AI 日报

【事件】索尼音乐出版与华纳查佩尔在 8 月 30 日对 Anthropic 提起版权诉讼，涉案作品规模为数万部，按每部作品最高 15 万美元的法定赔偿上限提出索赔，并把 Dario Amodei 与 Jack Mann 列为个人被告。按诉讼主张的作品数量与法定赔偿上限相乘，理论索赔区间的量级远高于以书籍为单位的同类案件。两家原告覆盖了全球音乐出版的主要份额，同期起诉而非分别行动，说明出版方在索赔口径上已经完成协同。

【背景】后续验证指标有三个：法院是否受理「按每部作品」而非「按每次侵权」的计赔口径、是否支持对个人被告的管辖、以及 Anthropic 在 90 天内选择和解还是进入证据开示。 反向风险在于法定赔偿以有效版权登记与侵权数量证明为前提，原告需逐首举证，若法院认定登记链条不完整，实际赔偿会显著低于理论上限；Anthropic 亦可用合理使用抗辩压缩赔偿基数。

【信号】对 Anthropic，诉讼发生在 IPO 前夜，未决诉讼的或有负债需要在招股书风险章节披露，按作品计赔的口径让负债区间难以用历史和解倍数外推。对行业，训练数据的定价基准正在从「事后和解」转向「事前授权」，音乐、图片与视频的按件计费模式会比文本更早成型。对模型厂商，可用的对冲手段是取得出版方直接授权并把授权成本计入单位推理价格，这会拉大拥有自有版权库的公司与纯模型公司之间的成本差距。

【事件】腾讯在 8 月 29 日将混元 Hy4 Preview 以 Apache 2.0 协议开放权重，模型为 770B 总参数、49B 激活的 MoE 架构，支持 1M 上下文，权重托管在 Hugging Face。Apache 2.0 未附加营收规模、商用报备或安全审查等附加条件，企业可自由商用、微调与再分发。腾讯公布的自评盲测得分为 2.99/4.00，略高于同期开放的 GLM-5.3 与 Kimi K3。1M 上下文配合 49B 激活参数，使单卡部署门槛显著低于同规模稠密模型。

【背景】后续验证指标包括 Hugging Face 下载量与衍生模型数量、第三方在标准评测集上的复现分数，以及腾讯云是否同步推出托管推理并披露单位 token 成本。

【信号】对腾讯，放弃协议杠杆换取的是生态位：以 Apache 2.0 吸引中小企业与开发者把 Hy4 作为默认底座，再从云服务与推理优化上变现，这与亚马逊云推动 Llama 生态的路径一致。对行业，国内开源竞争的焦点正从参数与跑分转向协议条款，协议宽松度会成为与性能并列的选择维度。反向风险有三：自评盲测缺乏第三方复现，2.99/4.00 的领先幅度在误差范围内；770B 总参数对显存与推理成本的压力仍在，1M 上下文的实际吞吐未披露；Apache 2.0 不可撤销，一旦出现滥用场景无法回收授权。

【事件】OpenAI 于 8 月 28 日通知 SpaceX、8 月 29 日发布公开声明，将于 11 月 12 日起终止向 Cursor 供应模型：SpaceX 收购 Cursor 触发了既有协议的控制权变更条款，OpenAI 同时表示无法确信 SpaceX 会在服务条款内使用其技术，并援引马斯克旗下公司此前的违约记录。Cursor CEO Michael Truell 同日回应称 OpenAI 模型仅占 Cursor 约 5% 的流量。

【背景】后续验证指标包括 11 月 12 日前 Cursor 是否公布完整替代方案、付费用户流失率与 ARR 变化，以及其他 AI 编程工具是否披露类似条款风险。 留给 Cursor 的迁移窗口约为 75 天，需要在该窗口内完成模型层替换而不中断付费用户的编码工作流。这是头部模型厂商首次对头部应用层客户执行控制权变更条款，而非因竞争或合规原因断供。

【信号】对应用层公司，多供应商架构从成本优化手段升级为生存前提，单一模型依赖的估值折价会在融资条款中体现。对模型厂商，断供能力成为对应用层定价的杠杆，头部模型公司可以同时做供应商与竞争者。对 Anthropic 等替代方，75 天窗口是可争取的份额窗口，但也意味着要承接对能力一致性的直接比较。反向风险在于 Truell 的 5% 口径未经第三方核实，若真实占比更高，迁移成本与用户体验波动会被低估；控制权条款的具体表述未公开，Cursor 是否可通过法律途径争取过渡期仍不确定。

【事件】智谱在 8 月 29 日将 GLM-5.3 的开放权重上线 Hugging Face，模型为 753B 参数的 MoE 架构，支持 1M 上下文。与既往版本不同，本次弃用 MIT 协议，改设条件性许可：年营收超过 100 亿美元的企业使用需通过安全审查。Fireworks AI 同期上线 GLM-5.3-Flash，并修复了开源引擎上推理长度达到官方 API 约 2 倍的「过度思考」问题。改为条件性许可后，超大规模企业无法直接把权重用于生产部署而不触发审查流程。

【背景】后续验证指标包括 Hugging Face 上衍生模型数量与下载增速、是否有超门槛企业公开审查案例，以及智谱是否披露门槛执行细则。 Fireworks 的推理长度修复说明开源引擎与官方 API 的行为一致性仍需第三方调优。

【信号】对智谱，协议杠杆替代了许可费，把最大的一批潜在客户转化为可谈判对象，代价是开源社区对「开放」纯度的质疑。对行业，开放权重的竞争维度从参数与评测扩展到协议条款，未来评测机构需要把许可条件纳入选型矩阵。对企业用户，法务需要新增一道开源协议合规筛查，特别是营收接近门槛的公司要提前判断触发后的审查成本。反向风险包括：营收门槛的执行与审计机制未披露，如何认定集团合并营收、海外主体如何适用都不清晰；条件性许可会削弱社区贡献意愿，衍生模型与微调生态的增长速度或低于 MIT 时期；

【事件】国家数据局在 2026 数博会公布数据产业系列新举措：32 个城市启动数据标注先行先试，14 家中央企业开放超过 60 亿条高价值数据，并探索「词元」作为数据交易的计量与商业模式。「词元」口径把数据供给量与大模型推理的消耗单位挂钩，使数据从一次性买卖转向按调用计费。32 城先行先试覆盖数据标注这一劳动密集环节，指向训练数据生产的地方产业化。60 亿条数据的开放主体是央国企，集中在能源、交通、金融等拥有行业厚数据的领域。

【背景】后续验证指标包括先行先试城市的标注产能与就业规模、是否出现按词元结算的首批公开交易案例，以及开放数据的实际下载与使用量披露。 央国企数据安全审查会限制跨境模型厂商使用。

【信号】对模型厂商，央国企数据的开放可缓解中文语料供给约束，但数据需经清洗与对齐才能用于训练，实际可用比例与标注成本仍是变量。对数据标注行业，32 城先行先试意味着地方会形成标注产业园与就业政策，行业集中度将随之提升。对央国企，数据开放从合规负担转为可计价的资产，参与分成需要建立计量与结算基础设施。反向风险包括：60 亿条为累计开放量而非可训练语料量，其中结构化业务数据的训练价值与文本语料不同，直接换算会高估；「词元」商业模式仍处探索阶段，定价权归属、结算周期与跨平台计量标准均未确定；