一行 robots.txt，决定你的内容能否「喂给」大模型
过去，网站主若想阻止内容被拿去训练模型，只能依赖各家互不兼容的私有关停开关，或寄望于法律的模糊地带。IETF 草案 draft-kelley-aipref-training-preference-signal-00（作者 Kevin Kelley，由 Anthropic 提交，2026-10-30 发布，计划 2027-05-03 过期，归属「AI Preferences / aipref」工作组）把这件事标准化：在 robots.txt 中加入一行 __usage_ai_training: /，即表示全站内容不应用于模型训练。它复用了已经运行二十多年的 robots.txt 机制，因此不需要网站主部署新基础设施，也不需要逐个和每家实验室谈判。
四家实验室为何罕见同框
OpenAI、Google、Microsoft、Anthropic 同时表态支持，并不是一次普通的产品联动，而是算力与数据两端的头部玩家在「数据权属」议题上达成的罕见共识。它们既是训练数据的「消费者」，也被外界持续追问内容来源的合规性，因此推动一个可被机器读取、可被审计的退出信号，对各方都有减压作用。该草案背后的 aipref 工作组由 Mark Nottingham（Cloudflare）与 Suresh Krishnan（Cisco）共同担任主席，意味着标准制定方并非模型厂商单方面主导，而是引入了网络基础设施与中立机构视角。
它解决什么，又不解决什么
需要澄清的是，这个令牌的边界相当克制：它只覆盖「训练（training）」这一种用途，不涉及爬取（crawling）、检索（grounding）或缓存（caching）。换句话说，写了这行指令，模型下次训练时理论上应当避开你的内容，但你的页面仍可能被搜索引擎收录、仍可能被实时检索引用。更关键的是，它不具「回溯效力」——已经采集进训练集的数据，不会因为这行声明而自动被删除或重训。对内容创作者而言，它是一道「向前生效的软开关」，而非「一键清除历史」的橡皮擦。
各家的落地时间表
四家在表态的同时，给出了差异明显的执行节奏：Anthropic 表示已经在实施；OpenAI 称将在「未来数月内」落地；Microsoft 给出了最明确的时间点——计划于 2027 年 2 月 1 日生效，并取代既有的 NoArchive / NoCache 指令，网站主需要在 2027 年 3 月 1 日前完成迁移；Google 则要到 2027 年才会兑现。Microsoft 的 Krishna Madhavan 与 Google 的 John Mueller 都在各自的公开说明中强调，这一机制是对内容创作者意愿的机器可读回应，而非法律层面的强制合规工具。
为什么值得关注：数据权属的「软开关」
在大模型训练数据来源持续受到监管与版权诉讼审视的背景下，__usage_ai_training 的意义不在于它能否彻底解决数据确权难题，而在于它把「退出权」从各家互不兼容的私有关停开关，统一成了一个可被爬虫、可被审计、可被创作者低成本使用的标准信号。它对媒体、个人博客、开源社区与创作者经济都现实可用：写一行字就能表达态度，而不必依赖事后维权。但它也留下真问题——令牌的遵守依赖厂商自觉，缺少强制约束力；且对已经投喂进模型的历史数据，它无能为力。这更像是行业自我规制的第一步，而非终点。