数据授权和版权授权，AI 公司到底买的是什么

先说结论：买的是使用权，不是数据本身，也不是所有权。它是一组被合同切开的权利：能不能复制、用于训练、商用、用多久、能否转授权、是否排他。版权授权是其中一种，对象是有版权的作品；数据授权范围更宽，还包括不受版权保护、但受监管规则约束的数据。价格的上限不由内容质量决定，由替代成本决定；四个定价变量决定在这个上限下能拿到多少。（这个定义是本文的提炼；该报告没有单独的「版权授权 vs 数据授权」定义节，只在其五通路表里把版权授权的交付物记为「使用权」。）

一、两个词差在哪

版权授权，对象是新闻、图书、图库等作品。买方拿到许可，卖方保留版权；合同写清范围、期限、地域、排他、转授权。它不转移版权，只转移使用权。

数据授权是上位概念，对象也可以是不属于作品的数据，约束来自合同、隐私或监管；比如临床病历，限制它的是法规，不是技术。

需要先划一条边界：本文说的「数据授权」是商业数据许可，指内容方或数据持有方按合同许可模型公司使用其数据；它不包括中国的「公共数据授权运营」——后者是政府把公共数据的开发利用权授予特定主体运营的制度安排，不是买卖双方按合同定价的许可。搜「数据授权」时前排结果大多是后者，那是另一件事，本文不展开。

共同点：买方付钱，买的是「用」的边界和法律责任，不是可转卖的所有权。合同里决定价格的不是多少 GB，是权利包的大小。实务中两个词常被混用，标签不如条款可靠；判断一笔交易，看权利包，不看名称。

二、已成交的价格谱系

（金额多为媒体报道的交易估值，除 Shutterstock 系公司财报口径外，均未经交易双方逐条确认。Shutterstock 的 1.04／1.38 亿美元是「数据、分销与服务」分部收入，含图库数据分销等，不等于纯 AI 训练数据授权收入。）

年费口径从约 1,300 万到 7,000 万美元，跨度约五倍（本文计算）；多年总额口径最大一笔是 News Corp 的 2.5 亿美元／5 年。两个口径不能直接比，也不能合并成一个「单笔区间」。

三、定价四变量

用这四个变量看，Reddit 四项都占，这解释了它为什么能拿到最高的单笔年费（Reddit × OpenAI 单笔估计约 7,000 万美元／年，为表中最高；两家合计约 1.3 亿美元／年是卖方合计授权收入，不能当作单位价格与单客户交易比较）；一家传统媒体通常只占法律清洁度与持续性两项。质量与价格关系不大，「不可替代性 × 结构化 × 持续性」才是主项。这是解释框架，不是回归结果，各变量权重没有量化。

四、卖方真实经济性

Reddit：2025 年第四季度「其他收入」（主要为内容授权）3,600 万美元、+8%；全年总收入 22.0 亿美元、+69%。按季推算授权收入约 1.4 亿美元（本文推算），占约 6%。增长 8% 远低于公司 69%，高增长来自广告。

Shutterstock：数据、分销与服务收入单季同比 -1,870 万美元、-47% 至 2,100 万美元。财季未定位，只能确定在 2025–2026 年；可能是价格坍塌，也可能是上年同期大额买断的基数效应，年度数未取到。

在这两个样本里，版权授权都不是新增长曲线：Reddit 的授权收入只占约 6%、增速 8% 远低于公司整体的 69%；Shutterstock 单季大幅下滑，年度序列只到 2024 年。但两个样本不足以代表「多数内容方」，也不能证明授权收入一定是一次性的——Shutterstock 的年度授权收入 2023 到 2024 仍在上升，单季下滑也可能只是上年同期大额买断的基数效应。拿它做估值重估，证据不足。

五、从买断走向按使用付费

早期几乎全是固定金额、多年期买断：付一次，数据永久进权重。三股力量在推动变化：卖方发现卖便宜了（Reddit 在谈动态定价）；CDN 让「按实际使用」可计费；不利判决抬高「不授权直接用」的成本。

阶段上，第一代固定总额买断（2023–2024），第二代固定年费加期限（2024–2026），第三代在形成：按使用或按引用计费加保底（2026 以后）。判断：方向可信，时间存疑。买方极度集中，不愿接受开放式、无法预算的成本项；更可能的是大额保底加小比例浮动。

六、天花板由替代成本决定

最高价等于绕过这份语料所需的成本：找替代、用合成数据补、不用它损失的模型能力。三条路成本都在降，四个变量也同向：独占性下降、结构化不稀缺、法律清洁度可另取、静态存量无溢价。

Shutterstock 单季 -47% 若反映价格而非基数，与方向一致，但不能单独证明。

两类例外：受法规限制、无法自由获取的数据（临床病历影像，限制来自法规不是技术），能收费的通常是有资质、能承担合规责任的机构，卖的是合规通道与去标识化处理，不是版权；持续产生的当下数据（新闻、社交、行情），模型合成不了「昨天发生了什么」。

Anthropic 和解给「不授权直接用」一个赔偿锚，不是许可费锚：15 亿美元、约 50 万种图书、每种约 3,000 美元。它赔的是「副本怎么拿到的」，不是「拿来训练」；影响的是不授权的期望成本，不是授权的成交价格。它是商业和解，不是先例；真正改变的是举证责任，数据来源可审计从加分项变成必需品。

对投资判断：值得关注的不是谁内容最多，是谁的内容合成不出来。存量越大、越静态，越危险。

七、五个问题

看一份授权值不值，问五件事：权利包含哪些；期限与续约；计价挂钩金额还是用量；买存量还是增量；不用它能否替代、合成或法律绕开。答不清，价格只是标题。

资料来源

1. Reddit, Inc. 2025 年第四季度及全年财务报告[R]. 2026-02.
2. Shutterstock. 数据、分销与服务分部收入披露[R]. 2025–2026.
3. Anthropic. Bartz v. Anthropic 案和解与终局批准文件[EB/OL]. 2025-08／2026-07.
4. 诺辉投资研究部. AI 训练数据与语料 · 行业认知研究报告[R]. 2026-09.

数据截止 2026-09　|　相关：AI 语料是什么 · Scale AI 是什么公司 · AI 训练数据与语料 · 行业认知研究报告

编写依据

本文依据本赛道研究报告及用户授权的成品库 Markdown 摘编，素材获取于 2026-10-30。原文所列资料时点、出处及核验边界按提供稿保留；本轮未逐条回溯外部来源。