本文系统梳理AI训练数据的版权合规问题，涵盖美国、欧盟、日本、中国法律框架及主要判例，分析Common Crawl、Books3等数据集的许可风险，并提供预训练、微调、RAG场景的工程合规清单，强调数据溯源、opt-out尊重及风险分级管理。