数据抓取的双重标准：Aaron Swartz的悲剧与Meta的逍遥法外
2011年，26岁的Aaron Swartz——RSS标准的联合创始人、Reddit联合创始人、数字权利活动家——在麻省理工学院的校园网络中大规模下载JSTOR学术数据库中的论文。他并未出售这些论文，而是希望通过开放获取的方式让更多人接触到学术知识。然而，联邦检察官Carmen Ortiz决定对他提起极为严厉的指控，包括电信欺诈和计算机欺诈等13项重罪，最高可判35年监禁。面对检方不断升级的指控压力，Swartz于2013年1月选择了结束自己的生命，年仅26岁，引发了全美范围内对计算机欺诈与滥用法案的广泛讨论。
Meta的AI数据抓取：规模远超却毫无代价
快进到2026年，Meta公司正以前所未有的规模进行网络数据抓取。为了训练其大型语言模型和AI系统，Meta的爬虫系统每日抓取数十亿页的网络内容，包括受版权保护的新闻文章、学术论文乃至整本电子书。与Swartz当年从单一数据库下载数十万篇论文相比，Meta的抓取规模是天文数字级别的。然而，Meta不仅没有面临任何刑事指控，甚至连民事诉讼都难以落地。当Swartz被起诉时，JSTOR甚至选择不追究民事责任，而是联邦政府主动介入；而如今，尽管众多内容创作者对Meta的数据抓取表达不满，法律体系似乎对此束手无策。
法律框架的差异：CFAA的模糊地带
造成这种双重标准的核心原因之一，是美国计算机欺诈与滥用法案的模糊解释。在Swartz案中，检方主张他违反了服务条款，因此构成未经授权访问。而到了2021年，最高法院在Van Buren案中做出了重大限缩，裁定该法案仅适用于绕过技术屏障的访问，而不适用于违反使用政策的行为。Meta的爬虫系统通常遵守robots.txt协议，并未绕过任何技术屏障，因此在现行法律框架下几乎不可能被认定违法。
商业利益与司法资源的双标对待
Swartz的所谓罪行——下载学术论文——没有为任何商业实体创造直接收益，但却被联邦检察官投入大量资源进行追诉。而Meta作为市值超过万亿美元的科技巨头，其数据抓取行为直接服务于数十亿美元的AI业务。政府机构对于起诉大型科技公司持谨慎态度，一方面是因为这类诉讼的复杂性，另一方面则是考虑到对经济和就业的影响。这种小人物被抓取数据是犯罪、大公司抓取数据是商业行为的逻辑，正是双重标准的核心体现。
版权法与数据抓取的新战场
近年来，版权侵权诉讼已逐渐取代CFAA，成为内容创作者对抗AI公司数据抓取的主要法律工具。《纽约时报》对OpenAI的诉讼、Getty Images对Stability AI的诉讼，都试图通过版权法来限制AI训练数据中的未授权内容使用。然而，这些诉讼进展缓慢，且面临合理使用原则的强有力抗辩。在Authors Guild诉Google案中，法院裁定Google对图书的大规模数字化扫描构成合理使用，这一先例为AI公司的数据抓取提供了重要的法律保护。
Swartz精神的当代回响
Aaron Swartz生前曾写道："信息就是力量。但就像所有力量一样，有些人只想把它占为己有。"他倡导的开放获取理念，在AI时代显得更加复杂。一方面，AI公司需要大量数据来训练模型推动技术进步；另一方面，内容创作者的权利和数据主体的隐私需要得到保护。Swartz的故事提醒我们，法律应该平等适用于所有人——无论你是个人活动家还是大型科技公司。当Meta将数十亿网页纳入AI训练数据却未受追责时，他的悲剧不仅仅是个人命运的悲剧，更是整个法律体系在数字时代尚未成熟的缩影。