「wikiHow 诉 OpenAI」（No. 1:26-cv-07171）：RAG 检索被单列为独立侵权，DMCA 第1202(b)(1)条开辟第二战场
2026年8月21日，成立于2005年的美国"How-To"教程内容平台 wikiHow, Inc. 向纽约南区联邦地区法院提起诉讼，将 OpenAI, Inc. 及其八家关联实体一并列为被告，案号 No. 1:26-cv-07171 (S.D.N.Y.)。诉状同时主张《版权法》项下的直接侵权与代位侵权，以及《数字千年版权法》(DMCA) 第1202(b)(1)条项下的"版权管理信息删除"之诉，并要求陪审团审理。
这不是又一起"AI 训练是否构成合理使用"的复刻案件。wikiHow 的诉状把复制行为拆成了三个相互独立的层次——训练、检索增强生成（RAG）、以及输出——并额外叠加了一条许多企业尚未认真对待的独立请求权：数据清洗管道删除版权管理信息本身即为违法。对于正在出海或正在被出海 AI 产品"喂食"的中国企业而言，这起案件划出的风险边界比训练数据本身更值得关注。
案件背景：一座被完整索引的教程库
根据诉状陈述，wikiHow 自2005年创立以来提供经专家核验的操作指南类文章，累计服务读者数十亿人次，网站托管超过50万篇文章，高峰期月访问量超过1.5亿人次。本案中主张权利的范围经过精确圈定：wikiHow 持有 1,211件美国版权登记，覆盖 11,211篇涉案文章，并以证据附件 A（Exhibit A）的形式随诉状一并提交。
这个"登记—篇目"对应表并非形式文件。依据《版权法》第412条，只有在侵权行为发生前（或作品发表后三个月内）完成登记的作品，权利人才有资格主张法定赔偿与律师费。wikiHow 之所以能把请求权直接架在 第504(c)条 之上，前提正是这1,211件登记。这是本案在程序策略上最值得中国权利人学习的一点。
诉状援引 OpenAI 自身的公开表述，称其大语言模型系"在互联网上由人类撰写的海量数据"上训练而成，并主张 wikiHow 的文章通过对其网站的爬取与抓取、或经由 Common Crawl、WebText、WebText2 等中间数据集，被纳入了该训练语料。
三层复制：训练之外，RAG 被单独列为侵权行为
wikiHow 主张的第一层是训练阶段的规模化复制——为训练 ChatGPT 底层模型而整体复制其文章。这一层是既有 AI 版权诉讼的常规战场。
真正具有前沿意义的是第二层：诉状指控 OpenAI 通过 检索增强生成（Retrieval-Augmented Generation, RAG） 系统，在运行时（at runtime）另行检索、复制并使用 wikiHow 的文章，以外部内容补充模型既有知识。换言之，即便训练阶段的复制最终被认定为合理使用，RAG 环节的实时抓取与复制仍是一个独立的、需要单独进行合理使用分析的复制行为。这一诉讼构造，直接击中了当下大量 AI 产品"不训练、只检索"的合规叙事。
第三层是输出侵权。wikiHow 称其在2025年末向 GPT-4 提交了一系列提示词，成功诱出与其登记作品逐字一致的文本，涉及"如何与婆婆设立边界""婚礼梦境的含义""三月与四月出生的白羊座差异""灵魂纽带（soul ties）"等具体篇目；此外还主张 ChatGPT 复制了其教程材料独特的选择与编排（selection and arrangement）。诉状并称，GPT-4 能够按文件名识别一张 wikiHow 版权图片，并自陈其训练数据"使其得以充分接触 wikiHow 内容，从而有效归纳其视觉模式与格式"。
DMCA 第1202(b)(1)条：被低估的第二战场
wikiHow 主张，OpenAI 在复制其每一篇文章时，故意删除了版权管理信息（CMI）——包括文章标题、作者署名、发布日期与使用条款声明。诉状将这一删除归因于 Dragnet、Newspaper 等内容抽取工具：这类工具的功能正是将正文与页眉、页脚、版权声明等网页周边元素剥离。wikiHow 由此推论：既然 OpenAI 无差别抓取并以同一套抽取工具统一处理，那么进入其数据集的每一篇 wikiHow 文章的 CMI 都被剥离了。
这条请求权的杀伤力在于赔偿计算方式。第1203(c)(3)(B)条规定，每一次违法行为可获2,500美元至25,000美元的法定赔偿。若以11,211篇文章为基数，单是 DMCA 一项的敞口区间即约为2,800万至2.8亿美元；而《版权法》第504(c)条项下故意侵权每件作品最高15万美元，理论上限接近16.8亿美元。wikiHow 同时请求实际损失与侵权获利，并寻求永久禁令，禁止 OpenAI 在未获授权的情况下运营任何以其作品训练的模型。
robots.txt 被无视：一条完整的"明知"证据链
诉状用日志数据构建了主观恶意的证明路径：wikiHow 称其自2023年8月起在 robots.txt 中禁止 OpenAI 的 GPTBot 爬虫；2025年1月获悉 OAI-SearchBot 与 ChatGPT-User 的存在后又追加了相应禁令。但其站点日志显示，2025年3月至5月间，来自 OpenAI 公开 IP 地址段的访问超过185,000次；2026年5月至7月短短三个月内，OpenAI 爬虫触及其站点达 148,529次。
此外，wikiHow 主张其早在2024年春季即就授权安排与 OpenAI 接洽并往来书面沟通，但 OpenAI "从未认真推进许可"，而同期却与包括 News Corp 在内的其他出版商达成了类似授权协议。这一组事实同时服务于两个目的：证明"故意侵权"以提高法定赔偿倍数，以及在合理使用第四要素上证明存在真实且被规避的授权市场。
合理使用的攻防焦点
wikiHow 预先针对合理使用抗辩布防，主张 OpenAI 的使用具有商业性质、复制的是整篇文章而非片段，且 ChatGPT 的输出取代（supplant）而非转化（transform）了 wikiHow 的原创表达。最后一点是关键：wikiHow 的商业模式依赖网站访问所带来的广告收入，而"用户直接从 ChatGPT 获得完整教程、不再点击进入 wikiHow"这一因果链，正是市场替代（第107条第四要素）最直观的形态。相比小说或新闻，操作指南类内容的可替代性论证在事实层面更容易成立。
值得注意的是，wikiHow 已向法院提交关联性声明（Statement of Relatedness），请求将本案作为关联案件并入 1:25-md-03143，即由Sidney H. Stein 法官与治安法官 Ona T. Wang 主持的 In re: OpenAI, Inc., Copyright Infringement Litigation（MDL No. 3143）。这意味着本案大概率将在既有的多区诉讼框架内推进，共享该 MDL 已经产生的证据开示成果与法律裁定。
对中国企业的启示
一、"不训练、只检索"不再是安全港。 本案首次将 RAG 作为与训练相分离的独立复制行为提出主张。中国 AI 企业在美国部署检索增强、联网搜索、Agent 抓取等功能时，应当把运行时抓取视为一条独立的侵权风险线，单独进行来源审查与授权评估，而不是笼统地并入"训练数据合规"议题。
二、数据清洗管道本身可能是违法行为。 使用 Dragnet、Newspaper、Trafilatura 一类正文抽取工具批量剥离页眉页脚，在技术上是标准做法，但在 DMCA 第1202(b)(1)条下可能被认定为"故意删除版权管理信息"。建议在数据管道中保留并随语料一同存储标题、作者、发布日期、许可声明等元数据字段，并留存处理日志。这一改动成本极低，却能直接消解一条按"每次违法"计算的高额赔偿请求权。
三、robots.txt 不只是技术约定，更是证据。 无论作为抓取方还是被抓取方，都应重视 robots.txt 与访问日志。作为出海 AI 企业，应建立爬虫遵从性审计并保留合规记录；作为内容权利人，应及时设置指令并系统留存服务器日志——wikiHow 的148,529次访问记录之所以有力，正因为它是可举证的。
四、美国版权登记是索赔能力的前提。 依第412条，未及时登记即丧失法定赔偿与律师费资格，只能主张举证难度极高的实际损失。中国内容平台、出版机构、游戏与短视频公司若有作品在美传播，应当建立常态化、批量化的美国版权登记机制（如按季度提交群组登记），而非等到发现侵权时才补办。
五、许可谈判记录会成为呈堂证供。 wikiHow 将2024年春季的接洽与往来函件写入诉状，用以证明授权市场客观存在且被有意规避。中国企业无论处在谈判的哪一侧，都应意识到询价、报价、拒绝授权的书面记录在未来诉讼中具有实质证明价值，措辞需经法务审阅。
案件展望
需要强调的是，上述内容均为 wikiHow 在起诉状中的单方主张，OpenAI 尚未答辩，法院也未作出任何事实认定。截至本文写作时，案卷中仅有起诉状、民事案件封面、公司披露声明、关联性声明与传票签发申请等开案文件。
但本案的意义不在于最终判决金额，而在于它把 AI 版权诉讼的战线从"训练语料是否合理使用"这一单点，扩展为"获取—训练—检索—输出—商业替代—署名剥离"的完整行为链条。对于中国企业而言，与其等待合理使用问题在美国法院获得终局答案，不如立即着手改造数据管道中那些成本最低、风险最高的环节——保留元数据、遵从抓取指令、留存授权沟通记录。这三件事今天做，成本几乎为零；等到诉状送达时再做，已经来不及了。
格知律师事务所长期为中国企业提供美国知识产权诉讼、AI 数据合规与版权授权谈判服务。如需就贵司产品的美国版权与数据合规风险进行评估，欢迎与我们联系。