背景是日语高质量文本本就稀缺,而报社、出版社对未经许可的爬取日趋强硬,直接购买版权又谈判成本高。软银的做法是在数据持有方与 AI 开发方之间建立一个「加工层」:通过技术手段降低原文可复现性,把版权风险与授权成本打包成一项 B2B 服务。机制上这与其押注的「代理经济」一脉相承——价值不只在模型参数,更在于谁掌握合规的燃料供给。悬念有二:一是「加工到何种程度才算不侵权」尚无明确法律判例,二是报社是否愿意长期把内容以数据形态外包、而非自建授权体系。若跑通,软银将同时握有算力、基盘模型与数据三层入口。
背景には、日本語の良質テキストがそもそも希少である一方、新聞社・出版社が無断クロールへ強硬化し、直接の版権購入も交渉コストが高いという構図がある。ソフトバンクの手法は、データ保有者と AI 開発者の間に「加工層」を挟むこと——技術的に原文の復元性を下げ、版権リスクと許諾コストを一括した B2B サービスに仕立てる。機制としては同社が賭ける「エージェント経済」と地続きで、価値はモデルのパラメータのみならず、誰が合法な燃料供給を握るかに宿る。懸念は二つ。第一に「どこまで加工すれば非侵害か」の明確な判例が未確立であること、第二に新聞社が長期にわたり内容をデータとして外部委託するのか、自前の許諾体系を築くのか。跑り切れば、ソフトバンクは算力・基盤モデル・データの三層の入口を同時に握る。
- 软银集团(SoftBank Group / ソフトバンク)ソフトバンクグループ
- 日本最大的通信+全球投资复合体,创始人孙正义。近年以「AI 代理经济」为战略主线,横跨算力(数据中心)、基盘模型(子公司 SB Intuitions)、以及本次的数据供给三层布局,试图从「投资 OpenAI 的股东」升级为 AI 产业链的基础设施提供者。日本最大の通信+グローバル投資コングロマリット。創業者は孫正義。近年は「AI エージェント経済」を戦略の主軸に、算力(データセンター)・基盤モデル(子会社 SB Intuitions)・本件のデータ供給の三層に跨って布石を打ち、「OpenAI の株主」から AI 産業インフラの担い手への進化を狙う。
- SB Intuitions(Sarashina)SB Intuitions(Sarashina)
- 软银旗下专责开发日语大型语言模型的子公司,其模型系列名为「Sarashina(更科)」。定位为软银「国产 AI」的核心引擎,本次数据基盘正是为喂养此类模型而生。ソフトバンク傘下で日本語 LLM を開発する子会社。モデル系列名は「Sarashina(更科)」。ソフトバンクの「国産 AI」の中核エンジンと位置づけられ、本件のデータ基盤はこうしたモデルを養うためのもの。
- 主权 AI/国产 AI(Sovereign AI)主権 AI/国産 AI
- 指一国基于本国语言、数据与算力自主构建、不依赖海外厂商的 AI 能力。日本视其为经济安全保障与产业竞争力课题,政府以补贴(如经产省对「Noetra」的支援)推动,数据主权是其关键一环。自国の言語・データ・算力に基づき、海外ベンダーに依存せず自律構築する AI 能力。日本は経済安全保障と産業競争力の課題と捉え、政府が補助(経産省の「Noetra」支援等)で後押し。データ主権はその要の一つ。
- 学习数据与著作权问题学習データと著作権
- 生成式 AI 需海量文本训练,但抓取受版权保护的报道、书籍是否侵权在各国仍有争议。日本著作权法第 30 条之 4 对信息解析用途有一定豁免,但商用边界模糊,成为 AI 落地的最大法务风险之一。生成 AI は大量テキストで学習するが、著作権で保護された記事・書籍のクロールが侵害に当たるかは各国で係争中。日本の著作権法 30 条の 4 は情報解析目的に一定の例外を置くが商用の線引きは曖昧で、AI 実装の最大級の法務リスクとなっている。
- RAG/数据基盘(Data Platform)RAG/データ基盤
- RAG(检索增强生成)指让模型在生成时实时检索外部知识库以提升准确性、减少幻觉。数据基盘则是为模型训练与检索提供整备好的、合规的语料仓储,是 AI 商用化中「看不见但决定成败」的基础设施。RAG(検索拡張生成)は生成時に外部知識ベースを実時間で参照し、精度向上と幻覚抑制を図る手法。データ基盤はモデル学習・検索向けに整備された合法なコーパス倉庫で、AI 商用化における「見えないが成否を分ける」インフラ。