AI 训练退出信号，终于要统一了。 这件事我觉得非常值得关注。 OpenAI、Google、Microsoft 和 Anthropic，四家 AI 巨头，已… · @zhangsheng5w · TwKit

@zhangsheng5w

AI 训练退出信号，终于要统一了。 这件事我觉得非常值得关注。 OpenAI、Google、Microsoft 和 Anthropic，四家 AI 巨头，已经开始共同支持一个统一的 AI 训练退出信号： __usage_ai-training 什么意思？ 简单来说，以前你运营一个网站，想禁止 AI 公司拿你的文章、图片和网页内容训练模型，就必须针对不同公司的爬虫，分别设置不同的规则。 OpenAI 有自己的规则，Google 有自己的规则，Anthropic 也有自己的规则。 现在，行业终于开始尝试统一了。 只需要在网站的 robots.txt 里面增加一条规则： User-agent: __usage_ai-training Disallow: / 就可以明确表达：我不允许参与支持这项机制的 AI 公司，把我的网站内容用于模型训练。 目前，Anthropic 已经开始落地。 OpenAI 表示将在未来几个月内支持。 Microsoft 定在 2027 年 2 月 1 日。 Google 则计划在 2027 年实施。 但这里有一个非常重要的区别：四家公司虽然已经达成支持共识，却不代表今天就已经全部生效。 而且，我认为这项机制真正值得关注的，不只是技术统一，而是它开始尝试解决一个长期存在的问题： 内容创作者到底有没有权利决定自己的作品能不能被 AI 拿去训练？ 不过，这里有几个细节必须搞清楚。 第一，禁止 AI 训练，不等于禁止 AI 抓取。 比如，我可以允许 AI 搜索我的网站、读取我的文章，并在用户提问的时候引用我的内容，但不允许它把这些内容拿去训练模型。 这其实是两回事。 第二，训练和实时检索也不是完全独立于各家平台的。 例如 Google 的 Google-Extended，还涉及 Gemini 的 Grounding，也就是实时检索和回答时使用网站内容的能力。 如果你只想禁止训练，却没有正确配置其他规则，可能连部分 AI 检索功能也会受到影响。 Microsoft 则在尝试把 AI Training 和 AI Grounding 分开管理。 所以，网站运营者不能简单地认为，添加一条规则就能解决所有问题。 第三，也是我认为最值得关注的一点： 已经被抓取的数据，不会因为你今天设置了退出信号，就自动从过去的数据集中删除。 举个例子。 假设我的网站在 2025 年就已经被 AI 公司抓取了，文章也可能已经进入训练数据集。 到了 2026 年，我才添加这条退出规则。 那么，这条规则主要表达的是未来的内容使用偏好，并不意味着 AI 公司必须删除过去抓取的文章，更不意味着已经训练完成的模型必须重新训练。 历史数据、已经完成的模型训练，以及未来新增的数据，是三个完全不同的问题。 当然，如果涉及独立的版权法律义务、授权合同或者其他法律责任，也不能因为过去没有退出信号就一概免责。 还有一个值得关注的地方，就是这项技术目前仍然处于 IETF Internet-Draft 阶段，并不是已经正式发布的 RFC 标准。 换句话说，四家巨头已经开始形成共识，但距离建立一套具有统一审计、执行和追责机制的行业规则，还有很长的路。 我个人认为，这件事未来可能会推动互联网内容授权模式发生变化。 以前，内容创作者面对 AI 公司，基本只有两个选择： 要么免费开放内容，要么尽可能阻止 AI 抓取。 但未来可能会出现更精细的授权方式： 允许 AI 检索，但不允许训练。 允许训练，但必须获得商业授权。 允许部分内容训练，但不允许全部内容使用。 甚至针对不同 AI 公司，制定不同的商业授权条件。 当然，这些还不是当前协议已经提供的功能，而是我认为可能出现的发展方向。 所以，我对这件事的判断是： AI 行业正在从过去的内容自由抓取，逐渐走向内容使用偏好的机器可读化。 但统一一个退出信号，不等于统一了版权规则，更不等于解决了历史数据的责任问题。 真正值得期待的是，未来内容创作者能不能真正决定自己的作品如何被使用，以及能不能从 AI 的商业化过程中获得合理回报。 这才是这场变化最值得关注的地方。

曝光 24 · 评论 0 · 点赞 0 · 书签 0