15億美元的內容代價：Anthropic和解案重新劃定AI訓練資料的責任邊界
GFM編者按
2026年7月20日，美國加州北區聯邦地區法院正式批准Anthropic與作者及出版商群體達成的15億美元版權和解。這是目前已知規模最大的美國版權集體訴訟和解，也是生成式人工智慧興起以來，第一宗以如此巨大金額完成實質處理的訓練資料版權案件。
法院的最終批准，為這宗持續近兩年的案件劃下一個重要的程序節點，也使人工智慧訓練資料的合法來源，第一次以十億美元級別的代價進入公眾視野。
這宗案件很容易被理解為科技公司與作家之間的一場利益衝突。案件真正觸及的範圍更深：一家人工智慧公司可以通過甚麼方式取得訓練資料，又應當如何證明自己有權保存、複製和使用這些資料。
法院沒有全面否定人工智慧使用受版權保護的作品進行模型訓練，也沒有裁定每一次模型訓練都必須向作者支付費用。法院所劃出的界線，落在資料進入企業系統的過程。作品的用途可能具有轉化性，取得作品的方式仍然需要接受版權法檢驗。
過去幾年，人工智慧行業把主要精力放在模型能力、算力供應和產品競爭上。訓練資料經常被視為互聯網中自然存在的資源。書籍、新聞、照片、錄音和研究成果被統稱為「資料」，作品背後那些具體的人——作者、出版人、攝影師、記者和研究者——也在這個技術名詞中逐漸失去了清晰的面孔。
Anthropic案提醒整個行業，內容一旦進入商業模型，來源便不能繼續含糊。人工智慧可以學習人類長期積累的知識，經營這些模型的企業則必須對資料如何進入系統作出交代。
如今，這項責任有了一個具體的數字：15億美元。
（圖片說明） 美國加州北區聯邦地區法院。Anthropic十五億美元版權和解案完成最終司法批准，為人工智慧訓練資料的合法來源與權利責任劃定新的法律邊界。
法院在7月20日批准了甚麼?
2024年8月，作家Andrea Bartz、Charles Graeber和Kirk Wallace Johnson對Anthropic提起集體訴訟，指控這家Claude人工智慧模型的開發商未經許可下載、複製並保存大量受版權保護的書籍。
案件在2025年出現關鍵轉折。時任主審法官William Alsup認為，Anthropic將書籍用於訓練大語言模型，在案件所呈現的具體情況下具有轉化性，可以受到合理使用原則的保護。但法院同時認為，公司從LibGen等網絡影子圖書館取得數百萬本盜版電子書，並將其保存於中央數字圖書館的行為，不能因為其中部分書籍後來用於模型訓練便自動取得合法性。
案件原本可能進入損害賠償審判。若陪審團認定Anthropic存在故意侵權，潛在責任可能遠遠超過最終和解金額。面對巨大的訴訟風險，雙方於2025年達成15億美元和解，法院先行作出初步批准。
直到2026年7月20日，聯邦地區法院法官Araceli Martínez-Olguín簽署最終批准令，這項和解才在司法程序上正式生效。最終批准意味着作品範圍、索賠程序、收益分配和律師費等主要問題已經獲得法院確認，這宗具有指標意義的案件由此進入執行和付款階段。
這也是今天重新審視Anthropic案的新聞理由。2025年的裁定提出了法律邊界，2026年7月20日的最終批准則把這條邊界轉化成了一筆真實、可執行的企業成本。
一本書，兩種來歷
為了訓練大語言模型，Anthropic曾建立規模龐大的電子書資料庫。法院審理過程中，相關書籍按照取得方式被分成兩種截然不同的情況。
其中一類是Anthropic通過正常渠道購買的紙本書籍。公司買回書籍後拆除裝訂，將書頁掃描成電子檔案，保存於內部資料庫並用於模型訓練。法院認為，在這宗案件所呈現的具體條件下，將依法購買的書籍轉化為數字版本並用於訓練，可能受到合理使用原則保護。
另一類書籍來自未經授權的網絡資料庫。Anthropic沒有經由正常購買渠道取得這些電子檔案，也沒有獲得作者或出版社的許可。其中一部分被送入模型訓練流程，另一部分則長期保存在公司的中央數字圖書館，等待將來可能出現的用途。
同一套訓練系統，一端連着企業花錢買回並親手拆掉裝訂線的紙本書，另一端連着從影子圖書館批量下載的電子檔案。它們最終進入同一座資料庫，由同一套模型讀取，法律上的來歷卻完全不同。
Alsup法官在2025年的裁定中認為，模型訓練的轉化性無法追溯性地改變資料最初的取得方式。作品後來被應用於多麼先進的技術，並不能抹去它如何進入企業系統的歷史。法院允許Anthropic就部分模型訓練行為主張合理使用，但要求公司繼續面對因建立盜版中央圖書館而產生的侵權責任。
這項裁定把人工智慧訓練的不同環節分開審視。企業如何使用一項作品，以及企業如何取得這項作品，各有自己的法律邊界。模型的技術創新程度，不能替資料採集過程提供一張不受限制的通行證。
（圖片說明）企業將合法購買的紙本實體書拆除裝訂並掃描成電子檔案，用於人工智慧模型訓練，法院認為此類行為在特定條件下可能受合理使用保護。
15億美元怎麼形成
最終和解涉及約48.2萬部合資格作品，名義金額約為每部作品3,000美元。在法院作出最終批准前，超過九成的合資格作品已經完成申領。對一宗涉及數十萬部作品的集體訴訟而言，這是一個相當高的申領比例。
這些數字背後，是幾十萬部作品第一次被放進同一套司法清算程序。書名、作者、出版社、版權登記與權利歸屬需要逐一核對，原本散落在不同作者和出版機構手中的權利，因集體訴訟而獲得了共同的執行能力。
15億美元並非法院在完整審判後，對每一本涉案書籍逐一評估市場價值所得出的賠償判決。Anthropic也沒有通過和解承認全部指控。這筆金額綜合反映了法定賠償風險、訴訟成本、舉證難度、陪審團裁決的不確定性，以及案件繼續發展可能造成的商業影響。
它不能被當作所有AI訓練內容的統一價格。更準確地說，這是一批歷史責任集中清算後形成的司法價格信號。
過去，訓練資料來源不明只是一種抽象的合規風險。許多公司知道某些資料可能存在版權問題，卻難以判斷這種風險會在甚麼時候、以多大的金額出現在企業帳面上。
Anthropic案把這種不確定性變成了一個董事會、投資人、保險公司和財務部門都能看見的數字。15億美元足以改變一家企業對資料管理成本的理解，也會影響資本市場今後如何評估人工智慧公司的資料資產。
書進入模型以前，經過了誰的手
普通人想像中的人工智慧訓練，像是一場規模巨大的閱讀。模型讀取書籍，學習語言、知識與結構，然後生成新的內容。
這個畫面省略了閱讀開始以前的大量工作。
資料需要先被尋找、下載、複製、清洗、去重和建立索引，才能交給訓練系統。它可能在不同部門、雲端伺服器和外包機構之間流轉，也可能在第一次訓練結束後繼續留存，等待進入下一個模型、下一次測試或下一款商業產品。
每一次轉移和再利用，都可能碰到不同的權利邊界。購買一本紙本書，不代表可以任意製作和傳播電子副本；取得一張照片的新聞刊登權，不代表可以把照片交給圖像模型長期訓練；得到一篇文章的翻譯授權，也不必然包括將譯文永久放入商業資料庫的權利。
這整條流程中，工程團隊通常關心資料是否足夠、格式是否可用，管理層則關注模型能否按時完成和產品能否盡快推出。資料來源是否合法、授權範圍有多大，經常被留到最後才處理。
當模型規模持續擴大，這種做法累積的風險也會隨之增加。單一作品的索賠對大型公司或許微不足道，數十萬部作品疊加在一起，便可能形成企業難以承受的法律責任。
大型資料集可以提高模型能力，也可能把原本分散的版權爭議匯聚成巨額負債。這是人工智慧規模效應中較少被討論的一面。
（圖片說明）從網絡影子圖書館批量下載盜版電子書並建立中央數字圖書館的行為，成為Anthropic案中法院認定無法因後續訓練而自動合法化的關鍵爭議點。
作者過去為甚麼追不動
作家、記者和攝影師長期面對一個現實困境：他們很難知道自己的作品有沒有進入某個模型。
人工智慧公司通常不公開完整的訓練資料清單。即使作者懷疑自己的作品曾被使用，也很難證明企業在何時下載、保存在哪一套資料庫，又被用於哪一個模型版本。
對一位獨立作者而言，追查一本書的使用軌跡，付出的時間、律師費和技術取證成本，往往高於最終可能取得的賠償。大量微小但真實的權利，就這樣停留在無法執行的狀態。
集體訴訟改變了這種力量關係。
當作者和出版商把作品名單、版權登記、出版資料和下載證據集中起來，原本分散的個人權利便形成一個可以被法院處理的索賠集合。和解管理程序需要辨識每一部作品、確認作者和出版社的權利，還要處理同一作品存在多名權利人的情況。
這項工作本身，也提供了一個值得新聞業觀察的制度樣本。
內容需要具有清晰的身份，才能進入授權程序；權利人需要被確認，收益才知道應該分配給誰。當作品、權利人和使用紀錄長期處於模糊狀態，內容即使被大量使用，也很難轉化為作者真正能夠獲得的收入。
AI公司將迎來新的資料審計
大型人工智慧公司經常強調，模型不會像硬碟一樣逐字保存每一本訓練書籍，訓練過程在某些方面更接近人類學習語言和知識。
這項主張在合理使用的法律分析中具有一定位置，卻無法代替企業對資料來源的審查。
未來，人工智慧公司需要回答的問題會變得十分具體。企業需要知道訓練資料由誰提供，提供者是否擁有授權資格；原始下載記錄是否仍然保存；一份授權可以用於多少個模型版本；資料能否轉交雲端服務商、外包機構和關聯企業；作者撤回授權時，公司是否能夠找到並處理相關內容；模型更新以後，舊版資料是否仍然留存在系統中。
這些問題將逐漸進入投資併購、保險承保、企業審計和董事會風險管理。
一家公司擁有海量資料，不等於它擁有高質量的資料資產。當大量內容缺少清晰來源和授權證明，資料規模可能成為估值折扣的理由。相較之下，一套規模較小、來源可靠、權利明確並可以持續更新的資料庫，往往具有更穩定的商業價值。
人工智慧行業過去習慣比較參數數量、算力成本和模型性能。Anthropic案之後，資料的法律質量也將逐漸成為企業競爭力的一部分。
（圖片說明）人工智慧數據中心中，書籍與文本資料以數據流形式進入模型訓練系統，凸顯訓練資料來源合法性與企業合規責任的重要性。
新聞業的權利關係，比書籍更難拆
書籍出版已有相對成熟的版權登記、ISBN和出版合約體系。新聞內容的組成通常更加複雜。
一篇新聞報道可能同時包含記者撰寫的文字、通訊社材料、攝影師的照片、受訪者提供的文件、社交媒體截圖、公開資料、採訪錄音、翻譯內容和數據圖表。讀者看到的是一篇完整文章，文章內部卻可能存在多套權利關係。
一段普通的採訪錄音便能說明其中的困難。
受訪者同意公開談話，記者把談話整理成報道，媒體根據聘用或合作關係取得文章的發布權。到這一步，相關權利通常比較清楚。
如果這段錄音後來被剪入播客，又被交給語音模型進行訓練，情況便發生了變化。受訪者當初同意的是談話內容被公開報道，未必包括把自己的聲音轉化為一套可以生成新語句的合成模型。
每增加一種用途，原有同意的邊界都可能被向外推動。當事人卻未必知道自己的聲音、影像或文字已經進入新的技術系統。
傳統新聞生產主要服務於一次發布。編輯部核實事實、確認署名、處理圖片來源，文章刊登之後，大部分工作便告完成。
人工智慧延長了內容的生命週期。一篇報道可以被翻譯成多種語言，製作成音頻和影片，進入檢索資料庫，也可以授權給研究平台或模型公司。當內容被反覆調用，當初依靠一封電郵、一段聊天記錄或一句口頭承諾維繫的授權關係，已經難以支撐長期而複雜的商業使用。
GFM為何需要一套更完整的內容資產台帳
Anthropic案與GFM內容資產台帳之間，存在直接而具體的關係。
案件所揭示的風險，源於企業無法用一套清晰的制度證明資料從哪裏取得、由誰擁有，以及允許用於甚麼範圍。GFM所建立的台帳，正是要在內容進入翻譯、語音、資料庫、商業授權或模型訓練以前，把這些問題記錄下來。
作者、標題和發布時間只能證明一篇文章在甚麼時候由誰刊發，無法完整說明文章中的文字、圖片、錄音和數據是否可以進入新的產品。台帳因此需要保存內容的原始來源，包括記者原創、合作機構供稿、公開文件、受訪者提供、商業資料庫購入或AI輔助生成，並保留原始檔案、取得時間、提供者身份和必要的版本紀錄。
權利歸屬也需要按照內容元素分別記錄。一篇報道的正文、圖片、影片、錄音和翻譯可能屬於不同的人。媒體取得文章的發布權，未必同時取得圖片、聲音或第三方資料的再授權權。
授權範圍則需要寫得比過去更具體。網站刊登、社群傳播、商業轉載、翻譯、語音製作、資料庫收錄和模型訓練，對權利人的影響並不相同。一句籠統的「同意使用」，很難繼續覆蓋所有新的技術用途。
合約、授權書、電子郵件、投稿協議、付款紀錄和平台條款，也應當與具體作品保持可以追查的關係。若干年後，當一項內容進入創作時尚未出現的新產品，編輯部仍應查得到當初獲得了甚麼權利，授權是否到期，以及新增用途是否需要再次徵得同意。
這套台帳並非文章之外附加的企業宣傳。它是Anthropic案所揭示的法律問題，在新聞機構內部可以落實的一種制度回答。
（圖片說明）新聞媒體建立完整內容資產台帳與權利管理系統，記錄每項內容的來源、授權範圍與使用限制，以因應人工智慧時代對內容確權的新要求。
確權不能只依賴時間戳
近年來，內容確權有時被簡化為給作品加上一個時間戳，證明某人在某個時間提交或發布過這項內容。
時間戳具有證據價值，卻只能證明其中一部分事實。
一個人可以為自己並不擁有的照片登記時間；一家機構也可能率先發布合作方提供的文章，卻沒有權利把文章再次授權給人工智慧公司。首次發布時間可以建立證據點，無法單獨解決所有權、授權範圍和收益分配。
一項能夠長期經營的內容資產，需要說明作品由誰創作，相關權利由誰持有，媒體通過甚麼方式取得這些權利，權利可以使用多久，又允許進入哪些產品。
這些問題若無法回答，「內容資產」便很容易停留在概念和宣傳層面。
過去的媒體合約習慣使用「刊登」「轉載」和「傳播」等概括性詞語。在傳統報紙和網站環境中，這些表述大致可以應付日常使用；進入人工智慧時代以後，它們的邊界已經不再清楚。
GFM可以為原創內容建立分層授權規則，明確哪些文章允許被公開搜索，哪些內容只能進入付費研究資料庫；哪些圖片只限新聞報道使用，哪些可以進入商業模型；翻譯權、音頻權和模型訓練權是否需要分開計價；合作結束以後，對方是否仍有權保存既有副本。
規則越清晰，內容越容易被正常授權，日後發生爭議的機會也越低。
新聞本來就需要被閱讀、傳播和使用，才能形成公共價值。人工智慧也會為新聞內容開拓新的使用方式。需要被修正的，是依靠默認同意和模糊授權維持的舊制度，以及創作者和媒體長期被排除在收益分配之外的現實。
15億美元之後
Anthropic和解不會終結人工智慧版權爭議。美國法院仍會在不同案件中繼續判斷合理使用的範圍，新聞機構、出版社、作家、藝術家和科技公司之間，也會逐漸形成新的授權方式。
這宗案件的意義，在於它讓整個行業清楚看見，資料來源管理失敗的代價可以多麼具體。
過去，一些科技公司相信，只要模型輸出沒有大段複製作者原文，訓練資料的問題便不會成為決定性的風險。Anthropic案說明，法律責任可能在模型生成內容以前便已經產生。下載、複製和長期保存作品的過程，本身就足以帶來巨額索賠。
GFM正在推動的，是讓新聞成為可以被長期管理、合法授權並公平分配收益的內容資產。
這類資產需要文章品質和傳播影響力，也需要一套清楚、可追溯的權利基礎。媒體應當知道每一項內容來自哪裏，能夠使用到甚麼程度，又應當如何把未來產生的收入交還給參與創作的人。
新聞業過去習慣把一篇報道視為在發布當天便完成主要使命的產品。人工智慧正在延長它的使用壽命，也讓它進入許多此前不存在的商業場景。一篇報道可以在數年後繼續被搜索、翻譯、引用、轉化和授權，前提是媒體能夠證明自己有權管理這份內容。
Anthropic支付的15億美元，沒有回答一本書或一篇新聞究竟值多少錢。它讓整個產業看到，長期忽略內容來源和授權紀錄，最終仍會形成價格。
這個價格可以通過正常授權，變成作者、媒體和技術企業共同分享的收入；也可能在權利關係失去控制後，變成司法和解、律師費與企業聲譽損失。
GFM要建立的制度，是盡可能讓內容價值沿着前一條道路實現。在人工智慧大規模使用人類知識以前，先把作品的來源、權利和分配方式記錄清楚。這既是在保護創作者，也是在為人工智慧產業建立一套可以長期運行的資料秩序。
免責聲明：
本文依據公開可得的法院文件、和解資料及相關新聞報道整理，旨在分析人工智慧訓練資料、版權責任與內容資產制度的發展趨勢，不構成法律意見、投資建議或對任何當事方責任的最終認定。案件所涉及的具體權利、賠償資格、和解範圍及法律效果，應以法院正式文件、和解協議及相關司法程序為準。