「那首歌是不是就存在权重里」——慕尼黑法院第一次把模型参数当成证物

先说结论

7 月 31 日慕尼黑地方法院判 GEMA 赢 Suno，很多人第一反应是「欧洲判了 AI 训练违法」。不对。这份判决真正的分量在一句更技术、也更麻烦的话上：法院认定，那六首歌被记忆进了模型参数里，因此模型本身构成一次复制。

这是第一次有法院把模型权重当成证物来处理——不是「统计规律的集合」，而是一个可以被举证、可以被打开检查、里面可能装着别人东西的物件。这个转向，比「要不要交授权费」重要得多。

事情是怎么发生的

案子由慕尼黑地方法院第 42 民事庭（专攻著作权）审理，案号 42 O 763/25，7 月 31 日宣判，GEMA 关于停止侵害、信息披露和损害赔偿的诉请大部分获支持。涉案六首歌：《Atemlos》《Forever Young》《Big in Japan》《Mambo No. 5》《Daddy Cool》《Rasputin》。

举证方式是关键。GEMA 用提示词喂进歌词、曲名和风格让 Suno 生成，再拿输出比对原曲的旋律、和声、节奏——法院认为吻合程度不可能是巧合。Suno 的抗辩是标准说法：模型里存的只是「学到的模式和可泛化特征」。法院不接受，理由是作品的复杂度和长度摆在那儿，偶然重合说不通，属于《德国著作权法》第 16 条意义上的复制。

顺着这条认定，两个抗辩一起垮了。一是第 44b 条的文本与数据挖掘例外——法院说记忆化超出了「分析」的范围；二是 fair use——法院依据集体管理组织的管辖条款把美国境内的训练行为一并纳入审理并对其适用美国法，fair use 抗辩未被采纳。这是欧洲法院第一次评判发生在美国的训练行为。赔偿金额未定，判决尚未生效，Suno 表示考虑上诉。判决全文未公开，以上细节依据 GEMA 新闻稿与法律媒体报道。

为什么重要

「模型不是数据库」几乎是所有生成式公司的免死金牌：参数里没有一段可定位的比特串对应任何一首歌、任何一张图，所以谈不上复制。这句话在工程上是对的，在法律上现在不再管用了。

法院走的是一条行为学路径：从输出侧的证据，反推权重侧的法律事实。你能把它稳定地掏出来，那它就在里面。这条推理把一个抽象的法理之争（训练算不算合理使用），换成了一个可以做实验的问题（这个作品能不能从这个模型里被提取出来）。能从扩散模型里提取出训练图像的研究早就有，区别只是：以前那是论文里的安全性发现，现在它是可以拿到法庭上的证据。

我的正反评价

我最大的意见是激励方向反了。判决罚的是可检测的记忆化，不是数据来源不合法。一家公司拿到这份判决，成本最低的合规动作是什么？不是清洗训练集、不是去谈授权，而是把输出侧相似度过滤器接上、训练集去重做狠一点，让作品掏不出来。数据照抓，只是让侵权变得测不出来。判决奖励的是可检测性下降，这跟它想保护的东西不是一回事。

第二个刀口在举证的代表性。六首歌全是超高传唱度的曲目——在任何抓来的音乐语料里，出现频次都远高于中位数，本来就是记忆化最容易发生的地方；而提示词已经给了歌词、曲名和风格，等于喂了一半答案。这是记忆化的最优情形，不是随机抽样。法院据此认定这六首被复制没问题，但读成「整个模型里装满了受保护作品」就是过度外推。「多像算像」这条线，判决没给出可操作的门槛。

公平地说，法院并非没考虑技术抗辩——它正面处理了「只存了模式」并予以否定。真正可争的是从输出证据推到权重事实这一步的正当性。这一步会不会在二审站得住，加上一家德国法院解释美国 fair use 这件事本身，我判断上诉审才是主战场。现在下「全球范式已变」的结论太早。

对研究、教学和影像系统的启发

影像这边完全同构。生成图像模型不用说，就连 ISP 里那些学出来的模块——去噪、超分、去马赛克——只要训练数据是网上抓的，就同样面对「权重里有没有装着那张图」的问题。区别只在于摄影作品的维权组织没有 GEMA 这么强。

研究上，「记忆化率 / 可提取性」会慢慢变成要跟 PSNR、ΔE 并列报告的指标。做数据集的人现在就该把 provenance 记清楚：哪些公开授权、哪些自采、哪些是抓的。光谱和 raw 数据集样本量小、来源单一，反而更容易被完整记忆——这不是安全，是风险。

教学上这是个好案例：它把「神经网络到底存了什么」变成能在课上动手做的实验——给学生一个小模型和一批训练图，让他们试着把训练样本重构出来。亲手掏出来一张，比讲十遍过拟合都管用。