周亚平：音乐产业的实践告诉我们，一对一授权对海量训练数据来说就是灾难。更可行的路径应当是集体管理——平台向集体管理组织支付年度一揽子许可费，一次性覆盖成千上万首作品，权利人按数据比例分润。这样可以把交易成本降下来，中小权利人无需单独谈判也能获得补偿。音集协认为应将集体管理职能延伸到AI训练场景，实现“一站式收取和转付”。但训练数据是整个生成式AI的地基：如果模型侵权使用海量数据训练，后续所有输出就不具有合法性。没有合法授权，模型本身就是“污染源”，后续的输出、声音克隆、传播行为，都可能被追溯为衍生侵权。

　　刘晓春：从治理的可操作性看，我认为输出端应当优先突破。训练数据的合理使用认定，国际上尚未形成统一共识；而输出端的侵权事实更直观——直接再现他人作品、未经授权将生成内容商业化传播，对权利人的损害更容易量化。优先治理输出端，能以更低的成本实现更高的治理效能，同时为训练端的合规模式探索留出缓冲空间。

　　主持人：周亚平先生认为，训练端不先理顺，模型本身就带着“原罪”；刘晓春教授则担心，如果把成本全转嫁到训练端，中小创新者根本没有出场机会。这两种代价，究竟该先避免哪一种？

　　周亚平：如果源头长期无序，原创者会先出局——创作者一旦失去对自身作品被学习、被复制的控制权，而后其输出的内容又无法对原创者进行合理补偿，那么整个内容产业的经济秩序都会被颠覆。