版权授权与数据交易
一句话结论
- 与 robotics 专栏"自己采集、按小时或按条计成本"不同，本层是把已有内容权利化变现：供给侧边际成本约为零，价格由买方的替代成本（诉讼风险、爬取难度）与独占性决定，计价单位是年费、每本、每张、每次请求，几乎不见 token。
- 头部新闻与 UGC 平台按年费成交：News Corp–OpenAI 报道 >$2.5 亿/5 年（约 $5,000 万/年，含 OpenAI 技术额度）[1]，Meta–News Corp 最高 $5,000 万/年 [2]，Reddit–Google 约 $6,000 万/年 [3]，Amazon–NYT $2,000–2,500 万/年 [4]。以上均为媒体口径，公开数字多为下限。
- 图书有两个互为上下限的锚：Bartz v. Anthropic 和解 $15 亿、约 482,460 部，每部约 $3,100 [5]；HarperCollins–Microsoft 报道 $5,000/书（作者得 $2,500）[6]。事后赔偿价与事前许可价处于同一数量级。
- 市场重心从一次性训练授权转向持续访问、grounding 与按使用付费：归因/实时访问类交易 2023 年 2 笔、2024 年 11 笔、2025 年 18 笔、2026 年预计 34 笔（Media and the Machine，作者自行统计，媒体口径）[7]。"2026 年仅约四成授权含训练用途"未能核实，不采信。
- 授权对卖方是真实但有限的增量：Reddit 2025 年 Other revenue $1.4 亿，约占总收入 6%（公司口径）[8]；Wiley FY2025 AI 授权 $4,000 万（公司口径）[9]。中国尚无等价于 News Corp 或 Reddit 的公开大额语料授权价格。
生产方式
本层不"生产"数据，而是把已有内容权利化。典型流程如下。
| 环节 | 做法 | 例 |
|---|---|---|
| 权利确认 | 版权方自有（出版商、图库）；或平台依用户条款获得再授权 | Photobucket 称 2023 年改条款后可售用户内容（媒体口径，未经检验）[10] |
| 授权形态 | (a) 一次性或多年期训练授权；(b) 档案加实时内容的展示/grounding 授权；(c) 按抓取或按使用付费；(d) 收入分成 | 见"规模、成本与价格" |
| 交付 | 数据转储、API/feed、网络边缘 HTTP 402 计费、marketplace 目录 | Reddit Data API；Cloudflare Pay-Per-Crawl（HTTP 402） |
| 中介 | 经纪与市场 | Protege、Defined.ai、Datarade、Human Native、AI 内容授权市场 |
| 合规背书 | 来源可追溯、作者选择加入、可审计 | Cambridge UP 先征求作者同意并给版税（媒体口径）[11] |
吞吐与人力不适用；单位成本约为零，所以价格不随数据量线性变化。
厂商与渠道
内容方（卖方）与买方
| 名称 | 国家 | 类型 | 规模口径 | 客户 | 融资/收入 | 来源 |
|---|---|---|---|---|---|---|
| News Corp | US | 新闻集团 | OpenAI 2024-05，5 年，>$2.5 亿含现金与技术额度；Meta 2026-03，≥3 年，最高 $5,000 万/年，含训练与检索。均为媒体口径，金额未经公司确认 | OpenAI、Meta | - | [1][2] |
| US | UGC 平台 | Google 约 $6,000 万/年（媒体口径，2024-02）；2025 全年 Other revenue $1.4 亿 +22%（公司口径） | Google、OpenAI | 2025 总收入 $22 亿 | [3][8] | |
| Amazon × NYT | US | 新闻 | 训练加 Alexa 实时摘要，$2,000–2,500 万/年，现金，约占 NYT 2024 收入近 1%（媒体口径，WSJ） | Amazon | NYT 同时起诉 OpenAI/Microsoft | [4] |
| Dotdash Meredith | US | 新闻/生活 | 约 $1,600 万/年（媒体口径，估算） | OpenAI | - | [12] |
| Financial Times | UK | 新闻 | $500 万–1,000 万/年（区间，媒体口径） | OpenAI | - | [12] |
| Axel Springer | DE | 新闻 | "数千万欧元"（模糊，媒体口径） | OpenAI | - | [12] |
| AP、Condé Nast、Vox Media、The Atlantic、Hearst、Washington Post、Guardian、Axios | US/UK | 新闻/杂志 | 金额均未披露；Apple 曾被报道对 Condé Nast 出价 $5,000 万+（谈判，未成交） | OpenAI、Amazon、Microsoft 等 | - | [12][13] |
| Le Monde / Prisa | FR/ES | 新闻 | 金额未披露；Le Monde 披露约四分之一 OpenAI 收入与记者协会分享（媒体口径，需一手核实） | OpenAI、Meta | - | [7] |
| Stack Overflow | US | 问答社区 | Google 数据 API（2024，首个商业授权）；金额未披露 | Google、OpenAI | 收入翻倍之说未核 | [14] |
| Shutterstock | US | 图库 | 2025 Data, Distribution & Services 板块 $2.033 亿，占 21%（公司口径，非纯 AI 授权） | OpenAI（6 年期）、Meta、Google、Amazon、Apple、Reka | 2025 总收入 $9.899 亿 | [15] |
| Getty Images | US | 图库 | 无公开 AI 收入；Perplexity 2025-10 为 API 展示授权，非训练 | Perplexity | - | [16] |
| Photobucket | US | 图床 | 130 亿图片/视频待授权，谈判价见下表（CEO 对 Reuters，2024-04） | 未具名 | - | [10] |
| Freepik | ES | 图库 | 2 亿图片档案，2–4 美分/图（对 Reuters） | 未具名 | - | [10] |
| Automattic（Tumblr/WordPress） | US | 内容平台 | 2024-02 被报道与 Midjourney/OpenAI 谈判；金额未披露；公司称仅与符合"署名/退出/控制"原则者合作 | 据 404 Media | - | [17] |
| OpenEvidence、Suno | US | 医疗/音乐 | NEJM/JAMA 授权与 Warner 训练授权；Suno–Warner"2025-11 和解 $5 亿"⚠️ 未复核 | - | - | 另见相关卡 |
学术出版
| 出版商 | 口径 | 来源 |
|---|---|---|
| Wiley | FY2025（至 2025-04-30）AI 授权收入 $4,000 万（FY2024 $2,300 万）；Q4 单笔新协议 $1,800 万；无作者选择退出机制（公司口径）。早期 $4,400 万是预测，实际为 $4,000 万 | [9] |
| Taylor & Francis（Informa） | Microsoft 首年约 $1,000 万；Informa 预期 2024 年 AI 合作收入 £5,800 万（约 $7,500 万，含第二家合作方）（媒体口径） | [18] |
| Oxford UP / Cambridge UP | 已授权；CUP 先征求作者同意并给版税（媒体口径） | [11] |
| Elsevier、Springer Nature | Elsevier 被描述为早期缺席、观望；Springer Nature 及 Elsevier 2026 现状未查到 | [11] |
| 追踪工具 | Ithaka S+R "Generative AI Licensing Agreement Tracker"（2024-10 起） | [19] |
数据市场与中介
| 名称 | 国家 | 成立 | 产品 | 规模/口径 | 融资 | 来源 |
|---|---|---|---|---|---|---|
| Defined.ai | US/PT | 2015 | 语音/文本/图像/多模态数据集市场；一次性购买或年订阅 | 客户名单来源不一，"有 Google/Meta/OpenAI"一说未证实 | Series B $5,050 万（2020）；总额各源 6, 340万–8,000 万+不一 | [20] |
| Datarade | DE | 2018 | 通用 B2B 数据市场，含 AI 训练数据品类 | 称 500+ 认证提供方（AI 页另称 2,500–2,600 家，口径不一） | 最近融资 $111 万（2019，CB Insights，可能过时） | [21] |
| Protege | US | 2024 | 受治理的训练数据市场 | 收购 Calliope Networks 一事仅两源，⚠️ 未核实 | Seed $1,000 万；A $2,500 万（2025-08）；A1 $3,000 万（2026-01），累计约 $6,500 万 | [22] |
| Human Native | UK | 2024 | AI 数据授权市场 | 2026-01 被 Cloudflare 收购，价格未披露 | LocalGlobe、Mercuri 投资 | [23] |
| Created by Humans | US | 2024 | 作者向 AI 公司授权（训练与 RAG 引用） | 2025 年初对作者开放 | $500 万 | [24] |
| TollBit / ProRata（见 AI 内容授权市场） | US | 2024 | 按抓取计费 / 广告收入 50% 按贡献分成 | TollBit 监测：每 AI bot 访问对应人类访问由 2025Q1 的 1:200 升至年末 1:31；13.3% 的 AI bot 访问绕过 robots.txt（Q2）；ProRata 称伙伴 >500 家出版商（聚合站转述） | 未查到 | [25][26] |
| Microsoft Publisher Content Marketplace | US | 2026-02 | 按使用付费的 grounding 授权市场，含用量报告 | 共建方含 Business Insider、Condé Nast、Hearst、AP、USA Today、Vox Media | - | [27] |
| Cloudflare Pay-Per-Crawl（HTTP 402） | US | 2025-07 私测 | 网络边缘 HTTP 402 | 价格见下 | - | [28] |
| RSL 1.0 | - | 2025-12-10 发布 | 基于 RSS 的 rsl.txt 许可语言，本身不能阻断爬虫，需 CDN 执行 | ">1,500 家媒体支持"为自报 | - | [29] |
中国
| 名称 | 口径 | 来源 |
|---|---|---|
| 中国数据交易所与语料券：深圳数据交易所 | 2022-11 挂牌，累计交易额 60.1 亿元（2024 年文章口径，已过时） | [30] |
| 北京国际大数据交易所 | 董事长称 AI 数据占交易量从 2024 年约 10% 升至累计近 80%（财联社转述，口头，口径不明） | [31] |
| 上海数据交易所 | 2023 年交易额 >11 亿元；2024-12 报道 >40 亿元（年份对应不清）；语料专项数字未查到 | [32] |
| 捷成股份 | 2024-07 向华为云授权约 20 万小时视频素材（视频向） | 媒体口径，未复核 |
应用方式
预训练与中期训练。 图书（Anthropic 案中被证明为核心语料来源）、新闻档案（News Corp、Amazon–NYT 明确含训练）、学术全文（T&F、Wiley 的 LLM 训练授权）、UGC 对话（Reddit、Stack Overflow）[5][1][4][9][14]。
检索与 grounding。 AP–OpenAI 之后的多数新闻交易，以及 Microsoft PCM、ProRata、Mistral–AFP（2025-01，仅 grounding，金额未披露）[27][26]。
垂直 SFT 与知识库。 OpenEvidence 的 NEJM/JAMA 授权属于此类，与预训练层交叉。
多模态。 Shutterstock、Getty、Photobucket 属图像/视频训练或展示；本章只给价格。
授权形态迁移（训练到访问）。 Media and the Machine 统计：公开交易总数 91（2023-01 至 2026-06），新闻类 48、音乐音频 16、图像视频 12，OpenAI 24 笔居首（媒体口径，作者自行统计）[7]。该文未给"含训练用途占比"。Pebblous 转引："AI Watch.dog"称 2023–2024 年早期 42% 为实时/归因类，neudata 称 2025 年 52 份合同中 77% 为实时/归因类，二者范围不同，不可直接比较（媒体口径）[33]。真实方向是实时/归因类占多数。
Anthropic 的位置。 Adweek 称其从未与数字出版商签署授权协议；Anthropic 称有"数据合作"但不披露。其主要版权敞口为图书（已和解）与音乐出版商诉讼 [34]。
与诉讼的耦合。 Alsup 2025-06 裁定用书训练属 fair use，但获取并保留盗版书库不是，使"合法获取"成为议价核心 美国训练 fair use 判例（Bartz / Kadrey / TR v. Ross）。NYT v. OpenAI / Microsoft 核心侵权主张未被驳回，无审判日期（媒体口径）[35]。
中国。 深圳语料券用于"购买非关联方语料进行大模型研发"，面向本地企业，不含海外授权；国家数据局高质量数据集体系面向科研、工业、医疗、教育的行业数据集 数据要素×与高质量数据集行动方案。政策时间线：
- 2023-12-31：17 部门印发《"数据要素×"三年行动计划（2024–2026 年）》[36]。
- 2024-12：深圳每年最高 5,000 万元语料券；采购补贴不超过合同金额 30%、单家最高 200 万元；开放语料按年度使用情况奖励每个数源单位最高 100 万元 [37]。
- 2026-02-10：国家数据局要求每年 3 月底前披露上年度公共数据授权运营情况 [38]。
- 2026-06-03：国家数据局印发高质量数据集建设行动实施方案，六大行动；6 月底数据：高质量数据集 >12 万个、>1,565PB，鼓励探索"词元交易"（二手转述，以官网原文为准）[39]。
- 2026 年度深圳语料券专项申报窗口：2026-09-01 至 2026-11-10。
规模、成本与价格
已披露交易的金额与隐含单价
隐含单价的前提是合同里有量。新闻与 UGC 交易均未披露篇数、帖数或 token 数，所以无法折算为每篇或每 token，下表如实写"不可算"。口径均为媒体口径，除非另注。
| 交易 | 总额 | 年化 | 隐含单价（每篇/每本/每 token） | 口径 |
|---|---|---|---|---|
| News Corp–OpenAI | >$2.5 亿/5 年，含现金与技术额度 | 约 $5,000 万/年（上限，含额度） | 不可算：篇数未披露 | 媒体口径 |
| News Corp–Meta | 最高 $5,000 万/年，≥3 年 | ≤$5,000 万 | 不可算 | 媒体口径 |
| Reddit–Google | - | 约 $6,000 万/年 | 不可算：帖数、token 未披露 | 媒体口径 |
| Reddit 全部授权 | S-1 合同总额 $2.03 亿（聚合站转引，⚠️ 需回 S-1 核）；2025 Other revenue $1.4 亿 | - | 不可算 | Other revenue 为公司口径 |
| Amazon–NYT | - | $2,000–2,500 万/年 | 不可算 | 媒体口径（WSJ） |
| Dotdash Meredith–OpenAI | - | 约 $1,600 万/年 | 不可算 | 估算 |
| FT–OpenAI | - | $500 万–1,000 万/年 | 不可算 | 区间 |
| Axel Springer–OpenAI | "数千万欧元" | - | 不可算 | 模糊 |
| Informa（T&F）–Microsoft | 首年约 $1,000 万（⚠️ 所引来源页未给出该数） | - | 不可算 | 媒体口径 |
| Wiley | FY2025 $4,000 万（FY2024 $2,300 万） | - | 不可算 | 公司口径 |
| Shutterstock | 2023 AI 授权 $1.04 亿（聚合站引）；大客户单笔 $2,500 万–5,000 万 | - | 不可算 | 混合，大客户一项为媒体口径 |
| Perplexity 出版商池 | $4,250 万（2024-07） | - | 按引用分成，无固定单价 | 媒体口径 |
| Bartz 和解 | $15 亿 / 约 482,460 部 | - | 约 $3,100/本（毛价） | 法院口径，见下 |
| HarperCollins–Microsoft | 提案 | 3 年期 | $5,000/本（作者 $2,500，选择加入，仅非虚构） | 媒体口径 |
| Photobucket | 谈判价 | - | 0.05–1/图；视频 >$1/条 | CEO 对 Reuters，未成交 |
| Freepik | 已成交，对象未具名 | - | 2–4 美分/图 | 对 Reuters |
| Cloudflare Pay-per-Crawl | - | - | 站点自设每次请求价（见下） | 口径冲突 |
| TollBit | - | - | 按抓取计费，价目未公开 | - |
| ProRata | - | - | 广告收入 50% 分成，无固定价 | - |
定价锚：Bartz v. Anthropic 和解（每部约 $3,100）
Bartz v. Anthropic 是目前最硬的单本图书价格锚，因为它是法院批准的数字，不是媒体转述的谈判价。
| 项目 | 数字 |
|---|---|
| 和解总额 | $15 亿，2026-07-20 终审批准（Martínez-Olguín 法官）[5] |
| 作品数 | 482,460 部（终审合格认领 440,490 部） |
| 隐含单价 | $15 亿 / 482,460 ≈ $3,109（计算）；Bloomberg Law 报道约 $3,100/部 |
| 费用与认领 | 律师费裁定约 $1.016 亿（约 6.8%，原请 12.5%）+费用 $260 万+预留 $1,820 万；认领率 >91% [5][40] |
| 口径提醒 | 毛价，未扣律师费，且需在作者与出版商之间分成，作者净得更低 |
怎么用这个锚：
- 它是"盗版获取的事后赔偿价"，与 HarperCollins 的 $5,000/本"合法授权的事前许可价"同一数量级，二者互为下限与上限参照。
- 假设单本书约 10 万 token（假设值，非来源数据），则 $3,100/本约 31, 000/百万token（假设每本10万token），5,000/本约 $50,000/百万 token。开源网页语料的获取成本接近零，所以图书溢价来自高质量与法律风险，而不是数据量。
- Alsup 的裁定把风险集中在"获取来源"：训练本身倾向 fair use，盗版库留存不是。这是 $3,100/本成为锚的法律原因 Bartz v. Anthropic。
付费爬取价格
- Cloudflare Pay-per-Crawl：站点自设每次请求价，返回 HTTP 402 与 crawler-price 头 [28]。价格存在口径冲突：一源称最低 $0.01，另一聚合源称普通 $0.001–0.005、优质 $0.05–0.25，均未回到 Cloudflare 官方文档核实（见冲突表）。">100 万站点启用"但实际有成交的约数万（估算，截至 2026-04）。
- 2026-07 报道称将由"按抓取付费"转向"按 AI 结果中使用付费" [28]。
- Stack Overflow 试点"bot 流量 -32%、授权收入 +27%"⚠️ 未复核。
中国单价
- 深圳语料券：补贴比例 ≤30%，上限 200 万元/家；总池每年最高 5,000 万元（折算全池最多补贴约 25 家满额）[37]。
- 国家数据局已测数据集：12 个数据集、4,563 万条检测 [39]。
- 未查到任何"元/千 token"或"元/条"的公开成交价。
泛口径市场规模（不可与授权额相加）
全球数据交易 $833 亿（2026E，IIM）、数据标注/RLHF 服务 $186 亿（2025，沙利文）为二手引用的泛口径，⚠️ 未回溯到原始报告 LLM 数据价格带。
局限与争议
- 价格不透明：公开数字多为媒体转述的区间，部分含非现金额度（News Corp–OpenAI 含 OpenAI 技术额度），不可当作现金流量。
- 买方集中：OpenAI 24 笔居首，Microsoft、Meta 各约 12 笔；Anthropic 几乎无数字出版商授权，策略是 fair use 抗辩加个案和解 [7][34]。
- 诉讼并行：NYT v. OpenAI / Microsoft（SDNY MDL 1:25-md-03143）；音乐版权方诉 Anthropic——UMG/Concord/ABKCO 2026-01（>2 万首、索赔或超 $30 亿）、Sony Music Publishing/Warner Chappell 2026-08-28（媒体口径）[35]；追踪者数到 2026-02-25 美国共 85 起 AI 版权诉讼。Reddit 另以违约和不当得利起诉 Anthropic、Perplexity 等，见 爬取法律边界案。
- 作者与创作者分成：Wiley 不设作者退出；T&F 作者反弹；HarperCollins 的 $2,500 是作者选择加入；Cambridge UP 征得同意。分成结构基本不透明。
- 流量侵蚀：AI 摘要被估计使点击下降约 80%（Media and the Machine 估计，媒体口径）；Stack Overflow 提问量下降。授权能否抵消，对出版商是未定的。
- 平台条款授权的合法性：Photobucket "2023 年改条款后可售"未经检验；Automattic 否认出售私密或已删除内容。
- 续约风险：2026-07 有报道称 Reddit–Google 续约谈判摩擦、Reddit 股价盘前约 -6%（单源媒体口径）。
- 机制短板：RSL 本身无法技术阻断；robots.txt 与 AI 爬虫治理 合规差（13.3% 绕过）；Cloudflare 的"100 万站点"仅指开启，未必有成交。
- 中国：语料券要求通过交易所采购，但"大部分语料采购不经交易所"这一判断未找到原文，保持未核实；北数所"近 80%"是口头累计口径。
口径冲突与未核实
| 说法 A | 说法 B | 采信 | 原因 |
|---|---|---|---|
| "2026 年仅约四成授权含训练用途" | 所引 Media and the Machine 原文只给归因/实时类交易计数（2/11/18/34）；Pebblous 转引实时/归因类占比 42%（早期）与 77%（2025） | B，不采信 A | A 在原文中核不到；真实方向是实时/归因类占多数 |
| Reddit–OpenAI 约 $7,000 万/年 | Reddit 公司口径只有 Other revenue（2025 年 $1.4 亿 +22%，来自 2024、2025 年签署的内容授权，按使用期间摊销） | B，A 不作事实 | A 由"AI 授权约占 2024 收入 10%"反推，非披露值 |
| Cloudflare Pay-per-Crawl：普通 $0.001–0.005、优质 $0.05–0.25 | 另一来源称最低 $0.01 | 未决 | 均未回到 Cloudflare 官方文档；使用前需核 |
| ">100 万站点启用" | 实际有成交约数万（估算） | 二者并列并加注 | "开启"不等于"有成交" |
| Shutterstock 2024 数据授权收入 $1.38 亿 | 可核：2025 DDS 板块 $2.033 亿（21%，+16%）、2023 AI 授权 $1.04 亿（聚合站引） | 采信可核项 | $1.38 亿未核到；DDS 含分发与服务，不等于纯 AI 授权 |
| Getty 并购 Shutterstock 待批 | 合并已于 2026-07-07 由 Getty 书面通知终止（英国 CMA 要求剥离 Shutterstock 全部编辑业务）；一份 Q2 2026 汇总另称计提 $1.634 亿商誉减值（单源，未核） | 后者（已终止） | 减值金额单源未证，使用前回查 SEC 文件 |
| Bartz "每本 3,000 美元" | 482,460 部、每部约 $3,100 | 后者 | 前者是近似；分配后作者净得更低 |
| Bartz 作品数"约 49 万"（15亿÷3,000 推算） | 约 482,460 部（法院/报道数字） | 后者 | 前者为推算 |
| Wiley 早期预期 $4,400 万 | FY2025 实际 $4,000 万（公司口径） | 后者 | 前者是预测；CASRAI 称 FY2026 4, 900万、累计>1.1 亿，未核到 Wiley 一手 |
| Le Monde–OpenAI 金额与日期 | 逐笔列表中未收录 Le Monde；"四分之一收入分享"仅来自摘要 | 未决 | 需一手来源 |
| Getty v. Stability "2026-02 和解 $4.15 亿" | 英国判决基本驳回 | 不采信前者 | 单源未证实 |
| Suno–Warner "和解 $5 亿换训练授权" | - | ⚠️ 未复核 | 单源 |
未查到：AP、Vox、Atlantic、Condé Nast 的确切金额；Springer Nature、Elsevier 的授权收入；Stack Overflow 授权收入；北数所、上海所语料专项成交额；任何中国语料"元/token"价格；TollBit、Protege 的收入。
来源
- News Corp–OpenAI：https://campaignlive.com/article/openai-inks-multi-year-content-deal-news-corp/1874244 ；https://malaysia.news.yahoo.com/news-corp-inks-openai-licensing-211417483.html
- News Corp–Meta：https://www.mediaweek.com.au/meta-to-pay-news-corp-up-to-us50m-a-year-for-ai-content
- 交易总表（Reddit–Google 等，聚合站转述）：https://llmpulse.ai/blog/ai-content-licensing-deals/
- Amazon–NYT：https://www.thewrap.com/amazon-pay-20-million-new-york-times ；https://www.eweek.com/news/amazon-new-york-times-licensing-deal-ai-training/
- Bartz 终审：https://authorsguild.org/news/court-grants-final-approval-anthropic-copyright-settlement/ ；https://www.jurist.org/news/2026/07/judge-approves-record-1-5-billion-settlement-involving-anthropic/ ；https://news.bloomberglaw.com/ip-law/anthropic-authors-1-5-billion-deal-receives-final-approval
- HarperCollins–Microsoft：https://the-decoder.com/microsoft-offers-authors-5000-to-train-ai-on-their-books/ ；https://www.publishersweekly.com/pw/print/20241125/96533-agents-authors-question-harpercollins-ai-deal.html
- Media and the Machine（2026-06）：https://mediaandthemachine.substack.com/p/ai-content-licensing-deals-june-2026
- Reddit 10-K FY2025：https://www.sec.gov/Archives/edgar/data/1713445/000171344526000022/rddt-20251231.htm
- Wiley：https://www.businesswire.com/news/home/20250617821533/en ；https://thebookseller.com/news/wiley-set-to-earn-44m-from-ai-rights-deals-confirms-no-opt-out-for-authors
- Photobucket / Freepik（Reuters 转述）：https://boingboing.net/2024/04/05/photobucket-archives-may-sell-for-billions-to-train-ai.html
- 学术出版授权：https://scholarlykitchen.sspnet.org/2024/10/15/licensing-scholarly-content-llms/
- OpenAI 出版商交易：https://llmpulse.ai/blog/openai-publisher-deals/ ；https://llmpulse.ai/blog/ai-content-deals-beyond-openai/
- Condé Nast / Hearst–Amazon：https://digiday.com/business-of-ai/conde-nast-and-hearst-strike-amazon-ai-licensing-deals-for-rufus/
- Stack Overflow–Google：https://nationalcioreview.com/articles-insights/extra-bytes/googles-strategic-partnership-with-stack-overflow-a-new-era-of-ai-data-licensing/
- Shutterstock 2025 业绩：https://finance.yahoo.com/news/shutterstock-sstk-reports-989-9m-114655765.html
- Getty–Perplexity：https://www.mitsloanme.com/article/perplexity-taps-getty-images-in-licensing-pact-to-boost-ai-search-credibility
- Automattic：https://alternativeto.net/news/2024/2/wordpress-and-tumblr-are-selling-user-content-to-train-ai-from-midjourney-and-openai
- Taylor & Francis：https://thebookseller.com/news/taylor-francis-set-to-make-58m-from-ai-in-2024-as-it-reveals-second-partnership
- Ithaka S+R 授权追踪：https://sr.ithaka.org/our-work/generative-ai-licensing-agreement-tracker/
- Defined.ai：https://defined.ai/press-room/definedcrowd-launches-defineddata-an-online-marketplace-of-ai-datasets-available-for-on-demand-purchase
- Datarade：https://datarade.ai/search/products/ai-datasets
- Protege：https://siliconangle.com/2026/01/08/protege-raises-30m-grow-governed-marketplace-ai-training-data/
- Human Native：https://www.advanced-television.com/2026/01/16/cloudflare-acquires-human-native/
- Created by Humans：https://www.publishersweekly.com/pw/print/20250120/96846-created-by-humans-launches-ai-rights-platform-for-authors.html
- TollBit：https://tollbit.com/bots/25q2 ；https://tollbit.com/bot-index/
- ProRata：https://pressgazette.co.uk/publishers/digital-journalism/prorata-publishers-ai-start-up-news-widget-answers/
- Microsoft Publisher Content Marketplace：https://searchengineland.com/microsoft-launches-publisher-content-marketplace-for-ai-licensing-468191
- Cloudflare Pay-per-Crawl（二手）：https://presenc.ai/research/cloudflare-pay-per-crawl-state-2026 ；https://itbrief.com.au/story/cloudflare-tightens-ai-crawler-controls-for-publishers
- RSL 1.0：https://rslstandard.org/press/rsl-1-specification-2025
- 深圳数据交易所：https://www.sz.gov.cn/cn/xxgk/zfxxgj/bmdt/content/mpost_12965392.html
- 北数所：https://m.tech.china.com/articles/20260313/202603131823817.html
- 上海数据交易所：https://cs.com.cn/xwzx/hg/202308/t20230816_6361361.html
- Pebblous：https://blog.pebblous.ai/report/ai-data-licensing-realtime-shift-2026/en/ ；https://digiday.com/media/wtf-is-ai-grounding-licensing-and-why-do-publishers-say-it-matters-over-training-deals/
- Anthropic 无数字出版商授权：https://www.adweek.com/media/anthropic-content-licensing-lawsuits-publishers/
- 诉讼：https://news.bloomberglaw.com/ip-law/new-york-times-narrows-openai-suit-targets-microsofts-conduct ；https://techcrunch.com/2026/01/29/music-publishers-sue-anthropic-for-3b-over-flagrant-piracy-of-20000-works/ ；https://campaignlive.com/article/sony-warner-publishers-sue-anthropic-alleged-music-piracy/1968832 ；https://chatgptiseatingtheworld.com/2026/02/25/latest-u-s-map-of-all-copyright-suits-v-ai-cos-total-85-suits-feb-25-2026/embed/
- 《数据要素×》行动计划：https://cs.com.cn/xwzx/hg/202312/t20231229_6382752.html
- 深圳语料券政策：https://www.nbd.com.cn/articles/2024-12-18/3690643.html
- 国家数据局公共数据授权运营披露通知：https://www.stdaily.com/web/gdxw/2026-02/11/content_473370.html
- 国家数据局高质量数据集行动（二手转述）：https://www.news.cn/tech/20260804/c934a840a4364f09a7d9cd587393a95c/c.html ；https://www.news.cn/tech/20260602/24569be0de404f839f1d146ef6446ae9/c.html
- Bartz 终审（费用与认领）：https://www.authorsalliance.org/2026/07/21/bartz-v-anthropic-settlement-receives-final-approval/
本章涉及的实体
AI 内容授权市场公司与机构 · 美国
TollBit、ProRata、ScalePost 与 Microsoft Publisher Content Marketplace：按抓取或使用付费的授权中介
Datarade公司与机构 · 欧洲
通用 B2B 数据市场，含 AI 训练数据品类
Defined.ai公司与机构 · 美国
语音、文本、图像数据集市场与经纪商（前 DefinedCrowd）
Getty Images公司与机构 · 美国
图库公司，LLM 数据链里偏展示与定制授权而非通用训练授权
Human Native公司与机构 · 欧洲
英国 AI 数据授权市场，2026-01 被 Cloudflare 收购
News Corp公司与机构 · 美国
新闻集团，WSJ 等内容对 OpenAI 与 Meta 做年费授权
OpenEvidence公司与机构 · 美国
医学期刊独家授权换取分发与引用，以授权语料做临床问答
Protege公司与机构 · 美国
受治理的 AI 训练数据市场，含 Wirestock 业务
Reddit公司与机构 · 美国
UGC 社区平台，Data API 授权给 Google 与 OpenAI
Shutterstock公司与机构 · 美国
图库公司，LLM 数据链里的授权素材与多模态训练数据卖方
Suno公司与机构 · 美国
AI 音乐生成平台，与 Warner 和解并换得训练授权
中国数据交易所与语料券概念与方法 · 中国
数据交易所是政策主渠道，但语料成交真实份额与单价均无公开数据
Common Pile v0.1 / Comma（含 peS2o / S2ORC）数据集 · 美国
EleutherAI 仅用公有领域与开放许可文本构建的 8TB 语料
Cloudflare Pay-Per-Crawl（HTTP 402）工具与格式 · 美国
在网络边缘对 AI 爬虫按次返回 HTTP 402 并计费
本文为个人研究笔记，结论基于成文时可获得的公开信息；带〔估算〕〔推断〕或 ⚠️ 的数字未经独立核实。