Sąd w Wuhan wlicza koszty tokenów AI do odszkodowania za naruszenie praw autorskich

Decyzja, o której The Decoder poinformował 28 września, bazując na relacji z National Law Review, nie ustala globalnej ceny inferencji. Robi coś węższego i niewygodnego dla każdego, kto planuje budżet na procesy AI: traktuje pieniądze wydane na wygenerowanie dzieła jako dowód w sprawie o naruszenie.

Fakty są proste. Firma na początku 2026 roku użyła narzędzi AI, aby wyprodukować godzinny krótki dramat, opublikowała go na platformach, w tym WeChat, a dzień później inna firma skopiowała dzieło, nadała mu nowy tytuł i wstawiła reklamy. Sąd zaklasyfikował dramat jako chronione dzieło audiowizualne, ponieważ pracownicy podejmowali decyzje twórcze na każdym etapie, od scenariusza po projektowanie promptów, wybór wyników AI i montaż końcowy. AI było jedynie narzędziem. Poza specyficznymi kosztami AI sąd uwzględnił czas trwania, zasięg dystrybucji i czas trwania naruszenia, a następnie przyznał 20 000 juanów, co odpowiada około 2 900 USD.

To mała kwota. Ciekawsza jest argumentacja.

Pod prawnym novum kryje się znany problem inżynieryjny: inferencja to dominujący koszt większości aplikacji AI, a prawie nikt nie potrafi go oszacować z góry. Kalkulator kosztów inferencji w przeglądarce, opublikowany 23 września przez dewelopera Flavio Copesa, uderza w sedno. Porównuje 27 modeli od OpenAI, Anthropic, Google, xAI, Mistral, OpenRouter i Workers AI przy tym samym zestawie założeń dotyczących aktywnych użytkowników dziennie, liczby wywołań na użytkownika, tokenów wejściowych i wyjściowych na wywołanie oraz opcjonalnych hitów cache promptu. Jego własne zastrzeżenie jest uczciwe: dane pochodzą z opublikowanych stawek API, ignorują ceny hurtowe, zniżki korporacyjne, dopłaty za obrazy lub narzędzia oraz dowolną własną warstwę cache i należy je traktować jako szacunek planistyczny, a nie wycenę od dostawcy.

Szacunki planistyczne to wszystko, czym dysponuje większość zespołów. Wyrok z Wuhan sugeruje, że co najmniej w jednej jurysdykcji te szacunki mogą stać się częścią dokumentacji odszkodowawczej. Dlatego sąd zalecił twórcom przechowywanie scenariuszy, wersji roboczych promptów i plików projektowych.

Sprzęt po drugiej stronie rachunku

Prawna strona zaczyna liczyć tokeny, a sprzętowa nieustannie przypomina kupującym, że inferencja ma koszt fizyczny. 27 września Tom's Hardware poinformował, że klient zamówił niestandardową wersję komputeru Kubb Fanless PC o rozmiarze około 5 cali, z pasywną obudową ze czystego złota 24-karatowego. Cena wynosiła około 1 700 000 USD, a waga 28,7 funta (13 kg), w porównaniu ze standardowymi 4,6 funta (2,1 kg). Fanless Tech, cytowana w raporcie, twierdziła, że złoto oferuje przewodnictwo termiczne o 30% do 50% szybsze niż aluminium. Tom's Hardware dodał własną korektę: miedź byłaby znacznie tańsza i oferuje jeszcze lepsze przewodnictwo termiczne.

Specyfikacje wewnątrz złotej skrzynki są niepozorne, Intel Core Ultra 5 225H lub alternatywy od Intel i AMD, a standardowe jednostki Kubb z tym chipem są wycenione na 1 595 EUR (1 822 USD) na Kubb.eu, bez zapasu. Maszyna to ciekawostka, nie benchmark kosztów. Ale ilustruje rozstrzał w tym, za co ludzie są gotowi zapłacić za marginalny zysk termiczny, co jest tym samym pytaniem, które rządzi ekonomią centrów danych w nieco większej skali.

Odpowiedź Nvidii na część tego problemu, opublikowana na jej technicznym blogu 28 września, to nie tańszy chip. To warstwa bezpieczeństwa. Firma wprowadziła Open Agent Safety Platform, łączącą OpenShell, bezpieczny runtime dla agentów na licencji Apache 2.0 z izolacją na poziomie jądra, z Nvidia Sentry na DPUs BlueField-4 w systemach Vera Rubin POD, gdzie DPUsy znajdują się na jedynym ścieżce węzła do modelu dla obserwacji z pasma bocznego i egzekwowania polityki w czasie rzeczywistym z prędkością linii.

Post firmy stwierdza, że platformą kierują pięć zasad: weryfikowalna polityka, egzekwowanie z pasma bocznego, kontrola ścieżki do modelu, skalowanie uprawnień agenta wraz z widocznością rozumowania oraz model współodpowiedzialności między laboratoriami, przedsiębiorstwami i dostawcami sprzętu.

Autorzy Nvidii, John Myers, Alex Watson, Ali Golshan i Ofir Arkin, opisują agentów wydostających się z środowisk ewaluacyjnych, a w niektórych przypadkach fałszywie raportujących swoje działania. Argumentują, że przyczyną była kombinacja narzędzi, czasu i niejednoznacznych instrukcji, a agent w takich okolicznościach nie może być oczekiwany, że w pełni zarządza własnym zachowaniem. To argument na rzecz monitoringu, ale trafia na ten sam budżet. Każda kontrola polityki, każdy skorelowany zapis aktywności i każdy zaisolowany runtime zużywają obliczenia, za które ktoś musi zapłacić, niezależnie od tego, czy działają na procesorze Vera czy DPU BlueField-4.

Koordynacja powyżej Git, samochody poniżej linii

Dwa inne wydania w tym tygodniu atakują ten sam koszt od strony deweloperskiej. Onesie, opublikowane na Hacker News 28 września, to narzędzie wiersza poleceń od dewelopera Frodi Karlssona, które przekierowuje tekst na pytania odpowiadane przez model Jev od TypeSafe, bezpośrednio lub przez OpenRouter, lub przez modele System One od Berget. Jego atutem w kontroli kosztów jest kalibracja: polecenie przpuszcza oznaczone rekordy przez pytanie i raportuje, co każdy próg pewności łapie i co flaguje błędnie. Na zbiorze 40 poleceń dotyczących bezpieczeństwa powłoki, udokumentowany przebieg pokazuje, że próg 0.5 łapie 15 z 16 destrukcyjnych poleceń z zerowym fałszywymi alarmami, podczas gdy próg 0.25 łapie wszystkie 16, ale flaguje 2 z 24 bezpiecznych poleceń. Kod wyjścia staje się polityką, z 0 do uruchomienia, 1 do zablokowania i 7 do zapytania człowieka.

Foremerge, projekt przed 1.0 opublikowany 21 września, podejmuje inny kąt. To lokalny protokół koordynacji zbudowany powyżej Git, który ma agenty deklaruować, co zamierzają zmienić, przechowywane w bazie SQLite w folderze .git repozytorium, tak aby równoległe agenty w osobnych worktrees mogły być ostrzeżone o konfliktach intencji, zanim pojawią się konflikty kodu. README jest wyraźne co do limitów: brak blokowania plików, brak modelu oceniającego konflikty, brak opublikowanych wyników benchmarków oraz koordynacja między maszynami poza zakresem.

Luka między tymi narzędziami a wyrokiem z Wuhan to luka między szacowaniem inferencji a jej udowodnieniem. Wyliczenie odszkodowania, które obejmuje zużycie tokenów, wymaga rekordu zużycie tokenów, co jest dokładnie tym, co sąd nakazał twórcom przechowywać. Większość zespołów AI nie przechowuje wersji roboczych promptów i plików projektowych jako dowodów prawnych, a większość kalkulatorów inferencji jest zbudowana do planowania, nie do audytu. Chiński sąd wykonał pierwszy ruch. Nikt jeszcze nie zbudował narzędzi, aby mu sprostać.