集中对于共和国而言仍过于危险，不能任其继续不受遏制地发展。

如今臭名昭著的1956年专利法令，只是AT&T与联邦政府之间经过七年协商达成的和解协议的一半。AT&T希望通过其子公司西部电气继续制造电话设备，但监管机构认为这种垂直整合正在排除行业内的竞争。联邦政府本身在这个问题上也极为矛盾，以至于艾森豪威尔总统领导下的国防部长查尔斯·威尔逊向诉讼律师恳求，称将AT&T与西部电气分离“违背了我们国家的切身利益”。

和解协议的第二半部分禁止贝尔公司从事电信以外的任何业务。

后来对历史记录的进一步分析显示，贝尔公司69%的专利与电信关系不大。相反，它们涉及化学、半导体、金属加工、照明、光学等领域。

和解协议的两半部分共同确保了这个丰富的知识宝库——约占当时美国未过期专利的1.3%——几乎在一夜之间免费开放，并且得到了山姆大叔的保证：那个强大而可怕的贝尔实验室法律之狼不会找上门来。

在短短几年内，这些被释放的专利就在电信行业之外产生了近60亿美元的后续专利价值。其中约35亿美元来自年轻创业公司申请的专利。那次创业热潮中一个著名的分支，经历了肖克利半导体、仙童半导体，并最终走向了传奇公司英特尔。

英特尔的联合创始人戈登·摩尔（以摩尔定律闻名）后来将这场由同意法令驱动的创新级联描述为：

沉积

一代才华横溢、受公共资助的科学家打造了世界史上最具影响力的技术天才集群之一。贝尔实验室创造了大量专利，发明了众多产品，并在数十年间成为美国前沿科学无可争议的中心。但它是如何做到的？

想象一块精心打造的稻田，由严苛的农民花费数年时间精确地营造出肥沃的环境。它看起来只是一片水田，但事实上水稻是少数几种能耐受根系淹水的主要作物之一。由于大多数杂草也无法耐受淹水，水便完成了除草工作。刻意灌水还切断了有机分解所需的氧气，因此土壤保留更多养分，而不会像干燥、通风的田地那样消耗掉养分。温暖、浸水的泥浆还是固氮微生物的绝佳栖息地。一块精心照料的稻田在很大程度上能自我施肥，一季又一季，有时持续数百年。这个不起眼的泥塘实际上是人类设计过的最具生产力的种植系统之一。

AT&T作为垄断企业的独特经济地位，为贝尔实验室培养审慎实验、耐心探索和延迟收获的文化创造了条件。贝尔实验室从一个庞大且稳定的全国性收入基础中汲取资源，这个基础不必在每个预算周期重新论证。美国监管机构通过AT&T的价格来设定这个收入基础，方法是对其网络投资资本采用固定百分比回报率计算。这里所说的投资资本包括交换机、电缆、建筑物等。

在普通公司，研究是一项需要尽可能压缩的成本，但在AT&T并非如此。

贝尔实验室在研发上投入的每一美元都同时发挥了两重作用。首先也是最重要的，这是一项零风险、可回收的成本，根据合同由美国电话用户承担。其次，它是AT&T构建和部署新型资本密集型技术的源泉。这类资本支出扩大了计算其保证回报率的费率基数。在这些新技术上投入的资金越多，即便受监管的约7%回报率不变，AT&T获得的绝对利润也就越大。

这种安排在数十年间对所有相关方都非常有利，但未必能够复制。我们是否应该尝试重现它也并不明确，因为它也伴随着实际代价。低效的过度投资、缺乏价格约束，以及最关键的——将发明成果囤积在垄断壁垒之内的动机——都损害了用户利益。但在20世纪的大部分时间里，这些有保障的利润确实客观地创造了一片广阔的沃土，让一项又一项技术创新得以在这片土地上蓬勃生长。

今天的前沿科学已经面目一新。它根植于模型权重和GPU。它充斥着token消耗和智能体循环。它在数据中心里绽放。

尽管AI辅助研究作为一个领域仍处于早期阶段，但使用统计数据表明，各大AI实验室内部及其周围正在发生重大变化。严肃的研究者们正在利用这项新技术解决实际问题，有时甚至是解决那些以前根本无法解决的整类问题。蛋白质结构、研究数学、材料设计、药物发现和复杂系统分析，只是AI模型切实提升研究人员清除人类科学障碍能力的少数几个领域。但这样一片沃土又从何而来呢？

这其实并非秘密。

OpenAI表示，它“主要依赖公开可用的信息来教会其模型如何提供帮助”。Anthropic曾试图构建一个“包含‘世界上所有书籍’的中心图书馆”来训练其模型。Sam Altman本人也详细说明，他们的前沿模型是基于“人类的集体经验、知识和智慧”进行训练的。

撇开那些委婉的说法，剩下的赤裸裸现实是：这些前所未有的能力，是由全球每一个曾写下过任何东西的人，通过他们的自我表达汇聚而成的。

而建立在这一现实之上的产品，按前沿实验室自身的营收、预测和使用数据来看，是这一代人创造出的最有价值的东西。

Anthropic 的年化营收运行率从 2024 年 1 月的 8700 万美元飙升至年末的 10 亿美元，到 2025 年大约增长了 10 倍，并在 2026 年 5 月达到了 470 亿美元。这使其成为历史上增长最快的企业软件公司。OpenAI 也紧随其后。据估计，如今 80% 的美国劳动力所从事的工作中，有部分内容会受到这些模型的影响。所有这些影响之所以成为可能，是因为在数以十亿计人类生命长度累积的数据语料上，进行了数周的训练。

这是对公共智慧成果的私人捕获。

一个前沿模型是将海量训练数据压缩成数值权重。书籍、论坛、代码仓库、手册、论文、聊天记录、转录文本、法庭案例、文章、评论区、教程，以及前沿实验室遍布互联网及更广领域的爬虫机器所能抓取的一切零散思想——这些材料汇集在一起，规模惊人。

在某种程度上，这种难以理解性几乎像一种精神铠甲。它庞大到无法直接理解。

想象一片狂野的河流三角洲。当水从高地流向大海时，它会侵蚀流经的土地，并将碎屑作为沉积物带到下游。泥沙、黏土以及各种各样的有机物，从每条支流和河岸、从犁过的田野到崎岖的山坡上冲刷而来，最终汇聚在三角洲。河流沿途滋养的每一个生命的丰富性也同样如此。一个大陆级的水系，旋转、积聚，最终在其终点沉淀。如此庞大而多样化的物质在三角洲中结合，形成了一片丰饶、奇异且充满生机的土地。

而人类全部知识的总和，若不是如此，又能是什么呢？

从历史书页中抓取的每一簇字母（即AI模型摄入的原始token），都是人类探索这条永不停歇的河流沉积下来的一粒泥沙。积累足够的沙粒，你便能理解星辰的运行。凝视这片泥泞足够久，你便会看见逻辑本身的结构。大语言模型将冲积土壤转化为答案的质变，正是滋养它的社会所获得的盛大丰收。

但若剥离了泥土，便没有三角洲。

剥离了语料库，便没有丰收。

什么都没有。

模型并非在真空中学会了推理。它通过反复、反复、再反复地观察理性，从而吸收了理性。它的泛化能力源自它所吸纳的每一个例子、每一次修正和每一轮争论。在历史、文化与科学的回响中，某处的一个人类决定，为今天聊天机器人的回答铺就了舞台。这种被培育出来的智能，从人类赋予意义的沉积物中生长而出，但这里没有一粒沉积物不是由某人留下的。

这些“某人”中有许多已经故去。他们撰写了古代典籍，验证了基础科学，从古至今记录下世界的历史，造福我们所有仍活着的人。但同时，也有许多“某人”依然在世。他们正在编写模型所吐出的生产级代码。他们正将基础科学推向前沿之外。他们正组织、调查、行动并回应着无穷无尽的热点事件。任何与当下相关的回应，都是从某个人那里借来的。

事实上，你就是这些“某人”之一。字面意义上的。

你凌晨两点发的垃圾帖。你给陌生人文章留下的那篇言辞得体的回复。你写下的那条犀利餐厅差评。你的配文、评论、内部笑话，以及你所有公开的对话。你曾在数字通信这条无限分岔的河流中留下的每一次贡献，无论大小，都已沉淀在三角洲的某处。

人人拥有互联网。

尼罗河三角洲养育了埃及五千年。湄公河与恒河流域至今仍在滋养着数亿人口。所有文明摇篮的形成，全部或部分归功于大河泛滥平原与三角洲，这绝非巧合。这些区域仅凭其原材料本身的富饶，就支撑人类度过了最原始的时代。这片沃土亟待迸发生机，然而，地球上最丰饶的农田，几乎无一例外，都是偶然形成的。

互联网亦是如此。

我们这些信息高速公路上的无数数字居民，当初并非为了构建训练语料库而来。我们为自己、也为彼此而书写。我们开玩笑、争论、传授知识、抱怨、调情、调试代码，就这样汇聚成了这一大团相互关联的原始素材，如今正被私人资本收割。经济学（它本身也在语料库中）为这种现象提供了术语。

为了对任何资源进行分类，经济学家会问两个问题：它具有排他性吗？它具有竞争性吗？

更直白地说，你能阻止别人使用它吗？以及，一个人使用它是否会减少其他人可用的份额？

这其中存在一些细则和子类别，但这个简单的检验方法为我们提供了一幅地图。

如果一件物品具有排他性和竞争性，它就是私人物品。想想看一个三明治。如果我吃了它，它就没了，法律会保护我免受三明治小偷的侵害。

如果一件物品具有排他性但基本不具有竞争性，它就是俱乐部物品。Netflix 订阅就是一个俱乐部物品。如果我看了一部电影，你仍然可以看，但前提是我们都付费获得访问权限。

如果一件物品很难阻止人们使用，且具有竞争性，它就是公共池塘资源。牧场是经典例子。许多农民都可以使用这片牧场，一头牛吃草并不会毁掉草地，但如果有足够多的牛，它们最终会把草啃得精光，露出泥土。这就是臭名昭著的“公地悲剧”问题。

最后，如果一件物品很难阻止人们使用，且不具有竞争性，它就是公共物品。路灯就是公共物品。一旦街道被点亮，我们所有人都可以在灯光下行走，而我这样做并不会让你的道路变暗。

私人物品和俱乐部物品通常由追求利润的行动者及其所处法律体系所管理。公共物品主要由政府或无人管理，而公共池塘资源则往往存在于一种临界空间之中——所有人都想从中获取利益，却没有人愿意承担维护成本。

前沿实验室通常认为，依据合理使用的版权制度，互联网上的数据可用于训练。从经济学角度讲，这一论点意味着互联网是一种公共物品。大规模爬取、吸收并使用互联网数据进行训练，并不会销毁原始数据。每一篇博客文章、每一条推文、每一场网络论战确实都还在，而且大多仍可访问。没有人明确拥有它们。

你发布内容的平台拥有你的帖子吗？你是否与平台共享所有权？这种关系会随时间变化吗？

毕竟，你确实是免费把内容发布到网上的。

但授权访问并不等于授予许可。图书馆借书卡让你借阅一本书，但并不意味着你可以复印整座图书馆。购买国家公园门票并不赋予你伐木权。走进一家营业中的商店并不代表你可以偷走商品。公众能够访问互联网上的作品，并不自动意味着获得了使用权。

“你发布了，你就接受了这一点”还有第二个更深层次的问题。直到最近，大语言模型训练数据这一用例根本不存在，发布内容的用户也不可能合理预见到这一点。2008年的博主不可能同意自己的作品用于今天的语言模型训练，因为当时这件事根本无法想象。同意不能倒推回过去，尤其不能针对一个从科幻小说副线变成了现实的事物。

当前大语言模型的法律战场，是一个悬而未决的故事。

值得注意的是，尽管我们有道德直觉上的倾向，但获取途径和同意与否，与前沿实验室在“合理使用”这一主要法律辩护主张中并不相关。相反，法院在裁定合理使用抗辩时，会评估四项标准。他们考察版权材料的使用目的、作品的性质、使用的数量以及对原作市场的影响。在实践中，这四项标准通常归结为两个重要问题。

新作品是否具有变革性，以及它是否损害了原作的市场？

2025年6月，Alsup法官在Bartz诉Anthropic一案中裁定，在合法获取的书籍上进行训练是“典型的变革性行为”，但从盗版书籍构建其语料库则是“本质上、无可挽回的侵权”。在这场喜忧参半的胜利中，Anthropic面临理论上的最高700亿美元版权损害赔偿风险，并在几个月后迅速以15亿美元和解了此案。这是美国历史上（迄今为止）金额最大的版权和解案，且既未授予Anthropic任何未来许可，也未对未来任何法律作出澄清。

在相关判决中，Kadrey诉Meta一案中，Chhabria法官认定大语言模型训练同样具有变革性，并不情愿地裁定市场损害的证据不足。在裁决中，他批评原告几乎未能提供任何市场稀释的证据，并指出大语言模型能够用与训练数据相似的AI作品淹没市场，这“通常会让原告在类似案件中决定性地赢得第四项因素——从而整体上赢得合理使用问题”。

使讨论更加复杂的是，美国版权局在2025年发布了一份不具约束力的报告，结论是公开可获取并不天然允许合理使用的模型训练。截至本文撰写时，尚无确定的法律标准来衡量大语言模型导致的市场稀释，但这将在未来的法律判决中成为一场重大对抗。已有数十起诉讼和政策争端正在检验前沿实验室不断演变的训练数据辩护策略。

这些实验室最具诱惑力的辩护也是最简单的。

“它只是在阅读”是技术界为AI模型训练辩护时常说的一句话，也是一个很有说服力的论点。每一位活着的作家都是由他们读过的书造就的。没有人因为受到《老人与海》的启发就给海明威的后人寄支票。如果模型只是另一位读者，那么它欠每个读者的跟任何读者一样：什么都不欠。

一个人一生读一万本书，会变成另一位作家，以人类的速度创作，以人类的体量出版，将他的沉淀物一点一点送回三角洲。而一个读取万物的模型，却变成了一台印刷更多印刷机的印刷机。它以工业级的速度输出作品，训练自己的后继者，只需按下一个按钮，就能与它所读取的那些作家本人竞争。灵感从未稀释过市场，但印刷机确实会。

大约在1440年发明的古腾堡印刷机，最终促成了1710年《安娜法令》的通过。一个由强大书商组成的卡特尔游说英国议会，试图恢复他们对图书贸易的垄断权，而议会却将权利赋予了作为法定所有者的作者。既得利益者请求保护，而公众的代表者却将所有权交给了创作者。

这项法令奠定了现代版权法的基础。在印刷机出现之前，这并非必要，因为大规模盗版实际上是不可能的。新的技术格局引发了一轮复制浪潮，压垮了为旧时代问题设计的法律体系，但这场清算花了两个半世纪才得以展开。

那台印刷更多印刷机的印刷机，不会让我们等那么久。

破坏三角洲

从表面看，那承载着人类集体知识沉积物的富饶河流三角洲，确实像是一种公共资源。前沿实验室抓取并吸纳互联网庞大的沉积体，并不会在字面意义上摧毁原始材料。法院已经开始朝这个方向裁决，但与许多法律裁决一样，这在狭义上是正确的，却完全忽略了问题的关键。

对训练语料问题的肤浅理解，误解了互联网的功能层及其参与者实际如何互动。到目前为止，我们仅分析了文本层。前沿实验室抓取到训练语料中的网页、文章、帖子、评论及其他一切固然是一个明显的部分，但互联网还有许多其他层，而它们为文本层的存在奠定了基础。

除了协议层或访问层等明显的技术层之外，我们还必须考虑互联网的发现层、注意力层、贡献层和诚信层，以及它们之间的行为流动。互联网的持续效用取决于人们能否找到、参与、贡献并最终相信他们在网上所访问内容的价值。

当被视作静态语料库时，互联网因AI训练运行而受损这一点并不明显。当然，其受损方式与过多牛群破坏牧场草地不同。

实际上，真正受损的是最初演化出丰富那个语料库的复杂系统。互联网是由相互连接的公共物品、俱乐部物品和公共池物品组成的堆栈。不同的层次相互反应并相互强化，使整体既有价值，又容易受到大语言模型所引入的特定危害。

没有任何人类创造者能与生成式输出的原始数量相抗衡——这些输出正试图压垮我们的算法和注意力跨度。互联网的各层在这里的行为更像一条道路或电子邮件收件箱。它们在达到某个阈值之前是非竞争性的，之后则灾难性地变为竞争性的。

其结果是，当每一条推文的衍生品又衍生出无数个AI变体时，认真参与网络世界的积极性也随之消退。如果你发的东西没人看，又竞争不过那一万个跳着欢快电子乐的AI狗变体，而当你终于做出真正令人印象深刻的作品时，热评却纷纷指责你是AI——那为什么还要在网上制作和分享东西呢？生成式AI工具能够以几乎为零的边际成本，用各种媒体内容（无论是不是垃圾）淹没网络的每一个角落——这或许正是那辆自90年代就已驶出的“永远向所有人发送垃圾邮件号公交车”最终踩死油门的时刻。

这是一个重要时刻。对丰饶的语料层进行天真的收割，无异于向那些让这一切成为可能的人开了一记重炮。网络世界的某些部分可能早已被击垮。如果我们搞错了方向，整个互联网可能会不可挽回地崩塌。好在，我们并非全无应对之策。

我们早已知道如何保护一个公共资源。埃莉诺·奥斯特罗姆（Elinor Ostrom）于2009年获得诺贝尔奖，正是因为她记录下瑞士高山牧场、日本森林和西班牙灌溉网络如何数百年可持续地共享其公共资源。她归纳出公共资源得以持久管理的八个条件：明确谁可以使用该资源；制定与当地情况相匹配的规则；受规则影响的人有权参与制定规则；由对用户负责的人进行监督；对过度使用实行渐进式惩罚；提供可及的方式解决争端；承认社区自我组织的权利；以及多层级的治理嵌套。

如果用这份清单来对照互联网，八个条件几乎一个都不满足。它的边界模糊不清，人人都在往里面注入内容，却没有人设下围栏。那些填充互联网内容的人，对治理方式没有发言权。规则不明确，只有零星的诉讼，而且只有少数资本雄厚的当事方参与其中。监督机制即便存在也极其薄弱，永远事后追责，从不主动预防。没有监控，没有渐进式处罚，没有共同的场所来解决争端。用奥斯特罗姆的精确术语来说，这根本不是一个被治理的公共资源——它是一个拔掉了插头的公共池商品。

这就是我们陷入这团乱局的原因。就像当年凯霍加河油污横流、布法罗溪被矿渣淹没的时代一样，我们正面临一场网络工业废料灾难，它随时可能污染整个三角洲。

归属权崩塌

河流目前仍在流淌。新的沉积物持续在三角洲堆积，语料层不断增厚，实验室也在持续抓取数据。

而在抓取过程中，他们不断将广袤的互联网三角洲压缩成固定的权重集合，但这种持续进行的仪式又暴露出另一个问题——这次不是质量问题，而是价值问题。

具体来说，就是谁该为哪种价值获得报酬。

据前沿实验室称，所有这些被抓取的数十亿数据点，每一个都毫无价值，但合在一起却价值数万亿美元。

他们所谓的“毫无价值”，是指训练集中不需要任何单独抓取的作品。移除其中任何一件，模型几乎察觉不到。因此，没有哪件单独的作品真正重要，也没有哪件单独的作品需要付费。

但如果我们能收起惊掉的下巴，好好消化他们灌输给我们的这套说辞，就会发现单个数据点显然并非毫无价值。

这是一种修辞诡计。是自封的侦探在说“既然我们无法确切查出被盗珠宝的数量，就不能提出指控”——典型的双重话术。只不过，他们自己就是那个小偷，而且刚刚开了一家珠宝店。

这种“哎呀，没办法”的说法当然荒谬至极。糟糕的会计做法并不能抹消明确的价值转移，更何况这种会计工作根本不可能完成。

从法律角度来看，这种会计工作原则上就不可能，因为版权法是为了监管离散复制行为而建立的。法院判例假设侵权者复制的是来自可识别主体的可列举作品。而大语言模型训练是对数十亿作品进行的一次性统计吸收。其形态不同，但道德本质相同；然而，由于这种提取行为是一种新机制，法律工具目前还无法完全适用（至少暂时不能）。

但更令人担忧的是，尝试进行量化核算可能在数学上就是毫无意义的。

评估训练数据输入价值的主流正式方法是 Shapley 值，它计算一个输入在可能出现所有排序顺序中的边际贡献的平均值。但这个数字并非作品本身的属性，而是该作品与训练集中所有其他作品之间关系的函数。同一份文档在不同的训练集中会有不同的 Shapley 值。即使对同一个模型训练两次，因为训练过程具有随机性，每次计算出的 Shapley 值也可能不同。研究人员甚至不认同 Shapley 是衡量贡献的正确指标，而且为前沿规模模型计算真实的 Shapley 值在计算上是不可行的。这些模型训练一次就可能需要数周时间；精确的 Shapley 核算需要对输入进行不可能实现的组合性重训。因此，到目前为止，没有任何客观的估值方案能够计算出任何作品的具体份额——这样的方案一旦实施，就会立刻被法律诉讼所吞噬。

在前沿规模的大语言模型训练中，进行个体归因在可预见的未来是行不通的。你无法按照人们贡献的比例来支付报酬，因为不存在一个可管理、可具体计算的份额。这正是误导性思路的根源。各大实验室将这一事实理解为：“既然我们无法归因，那么我们什么都不欠。”

我认为，它的含义是你无法按比例支付，但报酬仍然是欠着的。

为公共智慧付费

这才是问题的真正形态。个体创作出卓越的作品，但从来不是孤立完成的。互联网本质上是公共性的。合作与冲突共同滋养着整体。

枝条在修剪后长得更壮。最肥沃的土壤由腐烂物堆积而成。藤蔓依靠接触攀爬。友善的思想互相传授灵感，而捕食者与猎物则在相互追逐中跑得更快。这堆充斥着垃圾与杰作的庞杂物之所以珍贵，恰恰是因为每一部分与其他部分之间存在着千丝万缕的关系。正是在它们之间的鲜活距离中，人类认知才得以发芽、绽放并结出果实。尽管有孤独天才的浪漫传说，但互联网是一项团队合作。

而如果你无法找出那个最有价值的球员，那就为整个团队付钱。

这笔费用就是版税。它是对大语言模型从我们所有人身上——无论优秀还是平庸——所汲取的公共才智进行的一笔精确到美分的会计计量。

不妨称之为“语料版税”。

前沿实验室将其总收入的一个固定比例投入一个公共基金。该基金每年向每位符合条件的美国人支付相同数额的款项。任何比这更精妙的机制都会重新引入衡量难题，并会在法庭上因无数细枝末节的争论而夭折。

随着大语言模型融入互联网并重塑人类表达的动力机制，版税成为了补偿集体性、不可归因贡献的唯一合理的答案。前沿实验室不能继续无限制地收割互联网。它们必须补充那些滋养了其模型所依赖的丰饶三角洲的上游源头，否则互联网将在十年内变得面目全非。

我们以前就建立过这种机制的小型版本。

当私人实体从共享资源中获利时，我们认识到公众有权从中获得收益。阿拉斯加永久基金就遵循这一直觉。每位符合条件的居民都能获得一份资源财富，而这份财富是任何单个居民都无法独自主张的。既然我们无法可靠地衡量任何一个人话语对模型的价值，那么分配方式就应该反映这种归因的失败，而不是假装解决了它。

当个人诉求数量过多而无法逐一定价时，我们不会假装它们毫无价值；当私人实体损害公共空间时，我们就会宣布它们对此负有责任。在河流燃烧了一个世纪之后，美国国会在1980年建立了“超级基金”法案，并把清理账单交给了污染者——即使这些倾倒行为在当时是合法的。没有人需要去追踪是哪一桶毒药污染了哪一口井。从有毒废物中获利的行业必须出钱修复土地。

有些人会说，贝尔电话公司的先例主张开放权重，而不是开张支票，但补救措施要针对创伤。在贝尔案中，竞争对手因知识封锁而受到伤害，因此补救措施是开放接入。今天，贡献者因智力价值的提取而受到伤害。因此，付费就是让受害者恢复完整的补救措施。

语料版权费起初可能微不足道——或许只够每年多买一箱啤酒，但金额远不及它所赋予的地位重要。它向公众表明，他们绝不仅仅是用来训练日益庞大的大语言模型的剥削性原材料。如果这些实验室对自己正在构建的东西判断正确，那么啤酒钱会变成买菜钱，再变成房租钱，并随着实验室及其收入的增长而增长。如果实验室判断错误，那也不会是因为一笔版权费扼杀了商业模式。普通人的生活、争论、疑问、笑话、纠正和创作都在帮助维持这些模型所消耗的语料库，这笔费用则是在主动地、而非寄生式地将公众纳入其中。语料库要么至关重要，要么无关紧要。如果它确实重要，那它就有价格，而各行各业每天都在为必要的投入付费。实验室在与Reddit、新闻集团（News Corp）和美联社（The Associated Press）的授权协议中，实际上已经承认了这一点。

这不是福利，因为福利假设企业在补贴公众，而实际上补贴的方向恰恰相反。这不是慈善，因为慈善意味着没有收到任何回报。这不是税收，因为税收将盈余视为属于公司、但受公众主张权的财产。

这是补偿。

从法律角度看，这类问题的术语是不当得利，但普通法中的概念对于我们现在面对的情况来说过于狭隘了。在普通法中，不当得利要判断一方是否以牺牲另一方为代价获得了利益，且这种获利在全部保留的情况下显失公平。

前沿实验室获得了这样一种利益：他们将一个未经补偿、大规模聚合、由公众产生的语料库转化为私有的基础设施级价值，同时又威胁到该语料库得以持续更新的条件。他们实现这一转化的规模和扩散程度，使得个人诉讼无法合理定价。问题之大告诉我们，补救措施必须是集体性的。

对根植于公众语料库的价值支付版权费，是一种回报。回流到互联网的东西是应得的，而非馈赠的。这是对公众智慧的版权费。

版税只是解决方案的一部分。它是更大贡献与维持体系中的一个环节。它不能替代版权主张或私人授权合同。在所有权清晰可辨的地方，这些主张和合同仍然可以且应该存在。版税要解决的是那些无法通过组织、谈判或诉讼进入授权市场的、无法归因的创意长尾。

这些实验室正在做的事情在性质上并不新鲜，只是规模前所未有。这是在文明尺度上对公共天才的私有化攫取。我们不应感到意外。建立在公共支持之上的企业实体，往往试图将收益私有化，同时将使其成为可能的条件社会化。特殊组织之前就曾滥用过它们的特殊地位。不同之处在于，这一次受影响的是所有人类。

也许自从五千多年前我们在泥板上刻下第一道划痕时起，我们就一直在朝着这个方向走。我们通过记录、收集和分类，走到了脆弱的境地。一旦所有外化的思想、所有写下的文字、所有图表、华丽装饰和遣词造句都能被塞进一个机械精灵里，谁又能抵制住把它卖回给那些提供素材的人的诱惑呢？

这就是公众需要提出主张的原因。前沿实验室越来越追求公用事业的特权和权力，却不愿承担随之而来的公共义务。语料版税通过让公众从它们所创造的财富中分得一杯羹，一定程度上恢复了这种交易中的平衡。公众已经承受了这些模型所塑造的世界带来的负面影响，理应分享一部分正面收益。

语料版税确保人类散落的智慧火花，在它们帮助创造的游戏中拥有切身利益。