本栏上两期分别讨论了训练数据入口（"合理使用保护使用、不保护取得"）与模型输出口（CISA蒸馏警报下的合同＋技术秘密＋出口管制三重路径）。本周第九巡回的 Doe v. GitHub 判决，把这两端之间的一条"中间路线"基本关闭了——这条路线就是以DMCA第1202条（版权管理信息，CMI）为武器，绕开合理使用之争直接攻击AI产品的输出。理解它为什么走到尽头，比记住判决结论更重要。

这条路线原本的吸引力在哪里。版权侵权之诉的主战场是合理使用（fair use），而合理使用是四要素的综合裁量，结果高度不可预测，且2025年以来 Bartz v. Anthropic 等判决已确认"用于训练"本身具有转换性。§1202则完全不同：它是一条形式化、要件式的规定——被告"故意移除或篡改"了作品上的版权管理信息（作者署名、版权声明、许可证条款、标识符），且明知或有理由知道这会促成侵权。原告只需证明这几个要件，不必面对合理使用的整体权衡，还能主张法定赔偿。对开源代码而言尤其有吸引力：开源许可证的头部声明（作者、许可证名称、免责条款）恰恰就是典型的CMI，而AI编码助手输出的代码通常不带这些头部。

第九巡回为什么不接受。法院的处理分两层。第一层是起诉资格：合议庭认定Doe原告已合理主张了第三条意义上的损害——这一点对原告方并非坏消息，它意味着"AI使用了我的作品"不会因无具体损害而被直接挡在法院门外。真正的分水岭在第二层：法院认为 Codex与Copilot"创造了新作品"，并没有从既有作品上移除或篡改CMI。这个论证的关键在于§1202指向的是对"既有作品"的操作——移除、篡改，都是施加于一个已经存在、且其上附着CMI的对象。而生成式模型的输出是新生成的，它不是原作品的一个"被剥掉署名的副本"；没有那个被操作的对象，要件就无从满足。换言之，§1202在结构上假定了一个"复制—剥离—分发"的传统盗版链条，而生成式AI的技术路径不符合这个假定。

此外，法院指出原告放弃了"输入理论"。所谓输入理论，是主张侵权发生在训练数据摄入环节：数据集构建时剥离了许可证头部与署名，那一步才是"移除CMI"。这个理论在结构上比输出理论更贴合§1202的文义。但它被程序性地放弃了，而不是被实体否定——这是本案留下的最重要的一个口子。

由此形成的新格局。把本周判决与既有判例合起来看，生成式AI的版权风险地图已经相当清楚：① 训练行为本身——在美国倾向于被认定为转换性使用，这是AI方的主场；② 训练数据的取得方式——盗版来源的复制与存储不受合理使用保护，这是权利人最有力的攻击点，也是近年各案实际达成巨额和解的真正原因；③ 输出的CMI剥离——第九巡回基本关闭；④ 输出与原作的实质性相似——仍然完全开放，且是逐案的事实问题；⑤ 合同与许可证——完全不受版权判例影响，且是最容易举证的路径。

对中国企业，有一点必须单独说明：以上全部是美国法下的图景，不能直接移植。中国法没有与§1202完全对应的条款——《著作权法》第五十三条第（五）项规定了"未经许可，故意删除或者改变作品的权利管理电子信息"的侵权责任，但其适用同样需要指向对既有作品上的信息的删除或改变，与美国的结构问题相似；而中国法下没有合理使用的开放式四要素，而是第二十四条的封闭列举，"为训练AI而复制作品"很难落入任何一项法定情形。这意味着在中国，训练行为本身的合法性反而比在美国更不确定——这是中国AI企业在境内外采取不同风险策略的根本原因，不应用一套方案覆盖两地。

三个需要留出的不确定性。其一，"输入理论"未被实体否定，后续案件中若原告完整主张并举证训练数据管线中的CMI剥离，第九巡回仍可能作出不同处理；本判决不是§1202在AI场景下的终局结论。其二，"生成的是新作品"这一前提是可被推翻的事实判断——若某个输出被证明与训练样本近乎逐字相同，法院完全可能认为它不是"新作品"而是一个被剥掉署名的副本，届时§1202的分析将完全不同。其三，开源许可证的违约责任独立存在，不因版权主张失败而消灭；GPL类许可证的署名与传染性条款是合同义务，其违约之诉不需要通过§1202，也不需要面对合理使用。