AI先改寫的，是內容產業的生產方式

2024年2月，泰勒．派瑞（Tyler Perry）看完OpenAI展示的Sora後，宣布暫停原本規劃中的8億美元亞特蘭大片廠擴建案。他是美國的編劇、導演、製片人、演員，也是很成功的娛樂產業經營者。除了是內容創作者，他也是大型影視製作基地Tyler Perry Studios的創辦人，片場位於美國亞特蘭大。在美國娛樂產業裡，他不只是明星或導演，而是同時握有內容製作、公司經營、片場投資3種角色的人。

外電報導提到，這個計畫原本包括新增12個大型攝影棚，但派瑞在看到以文字生成高擬真影片的能力後，開始懷疑許多過去必須依靠搭景、外景與大量工作人員才能完成的事情，未來是否還會以同樣方式存在。這不是學者的想像，也不是科技記者誇大其詞，而是一個長期投入內容產業、經營片場的實際投資人，當時在看到生成式AI（Generative AI）之後，直接重估資本支出的案例。

這個新聞把問題講得非常直接。生成式AI進入娛樂產業後，最先被改變的，就是生產方式。片場還要不要蓋？場景還要不要搭？哪些工序還需要人？哪些內容可以先交給模型做出雛形？這些問題一出現，法律上的爭議就不可能避免了。

一、內容產業原本就是手工業

內容產業本質上是道地的手工業。

劇本是一頁一頁磨出來的。旋律、編曲、配器和歌詞，需要人的耳朵、經驗、情緒與時間反覆試錯。表演更不用說，它高度依賴人的身體、聲音、臉孔、節奏、情感與現場反應。即使後來有錄音室、有後製、有串流平台，內容可以流通得更快，內容的形成過程仍然主要是人做出來的。

手工業和工業化產品最大的差別，就在於前者很難大量複製。當然，內容可以重製、可以發行、可以授權，但「做出內容」這件事本身，過去一直都有明顯的時間成本、學習成本與人力成本。也正因為如此，著作權法等智慧財產權法，長期以來其實都建立在一個重要前提上：作品通常來自具體的人，創作過程雖然不一定完全透明，但大致上可以被理解，也值得法律予以肯定；另一方面，作品一旦完成，又很容易被拷貝、抄襲或挪用，因此需要一整套智慧財產權制度來有效地保護創作投入與市場回收。

生成式AI最麻煩的地方，就在於它的產出速度與規模，早已不是「加快一點」而已。它是把原本很難大量複製的表達能力，改以工業化、規模化與日常化的方式生產出來。文字、圖像、音樂可以批量生成，聲音、臉孔、角色和表演感也都可以在一次大量學習後，被拆解、模擬、重組，再送回市場。這件事在以前不是完全做不到，但做不到這麼快、這麼便宜、這麼頻繁，也做不到這麼大量。

二、AI先改寫了什麼？

AI先改寫了內容產業的哪些秩序？這一章想回答的，就是這件事。

答案不只一個，但最核心包含三個層次：

第一，AI改寫了內容如何被生產。

第二，AI改寫了誰在生產鏈上有議價能力。

第三，AI改寫了法律原本依附的事實基礎。

過去法律預設的是，人類創作者用時間、技巧與勞力形成作品，再處理作品如何被利用。今天市場碰到的，卻是系統可能先吃進海量內容，再以近乎工業化的方式吐出新內容。原本建立在各種「人」之上的內容產業，從創作者、編劇、歌手、演員到群眾演員，都可能在這個過程中被重新定價。原有的議價能力，也因此受到直接衝擊。

筆者自2023年初，在生成式AI剛開始被社會普遍認識之際，即已提醒，這個問題至少要從兩條主線來嚴肅思考。

第一條，是訓練端。也就是AI訓練、機器學習的過程，是否涉及著作權與其他權利問題？系統吃進了什麼？如何吃進？是否經過授權？是否形成大規模利用？這些是第一層爭議。

第二條，是產出端。也就是AI生成內容本身能不能受保護，以及它和原作、改作、衍生利用、表演、聲音、人格利益與市場替代效果之間如何互動？系統吐出來的是什麼？人類在其中做了什麼？市場又能拿它做什麼？這是第二層爭議。

這兩條線，看起來像法律分類，其實也是產業分類。因為訓練端決定內容如何被吸收，產出端決定內容如何被賣回市場。偏偏內容產業內的公司與從業者，往往同時兼具這兩種身分：一方面希望利用AI降低生產成本、提高效率，另一方面又擔心自己的作品、聲音、表演與市場位置被AI反過來吸收、替代。也正因如此，這不只是技術問題，更是艱難的價值選擇。

三、法律怎麼走還未定，市場已經先跑了

只要有成本下降的空間，AI就一定會有經濟誘因。

以娛樂產業為例，表面上看起來是夢想、創意、明星與故事，底層其實同時也是成本、工期、回收、資本支出與風險配置。當一項技術可以讓提案更快、前期更省、測試更便宜，甚至讓原本要進棚、搭景、拍攝的某些工作被替代，它很快就會被管理層當成降低成本的工具來看待。派瑞暫停擴建片廠，就是這個邏輯最清楚的例子之一。外電報導指出，他在看過Sora的能力後，直接重新思考原本計畫中的12個新攝影棚是否還有必要？因為他當時就認為，很多原本需要搭景、出外景與大量工作人員的工作，未來都可能被「以文字生成影片」的方式取代。

而且，AI不是進入一個原本很穩定的好萊塢。

非營利機構FilmLA在2025年1月公布的報告指出，2024年在大洛杉磯地區實地拍攝（On-location Production）總計為23,480個拍攝日（Shoot Days），較2023年減少5.6%，是僅高於疫情低點的第二低年度水準。到了2025年4月，FilmLA又公布2025年第一季大洛杉磯實地拍攝再年減22.4%。這些數字反映的不是單純景氣循環，而是拍攝外移、稅務競爭、產業收縮與罷工後復甦疲弱等結構性壓力。好萊塢原本就已經不再穩如過去，AI進來之後，讓「還有多少工作必須留在原本的工業體系裡」這個問題變得更快、更尖銳。

這不是只有內容產業才會遇到的問題，而是AI對各行各業都同樣帶來衝擊：一方面受到它的影響，另一方面又想利用它的效率與利益。即使是高度支持AI發展的川普政府，在2025年12月的行政命令《確立人工智慧國家政策框架》（Ensuring a National Policy Framework for Artificial Intelligence）中，主軸也是建立聯邦層級、低負擔且一致的AI政策框架，避免各州各自立法形成妨礙創新的碎片化管制。

到了2026年3月公布的《人工智慧國家政策框架：立法建議》（A National Policy Framework for Artificial Intelligence: Legislative Recommendations），白宮在「尊重智慧財產權並支持創作者」一節的立場更清楚了：文件明白表示，行政部門相信，以受著作權保護的材料訓練AI模型，不違反著作權法；雖然也承認相反主張確實存在，但仍主張應由法院繼續處理這個爭議。文件並進一步指出，國會不應採取任何行動，去影響司法部門對「以受著作權保護材料訓練AI是否構成合理使用（Fair Use）」的判斷。換句話說，白宮不是中立地把問題交給法院，而是在先表明自身政策立場後，再主張立法部門不要介入影響法院可能形成的判決方向。

而且，白宮文件並不只是抽象地說「支持創新」而已。它進一步指出，若國會未來真的要回應創作者利益，可以考慮建立授權框架或集體權利制度；但文件又特別強調，任何此類立法都不應處理何時或是否必須取得授權。

白宮文件還留下另一個值得注意的保護空間。對於AI生成數位分身（Digital Replica）涉及的聲音、肖像或其他可識別特徵，如有未經授權的散布或商業利用，文件明確支持建立聯邦層級的保護框架；但同時，又替戲謔仿作、諷刺、新聞報導與其他受第一修正案保障的表達保留例外。文件甚至明白提醒，不能讓這種保護框架被拿來壓制線上言論自由。這代表在白宮的政策設計裡，著作權的訓練爭議與數位分身的人格風險，並不是被放在同一層次處理。誰強誰弱？閱讀該文件全文可以明顯感受。

這個訊號其實非常清楚。白宮在國家AI政策方向上，主要仍是表態支持AI發展，把許多核心爭議留給法院，同時也呼籲國會不要過度干預。若真要處理創作者補償問題，文件提出的方向較接近授權框架或集體權利制度，但又刻意不碰「何時必須先取得授權」這個最敏感的核心。換句話說，在這樣的政策環境下，內容產業面臨的風暴很可能是史無前例的：法律制度還沒有底定之前，產業風貌就可能已經改變好幾輪。

四、編劇和演員的不安，並不是抽象的科技焦慮

2023年美國編劇公會( WGA )與美國演員工會暨美國電視與廣播藝人聯合會（SAG-AFTRA，簡稱美國演員工會）的大罷工，讓這個問題第一次被大眾看見。

雖然在那個時間點，AI才正開始大量進入產業領域，不過WGA在其AI相關說明中已經講得很清楚。2023年最低基本協議（Minimum Basic Agreement, MBA）對AI的基本立場之一，是無論傳統AI或生成式AI，都不是「作者」，因此由AI產生的產出物不應被視為經濟評價的創作材料。WGA也特別強調，公司不能強迫會員編劇使用AI；若公司提供給編劇的材料包含生成式AI內容，也必須揭露。這些規則已經非常清楚地顯示，工會擔心的不是一項中立的新工具，而是這項技術一旦進入編劇流程，就會直接影響編劇的工作位置、報酬結構與署名秩序。

同樣地，SAG-AFTRA對群眾演員的數位掃描條款，也把問題講得很白。SAG-AFTRA在2024年8月的說明指出，如果製作方要掃描群眾演員以建立數位分身，原則上必須至少提前48小時通知，並且需要取得明白同意；若在不同專案或不同方式下使用該數位分身，還需要再次取得同意並支付相應報酬。SAG-AFTRA同時說明，在新合約條款下，不能不經同意就任意使用或授權使用這些數位分身。這已經不是抽象的科技焦慮，而是非常具體的勞動、報酬與定價問題。

這些條文和說明真正揭露的，是市場已經清楚認知AI不只是輔助工具，也可能直接成為工作機會的競爭者。未來如何應用AI進入內容產業，必然直接影響哪些工作還由真人完成、哪些表演可以被掃描保存、哪些報酬還能維持原本的結構，以及整個市場如何重新定價。

五、以前的學習和臨摹不易量產，AI完全不是這樣

在沒有生成式AI的年代，學習風格、模仿名家、臨摹畫風、研究配樂套路，偶爾也會引發討論，卻通常停留在個案甚至學理上的有趣探討，還不至於形成太大的社會衝擊。原因並不難懂，以學生臨摹名家畫作為例，即使未必逐一取得授權，問題往往也不會立刻被放大到產業秩序層次，因為這些行為有一個共同特徵：產能有限。

模仿有成本，臨摹有速度限制，量產有技術門檻。也因此，這些行為過去多半被當成有趣但麻煩的邊界問題來討論，而不是整個市場都必須立刻回應的結構性風險。

但今天不一樣。

今天的AI，例如極端案例的一鍵生成式AI，最驚人的地方並不是偶爾做出一張驚豔的圖片，或一段看起來像樣的影片，而是它把原本高門檻的模擬能力，推向大規模、快速、低成本的量產，並且直接成為生產力的一環。過去創作者對於風格學習的容忍，是建立在人類能力有限的現實上；現在市場面對的，卻是系統化吸收、系統化生成，以及系統化進入商業市場。

因此，過去只是有趣問題的事，今天會變成官司、合約條款、平台規則與工會談判。因為它真正撼動的，已經不是單一作品像不像，而是經濟利益分配的遊戲規則。

娛樂法：AI如何改寫內容產業