1956年，全球最大私营企业AT&T在反垄断压力下，将其全部7820项未过期专利及未来专利以免费或合理费率向所有美国公司开放，这一决定使贝尔实验室的众多重大发明成果从垄断走向市场共享。

好的，作为一名专业的中文编辑，我将对您提供的英文文章进行中文重述，保留核心细节，并删减与主题无关的冗余内容。

文章主旨：公共天才的私有化

1956年，全球最大的私营公司AT&T（美国电话电报公司）与政府达成了一项历史性的反垄断和解协议。作为协议的一部分，AT&T将其拥有的近8000项未过期专利，免费、免版税地授权给任何提出申请的美国公司。这一举措，加上AT&T被限制只能从事电信业务，使得贝尔实验室（Bell Labs）这个孕育了晶体管、太阳能电池、信息论等无数科学里程碑的传奇研究机构，其大量与电信无关的专利（约占其专利总数的69%）瞬间涌入市场。

这些释放的专利在短短几年内，在电信行业之外催生了近60亿美元的后续专利价值，其中约35亿美元来自年轻的初创公司。这场创新浪潮的著名分支之一，便是经由肖克利半导体、仙童半导体，最终孕育出了英特尔。英特尔的联合创始人戈登·摩尔后来评价道，这一和解协议是“商业半导体行业最重要的发展之一”，它直接开启了硅谷的崛起。

贝尔实验室之所以能成为创新的沃土，其根本原因在于AT&T的垄断地位。作为受监管的垄断企业，AT&T的利润有保障，其庞大的研发预算实际上由全美电话用户通过话费补贴。这种独特的机制创造了一个“稻田”般的环境：研发投入既是可回收的成本，又能扩大资本基础，从而在固定的回报率下产生更大的绝对利润。这使得贝尔实验室能够进行长期的、耐心的探索，而不必像普通公司那样将研发视为需要最小化的成本。

然而，今天的“前沿科学”景象已截然不同，它根植于模型权重和GPU，在数据中心中绽放。以OpenAI和Anthropic为代表的前沿AI实验室，其模型能力建立在对“人类集体经验、知识和学习成果”的压缩之上。这些模型通过训练，吸收了互联网上几乎所有的公开文本——书籍、论坛、代码、论文、评论等等。这本质上是对“公共天才”的私有化捕获。

文章用一个“河流三角洲”的比喻来形容互联网：无数个体的思想、表达如同泥沙，汇聚成这个信息三角洲。AI模型则像是一个巨大的抽水机，将这片肥沃的土壤压缩成数值权重，并从中收获价值。然而，这片三角洲的养分是由每一个“某人”贡献的，包括已故的先贤和活着的你我。你的每一次发帖、评论、创作，都成为了三角洲的一部分。

从经济学角度看，互联网上的数据具有公共物品（非排他性、非竞争性）的特征。前沿实验室通常以“合理使用”为由，主张其训练行为合法。但文章指出，这存在两个问题：1）公开访问不等于授予使用许可；2）在AI训练用例出现之前，用户无法预见并同意其作品被用于此目的。目前的法律对此尚无定论，相关判决也充满矛盾。

实验室最诱人的辩护是“模型只是在阅读”，就像人类阅读后学习一样。但文章反驳道，人类阅读后以“人类速度”创作，而模型阅读后则以“工业规模”输出，直接与原作者竞争。灵感不会稀释市场，但印刷（大规模复制）会。这就像古腾堡印刷术最终催生了现代版权法一样，新的技术浪潮必然要求法律和制度的更新。

更深层的问题在于，AI模型对互联网的“收割”正在破坏其赖以生存的生态系统。当AI生成的内容充斥网络，人类创作者发现自己的作品难以被看见，甚至被误认为是AI生成时，他们参与和贡献的意愿就会降低。这损害了互联网的“发现层”、“注意力层”和“贡献层”，最终可能导致整个互联网的“不可逆损坏”。

那么，如何解决这个问题？文章提出了一个核心方案：语料库版税（Corpus Royalty）。

其逻辑是：既然无法精确计算每个个体贡献的价值（这在数学和计算上都是不可能的），那么就应该向“团队”支付报酬。前沿实验室应将其总收入的一个固定比例，投入一个公共基金，然后平均分配给所有符合条件的公民。这并非福利、慈善或税收，而是赔偿，是对实验室“不当得利”的纠正。它承认了公众的贡献，并让公众分享由他们创造的价值所带来的收益。

文章最后总结，这并非全新的问题，只是规模达到了文明级别。这是“公共天才的私有化”。面对这种将公共支持私有化的行为，公众需要拥有索取权。语料库版税正是这样一种机制，它确保人类散落的智慧火花，能够从它们帮助创造的财富中分得一杯羹。

根据评论内容，总结主要观点如下：

1. 全球公平分配问题
- 评论1指出，训练数据贡献来自全球，补偿应覆盖全球，建议由联合国管理并公平分配（如用于减贫）。
- 关键引用：
- "That contribution came from all over the world, so the Corpus Fund needs to be paid all over the world."
- "Set it up in the UN... distribute the money in the most equitable manner globally."

2. 公共资源与私人利益的冲突
- 评论5以加州水权案类比，认为AI公司将公共数据视为永久私有权，忽视公共信托责任，呼吁建立公共知识库。
- 评论3质疑为何只针对AI公司征税，认为应关注社会成本而非产出，且公共知识非竞争性资源不应征税。
- 关键引用：
- "The beneficiary of a public resource recasting a conditional public license as a permanent private entitlement."
- "If everyone can access the public knowledge without rendering it less useful... there should be no reason to tax it."

3. 技术进步与利益分配的平衡
- 评论7认为作者低估了开源模型的扩散性，受益者分散，难以征税；同时AI也创造了公共价值，个人受益可能超过贡献。
- 评论8以轧棉机专利侵权为例，预测法律会因经济重要性而默许AI使用版权材料。
- 关键引用：
- "What if open source is at least mostly competitive... the people benefiting are actually just rando people."
- "Every country wants to have the most powerful models... the law will continue to turn a blind eye."

4. 对文章观点的评价
- 评论4称赞文章精准捕捉了LLM的伦理问题，但认为在技术社区中可能不受欢迎。
- 评论2指出文章从“是什么”悄然转向“应该是什么”，并期待法律适应AI带来的新变化。
- 关键引用：
- "It succinctly captured the offenses to ethics and humanism posed by LLMs."
- "A switch is quietly flipped... where the article was talking about what is and suddenly... what should be."

5. 替代方案：建设公共知识库
- 评论5建议效仿reCAPTCHA，建立可公开访问的知识库，让创作者自愿参与，而非争夺小额补偿。
- 关键引用：
- "Fighting over small reparations... seems less transformative than building a public knowledge commons."
- "Authors, writers, and shitposters could opt in as desired."