日本三大媒体联手起诉Perplexity AI:版权争议引发全球关注

2025年8月26日,日本三大新闻巨头——《读卖新闻》、《日经新闻》和《朝日新闻》——对美国人工智能搜索公司Perplexity AI发起了一系列高调的版权诉讼。这一法律行动标志着日本媒体首次大规模联合对抗AI企业,凸显了传统媒体与快速发展的生成式AI技术之间的紧张关系

日本三大媒体联手起诉Perplexity AI:版权争议引发全球关注

背景:日本媒体对AI企业的法律挑战

2025年8月26日,日本三大新闻巨头——《读卖新闻》、《日经新闻》和《朝日新闻》——对美国人工智能搜索公司Perplexity AI发起了一系列高调的版权诉讼。这一法律行动标志着日本媒体首次大规模联合对抗AI企业,凸显了传统媒体与快速发展的生成式AI技术之间的紧张关系。据报道,Perplexity AI被指控未经授权使用这些媒体的新闻内容,绕过技术保护措施,并生成不准确的摘要,损害了媒体的声誉和商业利益。这些诉讼不仅在日本引发广泛讨论,也为全球范围内新闻出版业与AI企业的版权争议提供了重要案例。

《读卖新闻》于8月7日在东京地方法院率先提起诉讼,随后《日经新闻》和《朝日新闻》于8月26日联合提交了类似的诉讼请求。两家媒体在联合声明中指责Perplexity AI进行“大规模、持续的免费搭车行为”,利用记者耗费大量时间和精力创作的文章内容,却未支付任何报酬。他们要求法院颁布禁制令,禁止Perplexity继续使用其内容,并删除所有未经授权的摘要,同时寻求总计44亿日元(约3000万美元)的赔偿。这一金额包括《日经新闻》和《朝日新闻》各22亿日元的索赔,以及《读卖新闻》此前诉讼中提出的21亿日元赔偿。

诉讼的核心指控

版权侵权与技术规避

《日经新闻》和《朝日新闻》的诉讼聚焦于Perplexity AI未经许可复制和存储其新闻内容的行为。根据两家媒体的指控,Perplexity AI通过绕过网站设置的防爬取技术措施,非法访问了《日经新闻》和《朝日新闻》的服务器,提取了大量文章内容。这些行为被认为违反了日本《著作权法》中关于“复制权”和“向公众传播权”的规定,后者明确禁止未经授权复制和分发版权作品。

具体而言,Perplexity AI被指控从2024年6月起开始大规模抓取两家媒体的在线内容,用于生成AI驱动的搜索结果。这些结果以摘要形式呈现给用户,取代了直接访问原始新闻网站的需要,导致所谓的“零点击搜索”。《朝日新闻》在其声明中指出,这种行为不仅剥夺了媒体的流量和广告收入,还威胁到新闻行业的可持续性,因为高质量的新闻报道依赖于稳定的收入来源。

不准确摘要与声誉损害

除了版权问题,两家媒体还强调Perplexity AI生成的摘要存在事实错误,未能忠实反映原始文章内容。这些不准确的摘要被归因于《日经新闻》和《朝日新闻》,从而损害了两家媒体的公信力和品牌声誉。例如,摘要可能遗漏关键细节、歪曲事实或错误引用来源,导致读者对新闻内容的误解。这种情况被认为违反了日本《反不正当竞争法》,该法律禁止通过不公平手段损害其他企业的商业利益。

《日经新闻》在声明中表示:“Perplexity的做法是对我们记者辛勤工作的公然掠夺。如果这种行为不加制止,将动摇新闻行业致力于准确报道事实的基础,进而威胁民主的根基。”《朝日新闻》进一步指出,AI生成的不准确内容可能误导公众,削弱新闻媒体作为可信信息来源的核心作用。

赔偿与禁制令要求

《日经新闻》和《朝日新闻》在诉讼中提出了明确的诉求:一是要求东京地方法院颁布禁制令,禁止Perplexity AI继续使用其版权内容并删除所有非法存储的摘要;二是寻求每家媒体22亿日元的经济赔偿,总计44亿日元。这些赔偿金额反映了媒体因流量损失、广告收入减少以及声誉损害所遭受的经济影响。

值得注意的是,《读卖新闻》在其早先的诉讼中报告称,Perplexity AI在2025年2月至6月期间访问了其约12万篇文章,同样被指控违反版权法并导致类似的经济和声誉损失。《读卖新闻》的诉讼为《日经新闻》和《朝日新闻》的行动铺平了道路,三家媒体的联合行动进一步放大了这一争议的影响力。

日本版权法与AI的交锋

日本版权法的独特背景

日本的版权法律框架为AI相关争议提供了一个独特的背景。2018年,日本修订了《著作权法》,允许AI开发者在未经许可的情况下使用版权材料进行模型训练,以促进技术创新。这一宽松政策使日本成为AI开发的沃土,但法律同时规定,AI不得未经授权直接复制或分发版权作品,且不得“无理损害版权所有者的利益”。

《日经新闻》和《朝日新闻》的诉讼认为,Perplexity AI的行为超出了法律允许的范围。他们指出,该公司不仅抓取了受版权保护的内容,还通过生成摘要向用户分发了实质性复制的材料,违反了复制权和向公众传播权。此外,摘要的不准确性进一步加剧了对版权所有者利益的损害,构成了不正当竞争行为。

全球范围内的类似诉讼

日本媒体的诉讼并非孤立事件,而是全球范围内新闻出版业与AI企业冲突的一部分。在美国,《纽约时报》、道琼斯和《纽约邮报》等媒体已对Perplexity AI以及其他AI公司(如OpenAI)提起类似诉讼,指控其未经授权使用新闻内容进行模型训练或生成输出。2024年10月,道琼斯和《纽约邮报》在纽约联邦法院对Perplexity提起诉讼,称其行为导致读者流量从原始网站分流,损害了媒体的商业模式。

在欧洲,BBC和《卫报》等媒体也向Perplexity AI发出停止使用内容的函件,要求其删除非法抓取的文章并提出赔偿方案。这些全球诉讼表明,新闻行业对AI公司“免费搭车”行为的忍耐已到极限,普遍要求建立许可或收入分享机制以保护版权内容。

Perplexity AI的回应与行业影响

Perplexity AI的立场

截至2025年8月26日,Perplexity AI尚未对《日经新闻》和《朝日新闻》的诉讼发表正式回应。然而,在回应《读卖新闻》的诉讼时,Perplexity表示:“我们对在日本引发的误解深感遗憾,我们正努力了解这些指控的性质。我们非常重视此事,因为Perplexity致力于确保出版商和记者从AI时代的新商业模式中受益。”该公司此前辩称,其搜索功能基于公开可用的信息,不受版权法保护,但这一论点在多起诉讼中受到挑战。

Perplexity AI还表示愿意与出版商合作,探索收入分享模式。例如,该公司已与《时代》、《财富》和《明镜周刊》等出版商达成协议,根据其内容在搜索结果中的使用情况支付费用。然而,截至目前,Perplexity尚未与日本媒体达成类似协议,这可能是诉讼升级的原因之一。

对新闻行业的潜在影响

这些诉讼可能对新闻行业产生深远影响。如果《日经新闻》、《朝日新闻》和《读卖新闻》胜诉,可能迫使AI公司在日本和其他市场重新评估其内容使用策略。法院的判决可能为生成式AI如何处理版权内容设定先例,促使行业采用许可协议或收入分享模式。这种模式已在部分地区初见成效,例如OpenAI与Axel Springer的合作,允许AI在引用出版商内容时支付费用。

然而,如果AI公司胜诉,可能削弱传统媒体对内容的控制权,导致新闻行业的商业模式进一步受到挑战。特别是“零点击搜索”的兴起,可能导致媒体网站流量持续下降,威胁其广告收入和生存能力。《朝日新闻》在声明中警告:“如果这种行为不加控制,所有致力于准确报道事实的媒体都将受到影响,最终动摇民主的根基。”

对AI行业的启示

对于AI行业而言,这些诉讼凸显了在快速扩张的同时需要解决的法律和伦理问题。Perplexity AI作为一家估值180亿美元的初创公司,其“答案引擎”模式在全球拥有约3000万用户,尤其在美国市场表现出色。然而,持续的诉讼可能对其声誉和运营造成压力,迫使公司投资于更透明的内容获取和使用机制。

此外,日本的诉讼可能促使其他国家的监管机构加强对AI内容使用的监管。例如,印度目前正在制定专门的AI法规,而欧盟的《人工智能法案》已对数据使用提出了严格要求。这些监管动态可能推动全球AI行业向更可持续的商业模式转型。

未来展望:平衡创新与版权保护

日本诉讼的潜在结果

东京地方法院的判决可能对全球AI与媒体的关系产生深远影响。如果法院支持媒体的诉求,Perplexity AI可能需要支付巨额赔偿,并调整其技术以遵守版权法。这可能包括开发更严格的内容过滤机制,或与出版商协商许可协议。相反,如果法院认定Perplexity的行为属于日本版权法允许的范围,可能为AI公司提供更大的操作空间,但也可能引发对现行法律的重新审视。

日本版权法专家福井健策表示,这些案件是“测试案例”,将为AI训练数据的合法性设定重要标杆。他指出,尽管日本法律对AI训练较为宽松,但对未经授权的复制和分发有明确限制,这为媒体的诉讼提供了法律依据。

全球趋势与解决方案

全球范围内,新闻出版业和AI企业之间的冲突正在推动新的解决方案。一些AI公司已开始探索与出版商的合作,例如通过收入分享或许可协议,确保内容创作者获得公平回报。Perplexity AI的收入分享计划是一个例子,但其覆盖范围和实施效果仍有待观察。

同时,技术解决方案如“选择退出”机制(opt-out protocols)可能成为平衡创新与版权保护的一种方式。例如,网站可以通过特定的代码(如robots.txt)明确禁止AI抓取内容,尽管Perplexity被指控忽略了这些限制。未来,行业可能需要开发更标准化的协议,以明确AI如何合法获取和使用内容。

对民主与新闻生态的影响

《日经新闻》、《朝日新闻》和《读卖新闻》在诉讼中反复强调,AI的未经授权使用不仅威胁其商业利益,还可能对民主社会的信息生态造成深远影响。高质量的新闻报道是民主的基石,而AI生成的不准确摘要可能导致虚假信息的传播,削弱公众对媒体的信任。

例如,X平台上的用户(如neil turkewitz)引用《读卖新闻》的警告,指出AI的“免费搭车”行为可能侵蚀原创新闻的激励机制,导致信息生态缺乏深度和责任感。这种担忧在全球范围内引起共鸣,促使出版商和政策制定者寻求更严格的监管框架。

结论

《日经新闻》、《朝日新闻》和《读卖新闻》对Perplexity AI的联合诉讼标志着日本媒体对AI企业的一次重大反击。这些案件不仅关乎版权保护,还涉及新闻行业的可持续性和民主社会的信息生态。随着全球范围内类似诉讼的增加,AI公司可能需要重新思考其内容使用策略,探索与出版商的合作模式,以实现技术创新与版权保护的平衡。

东京地方法院的判决可能为AI与媒体的关系设定重要先例,影响日本乃至全球的法律和行业实践。无论结果如何,这些诉讼都提醒我们,AI的快速发展必须伴随着对伦理和法律责任的深刻反思,以确保技术进步不以牺牲新闻行业的核心价值为代价。

参考资料

  • 《日经新闻》与《朝日新闻》联合声明,2025-08-26
  • 《读卖新闻》诉讼报道,Nieman Journalism Lab,2025-08-11
  • 日本《著作权法》与AI相关条款分析,2025-08-27
  • 全球AI版权诉讼动态,Reuters,2025-08-26

Read more

Cloudflare Shared Dictionaries 现在值得试吗?我按官方 demo 跑了一次,先给频繁发版团队一个判断

Cloudflare Shared Dictionaries 现在值得试吗?我按官方 demo 跑了一次,先给频繁发版团队一个判断

Cloudflare Shared Dictionaries 现在值得试吗?我按官方 demo 跑了一次,先给频繁发版团队一个判断 如果你的网站或 Web 应用每天会发很多次前端 bundle,而且每次改动都不大,那么截至 2026-04-29,Cloudflare Shared Dictionaries 已经值得进测试名单,但还不值得当成“所有站点都该立刻上的通用优化项”。它真正解决的不是传统 gzip / Brotli 不够强,而是“你明明只改了一小段配置,用户却要重新下载整包”的高频发版浪费。 我这轮没有只看 Cloudflare 的发布文。我直接按官方 demo 给的 curl 流程跑了一次 canicompress.com:同一类约 93KB 的 JavaScript 资源,普通 gzip 传输了 22,423B,带共享字典的

By One AI
OpenAI Privacy Filter 适不适合拿来做脱敏 Web 应用?我实测后给出的判断

OpenAI Privacy Filter 适不适合拿来做脱敏 Web 应用?我实测后给出的判断

OpenAI Privacy Filter 适不适合拿来做脱敏 Web 应用?我实测后给出的判断 Article type: take 我先说结论:如果你要做的是文档高亮审阅、截图脱敏,或者“把一段敏感文本变成可分享的脱敏版本”这类入口,OpenAI Privacy Filter 已经值得拿来做原型;但如果你要的是可审计、字段级强约束、对中文或行业术语有稳定召回的生产脱敏链路,先别把它当成“一接就上”的成品。 这里说的 OpenAI Privacy Filter,当前准确指的是 Hugging Face Hub 上的 openai/privacy-filter 模型卡 和围绕它做的公开 demo,不是一个“在 OpenAI 控制台里点一下就开的 API 开关”。这个命名边界要先讲清,否则后面的部署、成本和数据路径都会判断错。 我这轮没有只看发布文。

By One AI
Telegram 无代码做 AI Bot?Managed Bots、BotFather 和真实门槛一次讲清

Telegram 无代码做 AI Bot?Managed Bots、BotFather 和真实门槛一次讲清

Telegram 无代码做 AI Bot?Managed Bots、BotFather 和真实门槛一次讲清 Article type: tutorial Voice: operator 如果你在 X 上看到“Telegram 现在支持无代码做 AI Bot”的说法,先别急着把它理解成“一键生成完整 AI Agent”。Telegram 这次真正开放的是 Managed Bots:它让一个管理 bot 可以替用户创建、接管并后续管理新的 bot。 这篇只讲 Managed Bots 这条官方创建与接管链路怎么跑通,不把“模型、知识库、状态管理、计费和运维”混进来。换句话说:这不是“AI bot 全栈教程”,而是“

By One AI
GitHub 的 Python dependency graph 现在更完整了?先按这份清单判断你的 SBOM 盲区还剩多少

GitHub 的 Python dependency graph 现在更完整了?先按这份清单判断你的 SBOM 盲区还剩多少

GitHub 的 Python dependency graph 现在更完整了?先按这份清单判断你的 SBOM 盲区还剩多少 Article type: tutorial Voice: operator 我先拿一个最小 Python 项目跑了一遍:requirements.txt 里只有一行 requests==2.32.3,但实际解析出来的安装树里,除了 requests,还会带出 charset-normalizer、idna、urllib3、certifi 这 4 个间接依赖。也就是说,如果你的视角还停在 manifest 层,SBOM 往往从第一步就已经不完整了。 先说结论 如果你的团队主要维护 Python 服务、内部工具或自动化脚本库,现在值得重新看一眼 GitHub 的 Python

By One AI
Follow @Fuuqius