罗盘 / AI训练数据分红机制
暗星档案 · 未点亮的星AI训练数据分红机制
本条为初评草案（AI 辅助编目）：T 阶为三问初评（撬动面 × 停滞度 × 临界性），双评过 σ 门并红蓝复核后才升"已建档"。查不到的字段留空不编。点亮者会进入亮星候选流程，其贡献与星阶按 HCF 独立重评，不从暗星自动继承。
AI训练数据分红机制T5 量级 · 新星
AI用了你的数据，该有一张分红支票
暗星编号DS-1072
轴A · 可及性与成员福祉
领域governance-institutions
状态初评草案 · 待双评与红蓝复核
这是什么 · 为什么难
生成式AI的训练数据几乎全部来自未获授权同意的公开内容，2026年多个方案提出让科技公司为使用数据付费——例如向未明确授权数据被使用的个人所有者按月征收费用、汇入由政府管理的AI分红基金并按季分配。纽约州议员Alex Bores提出的AI分红计划已进入国会竞选政纲，通过对AI消耗征税和公司股权注入基金，向因AI被替代工作的人直接发放补偿；2025年12月已有试点项目直接向受AI转型影响的工人发放补偿并取得积极反馈。攻破意味着：建成类似ASCAP/BMI音乐版税分配体系的AI时代数据使用追踪与分红基础设施，让数据贡献者获得可持续、可核算的收益而非一次性被「免费吃掉」。
卡在哪 · 机制级卡点
卡在归因技术与政治意愿双重瓶颈：如何在千亿级训练样本中可信地核算每个数据来源的边际贡献仍是未解的技术问题（音乐版税可按播放次数统计，AI训练数据的「使用量」如何界定尚无共识）；同时立法层面面临科技公司的强力游说阻力，目前多数方案仍停留在提案而非落地法规阶段。
谁在攻
Alex Bores（纽约州议员，AI Dividend立法提案）、Human Data Rights Coalition（AI Dividend试点项目）、南加州大学AI Dividend研究项目
怎么参与
关注各州/国AI数据分红立法草案公开征求意见，数据溯源与归因算法开源项目