同时，产业界与学术界也在讨论更细致的AI版税模型。

　　去年10月，索尼AI研究人员主导发布的论文《Attribution-by-design》提出，要区分training-time attribution(训练时归因)和inference-time attribution(推理/生成时归因)，并建立可验证的来源追踪和版税分配机制。

　　另一篇由伊利诺伊大学厄巴纳香槟分校(UIUC)等机构的研究人员发布的论文《Computational Copyright》则更早提出，可以借鉴Spotify、YouTube等平台的分账逻辑，用数据归因技术来判断AI生成音乐受哪些训练作品影响，并据此设计AI音乐生成平台的收入分享模型。

　　此外，围绕艺术风格、创作特征和人格属性展开的“类风格权”概念，也已经开始在立法、市场和平台治理中浮现。

　　今年6月，美国国会议员提出法案《CREATOR Act》(创作者权利保障法案)，面向视觉艺术家，试图让创作者在AI未经许可、为商业目的模仿其独特视觉风格时，有权阻止并索赔。官方明确承认，现行版权法只保护具体作品，却不保护创作者的风格;而风格恰恰是AI时代最容易被复制、也最难被定价的东西，该法案正是想填补这一空白。

　　尽管CREATOR Act当前仅覆盖视觉领域，且尚处立法初期，但它为音乐行业创作者的焦虑，第一次提供了可对照的解决方案的轮廓。

　　这也是为什么，未来的核心战场未必只在早看腻了的版权大战和法庭对峙里。真正的交锋，正在被前移到更早且更隐蔽的地方发生：训练、生成、归因和分配，新规则正在这些细节里一点点长出来。