微软 MAI 系列 AI 模型训练数据曝光，"仅商业授权"说法存在出入

微软最新发布的 MAI 系列 AI 模型被指训练数据来源与公司公开承诺不符。据 The Decoder 报道,微软技术论文显示 MAI 模型实际上采用了"公开可得数据 + 授权人类生成数据"的混合方案,包含 Common Crawl 等开放网络数据,但微软此前对外宣传时强调"完全基于干净数据从零开始训练"、"仅采用企业级、干净且商业授权数据"。媒体批评微软将"未屏蔽即视为可抓取"的爬虫逻辑合理化,认为这种"没有锁门就等于同意进入"的思路,将内容保护的责任转嫁给网站所有者,存在数据合规和公司对外承诺不一致的风险,可能引发版权方对 AI 训练数据来源的进一步质疑与监管关注。