Perplexity AI 捲入版權風波：RAG 技術下的新聞內容爭議與法律挑戰

RAG 技術與版權問題

檢索增強生成（Retrieval Augmented Generation, RAG）以「先檢索」已知資料再「生成」回答的方式，提升了模型的知識更新與多樣性。然而，RAG 的核心在於將外部資料（如新聞、報告、技術文件）直接嵌入生成過程，若未經授權即可回傳、重複或改寫原文，便觸發版權侵害風險 (36Kr, 2025)。特別是新聞產業，素材往往受版權保護，且許多新聞機構已明確拒絕 AI 直接使用其內容，除非取得授權 (Uanalyze, 2025)。

Perplexity AI 版權訴訟案件

美國新聞巨擘對 Perplexity AI 提起首件針對 RAG 架構 AI 服務的著作權訴訟，指控其在搜尋與回答中未經授權使用大量新聞素材，並將原文片段直接呈現在對話介面 (Leetsai, 2025)。訴訟核心在於「直接引用」與「改寫」兩種侵權行為，且案件將聚焦於 AI 生成內容是否屬於「衍生作品」以及是否觸及「合理使用」範疇 (Lexology, 2025)。

法律挑戰與合規風險

美國著作權法對 RAG 產生的內容仍缺乏明確判例，法院須考量三大因素：1) 整體輸出是否為「實體作品」; 2) 取用資料的「範圍與比例」; 3) 產出目的是否為「商業利益」 (Lexology, 2025)。若判定為侵權，Perplexity AI 可能面臨高額賠償與禁止令。對於全球 AI 服務商而言，合規風險不僅在於美國司法管轄，亦涉及歐盟版權指令、加拿大著作權法等多國法規 (36Kr, 2025)。

技術與業務對策

從技術層面，企業可考慮以下措施：

建立「版權清單」與「授權管理」機制，僅將已取得授權的資料納入檢索索引。
實行「差分隱私」或「tokenization」技術，確保回傳內容不直接重現原文。
加入「版權標記」與「引用鏈接」功能，提示使用者該資訊來源並提供閱讀原文之連結。
採用「模型蒸餾」或「知識蒸餾」替代直接檢索原文，降低直接引用風險。

從業務層面，企業應：

與新聞機構商定「API 授權協議」，確保資料使用符合法律要求。
建立「法律合規審查」流程，對 RAG 生成內容進行版權風險評估。
制定「風險應對計畫」，包含訴訟風險評估、保險購買與公關策略。

結論與建議

Perplexity AI 案件揭示了 RAG 技術在快速生成高質量答案時，仍面臨嚴峻的版權法挑戰。對於 AI 服務商與技術開發者而言，必須在技術創新與合規要求之間取得平衡。透過建立授權管理、技術緩解、法律審查三位一體的治理架構，可有效降低版權風險，同時維持服務的競爭力與創新性 (Uanalyze, 2025)。