爬来的数据喂进模型，这笔账怎么算——北京互联网法院数据专款首案后的三个实务判断

　　先说一个过去两年反复出现的场景。一家做行业知识库的公司要给模型补语料，技术负责人的方案很直接：目标站点内容公开可访问，写个爬虫把十年积累的问答、岗位、报价全部拉下来，清洗之后做微调。产品经理补了一句“这些都是网上公开的，用户自己也能看到”。项目上线，效果确实好了一个档次。八个月后，公司收到起诉状，原告不是被爬内容的作者，而是那个平台本身，索赔理由是“实质性替代”。

　　这类纠纷过去只能挤在反不正当竞争法第二条的一般条款里讨论，靠“诚实信用”和“商业道德”做价值判断，论证成本高、结论也不稳定。2025年6月27日第十四届全国人大常委会第十六次会议第二次修订的反不正当竞争法改变了这个局面：新增的第十三条第三款规定，经营者不得以欺诈、胁迫、避开或者破坏技术管理措施等不正当方式，获取、使用其他经营者合法持有的数据，损害其他经营者的合法权益，扰乱市场竞争秩序。这部法律自2025年10月15日起施行。

　　2026年6月，多家媒体报道了北京互联网法院适用这一款审结的该院首起案件。据央广网、法治网报道，被告王某用多个手机号注册某职场社交平台账号并充值商务会员，通过获取网页源代码、编写爬虫程序的方式，避开平台的登录验证和访问权限控制措施，抓取全平台核心职场数据并同步至自建网站，再在二手平台以自营加分销的模式销售1至15天不等的访问权限。法院认定其行为构成不正当竞争，判赔经济损失20万元及合理开支3万余元，判决已生效。

　　这个案子的价值不在于20万元这个数字，而在于它第一次把“数据专款”的适用拆成了可操作的要件，也第一次让“技术措施”这四个字在数据抓取场景里有了具体所指。对把抓取当语料来源的AI企业，需要重算的是三笔账。

#一、技术措施的边界：绕过登录态，就已经越线了

　　首案里法院认定的关键事实是“绕过平台登录验证和访问权限控制措施”。这句话看起来平淡，实际把很多技术团队心里的那条线挪了位置。

　　不少工程师的判断标准是“有没有破解加密算法”。没有逆向签名、没有爆破密码、没有攻破接口鉴权，就认为自己是“正常访问”。这个标准在刑法语境下或许还能争一争，但在反不正当竞争法第十三条第三款里站不住。法条列举的方式是“避开或者破坏技术管理措施”，落脚点在“避开”——你不需要打穿它，只要绕过去，就已经落入文义。用多个账号轮换以突破单账号的访问额度、伪造或轮换请求头伪装成普通浏览器、维持登录态批量拉取会员可见内容、逆向构造带签名的请求，这些动作在技术上都不算“破解”，在法律上都指向同一个结论：平台的访问控制被你规避了。

　　更麻烦的是，平台的技术措施往往是分层的。登录验证是一层，访问权限是第二层，请求频次限制是第三层，参数追踪加密是第四层。据公开报道对该案的描述，涉案平台设置的是“登录验证、访问权限管理、追踪加密参数等多重技术防护措施”，而法院认定被告的行为是“避开平台技术防护措施”。这意味着在举证时，平台只需要证明自己做了防护、而被告的行为使防护失效，不必证明被告攻破了每一层。企业如果只在其中一层做了规避，剩下的层靠“正常请求”通过，也很难把自己摘出去。

　　还有一个容易被忽略的坐标：robots 协议不是免责牌。上海知识产权法院在（2016）沪73民终242号大众点评诉百度案的裁判要旨中说得很清楚：未经许可使用他人数据信息不能当然地认定为构成不正当竞争，但这并不意味着市场主体在使用他人所获取的信息时没有边界，仍要遵循公认的商业道德，在相对合理的范围内使用；判断时要兼顾信息获取者、信息使用者和社会公众三方利益。该案一审判决停止侵害、赔偿经济损失300万元，二审驳回上诉、维持原判。十年过去，这条思路没有变，只是现在有了更明确的条文载体。

　　实务上，抓取方案评审应当做三层识别。协议层看用户协议、robots、平台规则有没有明确禁止；技术层看目标站点部署了哪些防护，自己的方案是否需要规避；权限层看抓取内容是否属于登录后、付费后、特定角色才可见的范围。三层里只要有一层是“绕过去的”，方案就需要重新设计，而不是换个IP继续跑。

#二、“合法持有的数据”：平台凭什么主张，企业又凭什么抗辩

　　被告最常见的抗辩是：数据是用户自己填的，平台只是搬运工，凭什么说数据是它的？

　　首案对这个问题的回答方式值得注意。法院没有去讨论数据所有权归属，而是认定涉案数据属于原告“合法持有的数据”，并给出三个判断维度：由经营者合法收集、存储或使用；通过实质性投入形成；能为其带来经营利益或竞争优势。具体到案情，平台经用户同意、依据服务协议和隐私政策采集处理，通过长期运营把零散的个人信息汇聚成有体量的数据集合，形成远超原始数据的经济价值，且这些职场数据是平台开展社交匹配、招聘服务等主营业务的核心基础。

　　这套说法的巧妙之处在于绕开了“数据归谁”的死结。平台不需要证明自己是所有权人，只需要证明自己对这批数据有值得保护的经营利益；用户对个人信息享有的权利不受影响，两者并行不悖。对AI企业而言，这意味着“数据是用户的”这条抗辩基本失效——你抓的是平台的集合，不是用户的单条记录。

　　反过来，如果企业自己是被抓的一方，这个要件也会反噬。法院要求“合法收集”，那么采集环节本身违法的数据集合，就很难主张保护。用过度索权的方式拿到通讯录、用欺骗性弹窗取得同意、超范围收集与主营业务无关的信息，这些瑕疵在平时只是合规风险，一旦要起诉抓取方，就会变成对方攻击“合法持有”的突破口。这也是为什么数据合规做得好不好，最终会在诉讼里以攻防能力的形式体现出来。

　　首案还提出了数据专款适用的四个要件：客体是其他经营者合法持有的数据；主体是经营者；行为是以不正当方式获取、使用数据；结果是损害其他经营者合法权益、扰乱市场竞争秩序。四个要件里，“经营者”这一条对个人被告同样是紧箍咒——王某以自营加分销模式销售访问权限、以此为主营业务，被认定为经营者没有障碍。个人做数据生意，不会因为没注册公司就逃出反不正当竞争法的射程。

#三、损害与责任的三条线：民事赔多少、行政罚多少、刑事到哪里

　　第一层是民事赔偿。反不正当竞争法第二十二条规定，赔偿数额按照实际损失或者侵权获利确定，并包括制止侵权支付的合理开支。这里有个容易被忽略的细节：该条第四款的法定赔偿（五百万元以下）只明文适用于违反第七条、第十条的混淆行为和侵犯商业秘密行为，第十三条第三款并不在列。也就是说，数据专款案件的赔偿缺少一条明文的兜底条款，当事人对损失和获利的举证责任实际上更重。首案法院综合行为方式、主观过错、影响范围与持续时间四方面因素酌定20万元——行为上同时实施获取和使用、且对外提供全平台数据；主观上作为商务会员明知禁止性规定，账号被封后仍注册新号继续；影响上通过自营加分销在多个平台销售、销量较高；时间上从2025年4月持续至12月约八个月。这套说理是酌定，不是法定赔偿，两者的举证策略并不相同。

　　第二层是行政责任。第二十九条规定，违反第十三条第二款、第三款、第四款利用网络从事不正当竞争的，责令停止违法行为，处十万元以上一百万元以下罚款；情节严重的，处一百万元以上五百万元以下罚款。这个幅度比很多人预想的重，而且行政执法不需要证明实际损失，只要行为要件成立即可启动。

　　第三层是刑事风险，也是最容易被技术团队低估的。如果抓取的内容包含身份认证信息，刑法第二百八十五条第二款的入罪门槛并不高：根据法释〔2011〕19号第一条，获取支付结算、证券交易、期货交易等网络金融服务的身份认证信息十组以上，或者其他身份认证信息五百组以上，或者非法控制计算机信息系统二十台以上，或者违法所得五千元以上、造成经济损失一万元以上，即属“情节严重”；达到上述标准五倍以上为“情节特别严重”。该解释第十一条把“身份认证信息”定义为用于确认用户操作权限的数据，包括账号、口令、密码、数字证书。

　　如果抓取的是个人信息，法释〔2017〕10号第五条的门槛同样具体：行踪轨迹、通信内容、征信、财产信息五十条以上；住宿信息、通信记录、健康生理信息、交易信息等其他可能影响人身、财产安全的个人信息五百条以上；上述以外的个人信息五千条以上；违法所得五千元以上。批量信息的条数按查获数量直接认定，除非有证据证明不真实或重复。招聘平台的简历、职场平台的任职经历、医疗平台的问诊记录，恰好都落在“可能影响人身、财产安全”这一类里，五百条的量级对一个爬虫项目来说，可能只是一次调试的量。

　　三条线可以并行，不相互吸收。首案是民事路径，但同一批事实完全可以同时触发网信、市场监管的行政处罚，以及公安的刑事立案。企业做风险评估时，如果只算“最多赔多少钱”，算的其实是三条线里最轻的那条。

#四、三条路径的代价比较

　　第一条路是授权合作或API采购。成本最高，需要谈判、付费、约定使用范围和衍生数据归属，交付周期也长。但它换来的是可举证的权利链条：授权协议、数据字典、调用日志、范围限制，出事时能证明来源合法。对要把数据长期喂进模型的企业，这是唯一能撑住规模化训练的路径。

　　第二条路是有边界的公开采集。不绕技术措施、遵守协议与robots、控制频次与并发、只取非登录可见的字段、对个人信息做去标识化、保留采集日志。成本居中，法律风险可控但不为零——即便不构成“避开技术措施”，若使用方式达到实质性替代，仍可能落回一般条款。首案判决之外，参与该案评述的学者也提示，即便未产生实质性替代，只要扰乱市场竞争秩序，仍可能构成不正当竞争。这条路适合做行业趋势分析、公开舆情监测这类对完整性要求不高的场景。

　　第三条路是绕措施全量抓取。短期成本最低，语料最全，模型效果提升最快。代价是把民事、行政、刑事三条线一次性全部点亮，而且几乎没有补救空间——抓取日志、服务器快照、销售记录都会成为对方的证据。首案被告在账号被封后继续注册新号，这个动作在主观恶意认定上几乎是决定性的。

　　真正难的不是选哪条路，而是很多企业已经在第三条路上跑了很久，现在要往回退。这时候需要考虑的不只是换方案，还有历史数据的处置：已经进入训练集的部分要不要剔除、模型要不要重训、留痕要不要补齐。这些动作做与不做，在后续谈判和应诉中的分量完全不同。

#五、律师会怎么落地

　　第一步是把数据来源做成台账，而不是散落在技术文档里。每一批数据记录来源类型、取得方式、授权凭证、采集时间、字段范围、是否含个人信息、清洗与去标识化处理、进入哪个模型版本。台账的价值不在于好看，而在于被问到时能在两天内拿出完整链条。首案原告能赢，靠的正是服务协议、隐私政策、技术措施和用户同意这一整套可举证的材料。

　　第二步是把义务写进采购合同。向第三方采购语料或数据集时，除了常规的权属保证，还要约定来源合法性陈述、第三方主张权利时的配合义务与赔偿分担、数据召回机制。很多企业买了数据集，合同里只有一句“数据来源合法”，真出事时既无法追偿，也无法证明自己尽到审查义务。

　　第三步是对抓取方案做法律评审并留痕。评审结论要写清三层识别的结果、风险点和缓解措施，评审记录本身也是“已尽注意义务”的证据。这一步在很多公司被简化成技术负责人签个字，等于没做。

　　第四步是收到律师函或起诉状后的七十二小时。先停——不是停服务器，而是停止继续抓取并固定当前状态；再查——核查抓取范围、是否涉及身份认证信息和个人信息、量级是否触及刑事门槛；再算——按实际损失、侵权获利、许可费倍数三条路径分别估算敞口；最后谈——在行政或刑事程序启动前，停止侵权加合规整改的谈判空间远大于之后。首案被告“已主动停止侵权”的辩解没有被采纳为免责事由，但这类情节在赔偿数额和是否移送线索上仍有实际影响。

　　第五步是平台侧的维权准备。技术措施的存在与有效性、抓取行为的固定（公证或可信时间戳）、数据集合的形成过程与投入、损失的计算口径，四组证据缺一不可。损失计算上，除了惯常的会员费损失，还可以考虑数据许可的市场价格、被告销售规模与持续时间。

　　还有一个绕不开的技术性难题：数据已经被模型吸收了，怎么“停止侵害”。删除原始数据容易，让模型“忘掉”很难。这决定了此类案件的救济往往落在赔偿和后续使用限制上，而不是简单的删除令。代理这类案件时，与其在判决主文上追求一个执行不了的动作，不如在和解条款里把模型重训、数据隔离、审计配合写清楚。

　　最后是一个必须提前想清楚的问题：首案的侵权行为自2025年4月延续至2025年12月，横跨新法施行日10月15日。公开报道未披露法院对跨法期间行为如何分段适用旧法一般条款与新法数据专款的论述。对代理此类案件的律师来说，这是立案后要解决的第一道题——需要按行为发生、持续、终了的各个节点逐段梳理，结合当时有效的规范分别评价，不能笼统地“一刀切”适用新法。这一层时间轴的梳理，往往比实体争点更早决定案件走向。

　　回到开头那家公司。它真正的错误不是在某个下午决定写爬虫，而是在立项时把“公开可见”当成了合法性结论，并且没有人为这个结论签字。数据专款把判断标准从“有没有技术中立”换成了“有没有绕过去”，这个变化对技术团队是陌生的，对法务团队却是熟悉的——它和所有合规问题的结构一样：事先留下一份能证明自己怎么做的记录，永远比事后解释自己没做什么更有效。

---

正在做AI产品或训练数据项目，需要一次数据来源与抓取方案的合规体检？预约测绘，把技术措施识别、授权链条和责任敞口一次理清。