人工智能（AI），尤其是生成式AI的迅猛发展，为知识产权（IP）领域带来了复杂的挑战。AI模型的开发、测试和验证高度依赖大规模数据集，导致对训练数据的需求激增。一种广泛采用的方法是“数据抓取”，本报告特指从第三方网站、数据库或社交媒体平台自动提取信息的行为。当数据抓取未经权利人同意或未支付报酬时，会直接影响知识产权保护作品的创作者和所有者。此类活动可能涉及多种知识产权及相关权利，包括版权、数据库权利、商标权、商业秘密、肖像权及人格权。
　　围绕数据抓取的知识产权法律环境复杂且快速演变。现行知识产权法律多制定于现代AI实践兴起之前，且不同司法管辖区存在差异，使得其适用性变得复杂。数据抓取常涉及受知识产权保护的内容，引发关于侵权、例外条款（如合理使用或文本与数据挖掘/TDM规定）的适用性，以及遵守合同条款等问题。抓取受版权保护的材料会引发关于其收集或使用是否构成侵权的疑问。此类诉讼在全球范围内日益增多，美国、欧盟及其他地区已出现多起具有影响力的案例。此外，对AI生成内容（尤其是未经授权模仿个人风格、声音或外貌的输出）的担忧，正促使各方采取多样化的法律应对措施，以保护权利并防止滥用。
　　数据抓取已成为普遍实践，但其涵盖多种方法且缺乏普遍认可的定义。该术语常与“数据挖掘”（指通过计算过程识别模式、趋势和关联的流程）及“网络爬虫”等技术混淆。本报告指出定义不一致的问题，并提出了一个广泛的工作定义。数据抓取的流程通常包括数据收集、预处理和使用。报告分析了不同的抓取技术，并强调需要采用通用/标准术语以及对这些方法进行明确区分。
　　数据抓取生态系统中不同参与者的行为引发了多样的法律问题。部分参与者利用数据抓取支持研究及其他活动，这表明需要针对不同使用场景制定相应的政策工具。该生态系统主要包括研究机构和学术界、AI数据聚合商、以及科技公司和平台运营商。研究机构和学术界常通过数据抓取收集数据用于学术和科学目的。AI数据聚合商被指控将抓取的数据提供给第三方，往往缺乏明确的许可条款或数据来源披露，引发知识产权及其他法律问题。科技公司和平台运营商则既是数据抓取的主要目标（数据来源），本身也常是数据抓取的实践者。
　　为引导数据抓取在国际协调框架下走上负责任的发展路径，制定“数据抓取行为准则”、推广标准合同条款、开发标准技术工具以及提升认识倡议。若能吸纳包括权利持有人、研究人员、AI开发者、民间社会及政策制定者在内的广泛多元利益相关方意见，此类规范将尤为有效