Cosmos 训练数据抓取争议

定义与机制

2024-08，404 Media 报道泄露的内部材料显示 NVIDIA 为 Cosmos 类视频模型大规模下载 YouTube 视频，内部消息称已下载约 3,850 万视频 URL（Law360 转述；⚠️ 原稿"一个月 3,000 万"未找到出处）[1][2]。Cosmos 平台训练集自述约 1 亿视频片段、2,000 万小时原始视频。

证据与数字

• 诉讼：David Millette 于 2024-08-14 在加州北区联邦法院起诉，诉由为不当得利与不正当竞争；2025-11-26 H3H3 等频道在同一法院起诉并援引 DMCA 反规避条款；另有一起集体诉讼点名 NVIDIA 与 YouTube（⚠️ 时间未核）[2][3]。
• NVIDIA 立场：版权保护表达而非事实或想法，训练属合理使用。
• 下游影响：基于 Cosmos 权重生成的数据继承相同的来源不确定性。

争议或反方

• 未查到判决或和解，状态待核，细节以法院文件为准。
• 合理使用在视频生成训练上缺少定论；反方认为抓取绕过平台技术限制。
• 数据来源不透明使下游商用方难以做合规审计。

视频生成视角

报道内容

2024-08-05，404 Media 报道员工被要求从 YouTube、Netflix 等抓取视频，标题称"每天一个人类一生的时长"；NVIDIA 回应称"完全符合版权法的文字与精神"[1]。流传的"80 年/天"说法在可读正文中未核到 ⚠️。

诉讼中的数字

2025-11-26 的创作者诉讼（N.D. Cal.）称 NVIDIA 2024-05 已下载 3850 万视频 URL，并援引内部 Slack 的数据集创建频道，均为原告指控 [2]。另有 David Millette 的独立诉讼。NVIDIA 2026-04 提驳回动议、05 提交 reply，未查到裁定。详见 YouTube 创作者系列诉讼（DMCA 1201）。

与公开技报的对照

NVIDIA Cosmos（Predict / Transfer） 技报称约 2000 万小时原始视频（720p-4K）来自"专有数据与公开互联网视频"，预训练约 10^8 clip、微调约 10^7 clip，未披露源视频授权 [3]。报道与技报无法逐项对应，不能据此认定哪部分来自 YouTube。

来源

1. https://www.404media.co/nvidia-sued-for-scraping-youtube-after-404-media-investigation/ (2026-10-14)
2. https://www.legaldive.com/news/nvidia-open-ai-face-youtube-creator-lawsuits-for-using-online-videos/ (2026-10-14)
3. https://news.bloomberglaw.com/ip-law/nvidia-faces-class-action-over-scraping-youtube-to-train-ai (2026-10-14)
4. https://404media.co/nvidia-ai-scraping-foundational-model-cosmos-project/ (2026-10-15)
5. https://news.bloomberglaw.com/ip-law/nvidia-youtubers-fight-over-access-controls-in-copyright-suit (2026-10-15)
6. https://arxiv.org/html/2501.03575 (2026-10-15)