生成式 AI 越来越普及，一个很实际的问题也变得无法回避：公开放在网站上的文章、图片和资料，是否就等于可以被 AI 公司自由抓取、拿去训练模型？答案并没有这么简单。AI 训练版权 应该注意什么，这篇文章告诉你。

2026 年 10 月 6 日，澳洲公共广播机构 ABC 在国会 AI 调查中公开反对为了 AI 训练而放宽版权规则，并认为如果 AI 公司需要使用受版权保护内容，就应该透过现有授权机制取得许可。这场争论提醒内容创作者：「网页公开可访问」和「拥有复制、训练或商业再利用的权利」是两回事。

1. 公开网页不等于放弃版权

网站没有登录墙、Google 可以索引、读者可以免费阅读，都不代表作者自动放弃版权。一般而言，文章、摄影、插画、编辑整理等只要达到适用法律要求的原创性，版权保护并不会因为内容公开在网页上而消失。

这也是为什么我之前写《AI 生成内容版权存在吗？》时特别强调，要把「作品有没有版权」「AI 平台条款允许什么」和「别人能不能复制使用」分开来看。

2. 抓取、索引与 AI 训练不是同一个动作

网站经营者经常把 crawler 全部看成同一回事，其实至少要区分三种用途：搜索引擎抓取网页建立索引、AI 搜索为了回答即时检索网页，以及收集大量内容用于训练或改善模型。

技术上它们都可能涉及自动抓取，但目的、保存时间、复制方式和法律依据并不完全相同。因此，在 robots.txt 与 AI crawler 的管理上，也不应该简单理解为「允许抓取 = 同意所有后续用途」。

3. robots.txt 是技术规则，不是完整版权许可证

robots.txt 可以告诉合规 crawler 哪些路径不希望被抓，但它本身不是一份万能的版权合同。允许 crawler 进入，也不能自动推导为网站把文章授权给任何公司作任何商业用途；反过来，封锁 crawler 也不代表所有法律问题因此解决。

网站经营者应该同时考虑 robots.txt、网站 Terms of Use、内容授权条款、图片来源和实际采用的平台控制。技术控制与法律权利最好分开管理。

4. 「Fair Use」不能当成全球统一答案

AI 训练争议经常出现 fair use（合理使用）这个词，但它高度依赖司法管辖区与具体事实。美国案件的判断不能直接套到马来西亚、澳洲、欧盟或其他国家。

2026 年 9 月，美国第三巡回上诉法院公布的 Thomson Reuters 对 Ross Intelligence 案意见再次显示，法院会具体分析作品性质、使用目的、使用量以及对原作品市场的影响。该案涉及法律研究产品，而且法院特别指出 Ross 的系统并非生成式 AI，因此不能把判决简单解释成「所有 AI 训练都违法」或「所有 AI 训练都合法」。

5. 最新争议已经从技术问题走向授权与付费

澳洲目前的讨论很有代表性。ABC 在 2026 年 10 月 6 日的国会调查中反对为 AI 公司建立版权例外或 opt-out 模式，认为这样会把保护作品的负担倒过来丢给创作者。争议的核心已经不只是「机器能不能抓」，而是谁有权决定作品如何被使用，以及商业使用是否应该取得授权和支付报酬。

对独立网站而言，这个变化值得关注，因为未来内容价值未必只来自广告点击，也可能包括授权、资料库访问、订阅与其他直接读者收入。我最近整理的 Reader Revenue 文章，就是从这个角度讨论网站不能永远只依赖流量。

6. 网站经营者现在可以做什么？

先做内容资产盘点

确认哪些文字、图片和影片是自己原创，哪些来自新闻稿、图库、Creative Commons、品牌素材或第三方授权。没有清楚来源的素材，很难进一步谈授权。

记录授权条件

保留原始文件、拍摄日期、授权邮件、图库收据和许可范围。尤其是商业网站，不要只保存最终上传到 WordPress 的压缩图片。

检查 crawler 设置

定期检查 robots.txt、CDN、防火墙和 AI crawler 控制，但不要误以为技术封锁可以取代版权政策。

写清楚网站使用条款

如果不希望内容被大规模复制、建立资料库或商业再利用，可以在网站条款明确说明。不过条款能否执行、适用什么法律，仍应由专业法律人士按所在地判断。

7. 使用 AI 写作的人也要反向注意版权

版权风险不是只有「别人抓我的网站」。我们使用 AI 研究和写作时，也要检查输出是否过度接近来源、是否大段复制文章，以及引用图片有没有授权。

实际编辑时，我会把 AI 搜索结果当成线索，再回到第一手来源核对。这个流程和AI 事实核查的 7 个步骤相同：找到来源、确认日期、理解原文，再自己组织内容，而不是把 AI 输出直接当成可出版稿件。

8. 对小型内容网站，真正要保护的是「可证明的原创价值」

独立网站很难靠技术完全阻止内容被复制。更实际的做法，是建立能够证明来源和价值的内容资产：原创采访、亲自拍摄图片、第一手测试、清楚作者资料、更新时间、引用来源与编辑纪录。

这些做法同时也有利于读者信任、搜索可见度和未来可能出现的内容授权模式。AI 时代的内容策略，不应该只问「怎样不让 AI 抓」，而要进一步问：我的内容有什么是值得被引用、订阅，甚至付费授权的？

FAQ

AI crawler 抓到我的网页，就代表它可以拿去训练吗？

不能这样直接推论。网页可访问性、crawler 技术规则、平台条款、版权授权与当地法律是不同层次的问题。

在 robots.txt 封锁 AI crawler 就够了吗？

不够。robots.txt 是重要的技术控制，但网站仍应管理内容来源、授权记录、Terms of Use 与其他访问控制。

AI 训练一定侵犯版权吗？

目前不能一概而论。不同国家的法律、具体训练方式、资料来源和使用目的都会影响判断，而且相关诉讼与政策仍快速发展。

小结

AI 训练与版权的争论正在从「技术上能不能抓」进入「谁有权授权、谁应该付费」的新阶段。对网站经营者来说，最实际的准备不是等待一个全球统一答案，而是先把原创内容、授权、crawler 控制和编辑纪录管理清楚。

本文讨论网站经营与内容管理的一般原则，不构成法律意见。涉及具体版权争议或商业授权，请咨询适用司法管辖区的专业法律人士。