Reddit起訴AI搜尋引擎Perplexity「未經授權數據收集」：透過Google爬取數十億筆資料
社交媒體平台Reddit近日正式對AI搜尋引擎perplexity提起訴訟，指控其透過Google服務大規模爬取平台內容，涉及數十億筆未經授權的數據收集。這起訴訟再次引發關於AI訓練數據合法性與網路內容版權的激烈辯論。
事件背景與訴訟核心
Reddit在向加州北區地方法院提交的訴狀中指出，PErplexity的AI系統透過Google搜尋服務，系統性地繞過Reddit的robots.txt協議，大量爬取平台用戶生成內容(UGC)。據Reddit內部統計，這項未經授權的數據收集行為已持續至少8個月，涉及超過40億筆資料。
值得注意的是，Reddit今年初才剛與Google簽署價值約6000萬美元的內容授權協議，允許其AI模型使用Reddit數據進行訓練。Perplexity此舉被Reddit視為「公然侵權」，特別是在該公司最新估值已達10億美元的情況下。
技術手段與侵權細節
根據訴訟文件披露，Perplexity採用了多種技術手段規避Reddit的防爬取措施：
- 使用Google搜尋API作為「中間人」，偽裝成普通用戶查詢
- 部署分散式IP網絡，模擬全球不同地區的訪問模式
- 調整爬取頻率，避免觸發Reddit的速率限制
- 專門針對高價值討論串進行重點爬取
Reddit技術團隊提供的證據顯示，Perplexity的爬蟲活動在過去三個月呈現指數級增長，從每月約3億筆暴增至最近的12億筆。
行業反應與法律觀點
這起訴訟立即引發科技法律專家的廣泛討論。史丹佛大學網路政策中心主任表示：「此案將成為界定AI時代數據使用規則的關鍵判例。核心爭議在於，當平台已明確禁止爬取時，透過第三方服務間接獲取數據是否構成侵權。」
值得注意的是，這已是近半年來第三起針對AI公司的數據訴訟。此前，《紐約時報》起訴OpENAI和微軟，而多位知名作家也聯合起訴Meta未經授權使用其作品訓練AI。
Perplexity的回應與立場
面對指控，Perplexity執行長ARavind Srinivas在X平台發表聲明，強調其做法屬於「合理使用」範疇：「我們只是以更高效的方式組織公開可得的網路資訊，這與傳統搜尋引擎的運作原理本質相同。」
該公司同時公布數據顯示，其AI系統實際僅保留約15%的爬取內容用於訓練，其餘均在處理後立即刪除。Perplexity法律團隊更反駁稱，Reddit的訴訟是「試圖為其已商業化的數據獲取更高價格」。
市場影響與未來發展
訴訟消息傳出後，Reddit股價在盤後交易中小幅上漲2.3%，顯示市場認為此舉可能強化其數據資產的變現能力。分析師指出：「無論結果如何，這起訴訟都將迫使AI公司更嚴肅地看待數據授權問題，可能導致行業整體合規成本上升。」
與此同時，Google面臨的監管壓力也持續增加。歐盟委員會已表示將審查Google是否在Perplexity事件中違反《數字服務法》相關條款。
對內容創作者的潛在影響
多位Reddit知名版主接受採訪時表達了複雜立場：「一方面我們希望內容被合理使用，但另一方面，未經同意的商業化爬取確實損害了創作生態。」部分版主已發起聯署，要求平台將訴訟所得部分用於創作者獎勵計劃。
數據顯示，Reddit上約24%的高質量討論串作者表示，如果AI公司持續無償使用其內容，將考慮減少或停止創作。
專家建議與實用措施
對於擔心內容被不當使用的創作者，網路法律專家建議：
- 在個人資料中明確標註內容使用條款
- 定期使用反向圖像/文本搜尋追蹤內容傳播
- 考慮加入創作者聯盟爭取集體議價權
- 利用區塊鏈技術進行內容存證
值得注意的是，包括btcc分析團隊在內的多家機構已開始提供免費的內容使用監測工具，幫助創作者追蹤其作品是否被用於AI訓練。
未來行業走向預測
業界普遍認為，無論本案結果如何，都將加速以下趨勢：
| 趨勢領域 | 可能發展 | 時間框架 |
|---|---|---|
| 數據授權市場 | 標準化定價機制形成 | 2025-2026 |
| AI訓練方法 | 合成數據使用比例提升 | 2026後 |
| 平台政策 | 更精細的內容分級授權 | 已開始 |
常見問題解答
Q: 為什麼Reddit現在才對Perplexity採取法律行動？
A: 據內部人士透露，Reddit花費大量時間收集證據並評估商業影響。選擇此時起訴可能與其近期加強數據貨幣化戰略有關。
Q: 普通用戶該如何保護自己的發文？
A: 除了前述措施，建議：1) 使用平台提供的隱私設定 2) 避免發布原始創作精華內容 3) 考慮在專業平台同步發布以確立版權。
Q: 這會影響我使用Perplexity的體驗嗎？
A: 短期內可能導致部分Reddit相關結果減少，但該公司表示已準備替代數據源。長期影響取決於訴訟結果和行業規範變化。
