版权数据（Copyrighted Data / IP Assets）

拥有大规模优质文本、图像、音视频等版权内容的企业，为大模型训练提供高质量原始语料。随着数据版权意识觉醒和监管趋严，合法授权的版权数据成为稀缺资源。

为什么在 AI 时代崛起

• 版权诉讼频发：纽约时报诉 OpenAI、Getty 诉 Stability AI、唱片公司诉 Suno 等
• 政策收紧：EU AI Act 要求训练数据合规来源公开
• 数据资产化 — 拥有大规模合规数据的公司，议价权快速提升

标志性事件

• 2024：2024-Reddit与Google数据授权协议，$6000 万/年 — 标杆事件
• 2024：Getty Images 与 NVIDIA 合作 Generative AI by Getty
• 2024：Shutterstock 与 Meta / NVIDIA / OpenAI 多家签数据授权
• 2024：阅文集团 向多家中文大模型公司授权
• 2024：视觉中国 推出 AI 训练数据授权业务

主要玩家

国际

• 文本 UGC：Reddit（社区）
• 图片视频：Getty Images / Shutterstock
• 新闻：纽约时报、AP、Axel Springer、Wall Street Journal（多与 OpenAI 等签约或诉讼）
• 学术：Elsevier、Wiley、Springer Nature（学术出版商）
• 音乐：环球、华纳、索尼（与 Suno、Udio 诉讼）

中国

• 网文 IP：阅文集团（1500 万部）/ 中文在线（500 万部）
• 视觉版权：视觉中国（4 亿张图片 + 3000 万条视频）

商业模式

• 数据授权年费（典型：Reddit $6000 万/年）
• 数据集买断（一次性）
• 按使用量分成（与生成式 AI 产品共享收入，类似 Spotify 模式）
• 合规 AI 工具联合开发（Getty + NVIDIA / Shutterstock + NVIDIA）

与 AI 产业链的张力

• AI 公司：希望低价 / 免费获取尽可能多数据
• 版权方：希望最大化授权收入
• 诉讼是议价工具：纽约时报诉 OpenAI 推动 OpenAI 与多家出版商签约
• 合成数据是博弈杠杆：版权方议价过高，AI 公司会转向 合成数据

相关概念

• 数据引擎 / 版权数据 / 数据治理
• 合成数据（替代品）