15亿美元的内容代价：Anthropic和解案重新划定AI训练资料的责任边界

GFM编者按

2026年7月20日，美国加州北区联邦地区法院正式批准Anthropic与作者及出版商群体达成的15亿美元版权和解。这是目前已知规模最大的美国版权集体诉讼和解，也是生成式人工智慧兴起以来，第一宗以如此巨大金额完成实质处理的训练资料版权案件。

法院的最终批准，为这宗持续近两年的案件划下一个重要的程序节点，也使人工智慧训练资料的合法来源，第一次以十亿美元级别的代价进入公众视野。

这宗案件很容易被理解为科技公司与作家之间的一场利益冲突。案件真正触及的范围更深：一家人工智慧公司可以通过什么方式取得训练资料，又应当如何证明自己有权保存、复制和使用这些资料。

法院没有全面否定人工智慧使用受版权保护的作品进行模型训练，也没有裁定每一次模型训练都必须向作者支付费用。法院所划出的界线，落在资料进入企业系统的过程。作品的用途可能具有转化性，取得作品的方式仍然需要接受版权法检验。

过去几年，人工智慧行业把主要精力放在模型能力、算力供应和产品竞争上。训练资料经常被视为互联网中自然存在的资源。书籍、新闻、照片、录音和研究成果被统称为「资料」，作品背后那些具体的人——作者、出版人、摄影师、记者和研究者——也在这个技术名词中逐渐失去了清晰的面孔。

Anthropic案提醒整个行业，内容一旦进入商业模型，来源便不能继续含糊。人工智慧可以学习人类长期积累的知识，经营这些模型的企业则必须对资料如何进入系统作出交代。

如今，这项责任有了一个具体的数字：15亿美元。

（图片说明）美国加州北区联邦地区法院。 Anthropic十五亿美元版权和解案完成最终司法批准，为人工智慧训练资料的合法来源与权利责任划定新的法律边界。

法院在7月20日批准了什么?

2024年8月，作家Andrea Bartz、Charles Graeber和Kirk Wallace Johnson对Anthropic提起集体诉讼，指控这家Claude人工智慧模型的开发商未经许可下载、复制并保存大量受版权保护的书籍。

案件在2025年出现关键转折。时任主审法官William Alsup认为，Anthropic将书籍用于训练大语言模型，在案件所呈现的具体情况下具有转化性，可以受到合理使用原则的保护。但法院同时认为，公司从LibGen等网络影子图书馆取得数百万本盗版电子书，并将其保存于中央数字图书馆的行为，不能因为其中部分书籍后来用于模型训练便自动取得合法性。

案件原本可能进入损害赔偿审判。若陪审团认定Anthropic存在故意侵权，潜在责任可能远远超过最终和解金额。面对巨大的诉讼风险，双方于2025年达成15亿美元和解，法院先行作出初步批准。

直到2026年7月20日，联邦地区法院法官Araceli Martínez-Olguín签署最终批准令，这项和解才在司法程序上正式生效。最终批准意味着作品范围、索赔程序、收益分配和律师费等主要问题已经获得法院确认，这宗具有指标意义的案件由此进入执行和付款阶段。

这也是今天重新审视Anthropic案的新闻理由。 2025年的裁定提出了法律边界，2026年7月20日的最终批准则把这条边界转化成了一笔真实、可执行的企业成本。

一本书，两种来历

为了训练大语言模型，Anthropic曾建立规模庞大的电子书资料库。法院审理过程中，相关书籍按照取得方式被分成两种截然不同的情况。

其中一类是Anthropic通过正常渠道购买的纸本书籍。公司买回书籍后拆除装订，将书页扫描成电子档案，保存于内部资料库并用于模型训练。法院认为，在这宗案件所呈现的具体条件下，将依法购买的书籍转化为数字版本并用于训练，可能受到合理使用原则保护。

另一类书籍来自未经授权的网络资料库。 Anthropic没有经由正常购买渠道取得这些电子档案，也没有获得作者或出版社的许可。其中一部分被送入模型训练流程，另一部分则长期保存在公司的中央数字图书馆，等待将来可能出现的用途。

同一套训练系统，一端连着企业花钱买回并亲手拆掉装订线的纸本书，另一端连着从影子图书馆批量下载的电子档案。它们最终进入同一座资料库，由同一套模型读取，法律上的来历却完全不同。

Alsup法官在2025年的裁定中认为，模型训练的转化性无法追溯性地改变资料最初的取得方式。作品后来被应用于多么先进的技术，并不能抹去它如何进入企业系统的历史。法院允许Anthropic就部分模型训练行为主张合理使用，但要求公司继续面对因建立盗版中央图书馆而产生的侵权责任。

这项裁定把人工智慧训练的不同环节分开审视。企业如何使用一项作品，以及企业如何取得这项作品，各有自己的法律边界。模型的技术创新程度，不能替资料采集过程提供一张不受限制的通行证。

（图片说明）企业将合法购买的纸本实体书拆除装订并扫描成电子档案，用于人工智慧模型训练，法院认为此类行为在特定条件下可能受合理使用保护。

15亿美元怎么形成

最终和解涉及约48.2万部合资格作品，名义金额约为每部作品3,000美元。在法院作出最终批准前，超过九成的合资格作品已经完成申领。对一宗涉及数十万部作品的集体诉讼而言，这是一个相当高的申领比例。

这些数字背后，是几十万部作品第一次被放进同一套司法清算程序。书名、作者、出版社、版权登记与权利归属需要逐一核对，原本散落在不同作者和出版机构手中的权利，因集体诉讼而获得了共同的执行能力。

15亿美元并非法院在完整审判后，对每一本涉案书籍逐一评估市场价值所得出的赔偿判决。 Anthropic也没有通过和解承认全部指控。这笔金额综合反映了法定赔偿风险、诉讼成本、举证难度、陪审团裁决的不确定性，以及案件继续发展可能造成的商业影响。

它不能被当作所有AI训练内容的统一价格。更准确地说，这是一批历史责任集中清算后形成的司法价格信号。

过去，训练资料来源不明只是一种抽象的合规风险。许多公司知道某些资料可能存在版权问题，却难以判断这种风险会在什么时候、以多大的金额出现在企业帐面上。

Anthropic案把这种不确定性变成了一个董事会、投资人、保险公司和财务部门都能看见的数字。 15亿美元足以改变一家企业对资料管理成本的理解，也会影响资本市场今后如何评估人工智慧公司的资料资产。

书进入模型以前，经过了谁的手

普通人想像中的人工智慧训练，像是一场规模巨大的阅读。模型读取书籍，学习语言、知识与结构，然后生成新的内容。

这个画面省略了阅读开始以前的大量工作。

资料需要先被寻找、下载、复制、清洗、去重和建立索引，才能交给训练系统。它可能在不同部门、云端伺服器和外包机构之间流转，也可能在第一次训练结束后继续留存，等待进入下一个模型、下一次测试或下一款商业产品。

每一次转移和再利用，都可能碰到不同的权利边界。购买一本纸本书，不代表可以任意制作和传播电子副本；取得一张照片的新闻刊登权，不代表可以把照片交给图像模型长期训练；得到一篇文章的翻译授权，也不必然包括将译文永久放入商业资料库的权利。

这整条流程中，工程团队通常关心资料是否足够、格式是否可用，管理层则关注模型能否按时完成和产品能否尽快推出。资料来源是否合法、授权范围有多大，经常被留到最后才处理。

当模型规模持续扩大，这种做法累积的风险也会随之增加。单一作品的索赔对大型公司或许微不足道，数十万部作品叠加在一起，便可能形成企业难以承受的法律责任。

大型资料集可以提高模型能力，也可能把原本分散的版权争议汇聚成巨额负债。这是人工智慧规模效应中较少被讨论的一面。

（图片说明）从网络影子图书馆批量下载盗版电子书并建立中央数字图书馆的行为，成为Anthropic案中法院认定无法因后续训练而自动合法化的关键争议点。

作者过去为什么追不动

作家、记者和摄影师长期面对一个现实困境：他们很难知道自己的作品有没有进入某个模型。

人工智慧公司通常不公开完整的训练资料清单。即使作者怀疑自己的作品曾被使用，也很难证明企业在何时下载、保存在哪一套资料库，又被用于哪一个模型版本。

对一位独立作者而言，追查一本书的使用轨迹，付出的时间、律师费和技术取证成本，往往高于最终可能取得的赔偿。大量微小但真实的权利，就这样停留在无法执行的状态。

集体诉讼改变了这种力量关系。

当作者和出版商把作品名单、版权登记、出版资料和下载证据集中起来，原本分散的个人权利便形成一个可以被法院处理的索赔集合。和解管理程序需要辨识每一部作品、确认作者和出版社的权利，还要处理同一作品存在多名权利人的情况。

这项工作本身，也提供了一个值得新闻业观察的制度样本。

内容需要具有清晰的身份，才能进入授权程序；权利人需要被确认，收益才知道应该分配给谁。当作品、权利人和使用纪录长期处于模糊状态，内容即使被大量使用，也很难转化为作者真正能够获得的收入。

AI公司将迎来新的资料审计

大型人工智慧公司经常强调，模型不会像硬碟一样逐字保存每一本训练书籍，训练过程在某些方面更接近人类学习语言和知识。

这项主张在合理使用的法律分析中具有一定位置，却无法代替企业对资料来源的审查。

未来，人工智慧公司需要回答的问题会变得十分具体。企业需要知道训练资料由谁提供，提供者是否拥有授权资格；原始下载记录是否仍然保存；一份授权可以用于多少个模型版本；资料能否转交云端服务商、外包机构和关联企业；作者撤回授权时，公司是否能够找到并处理相关内容；模型更新以后，旧版资料是否仍然留存在系统中。

这些问题将逐渐进入投资并购、保险承保、企业审计和董事会风险管理。

一家公司拥有海量资料，不等于它拥有高质量的资料资产。当大量内容缺少清晰来源和授权证明，资料规模可能成为估值折扣的理由。相较之下，一套规模较小、来源可靠、权利明确并可以持续更新的资料库，往往具有更稳定的商业价值。

人工智慧行业过去习惯比较参数数量、算力成本和模型性能。 Anthropic案之后，资料的法律质量也将逐渐成为企业竞争力的一部分。

（图片说明）人工智慧数据中心中，书籍与文本资料以数据流形式进入模型训练系统，凸显训练资料来源合法性与企业合规责任的重要性。

新闻业的权利关系，比书籍更难拆

书籍出版已有相对成熟的版权登记、ISBN和出版合约体系。新闻内容的组成通常更加复杂。

一篇新闻报道可能同时包含记者撰写的文字、通讯社材料、摄影师的照片、受访者提供的文件、社交媒体截图、公开资料、采访录音、翻译内容和数据图表。读者看到的是一篇完整文章，文章内部却可能存在多套权利关系。

一段普通的采访录音便能说明其中的困难。

受访者同意公开谈话，记者把谈话整理成报道，媒体根据聘用或合作关系取得文章的发布权。到这一步，相关权利通常比较清楚。

如果这段录音后来被剪入播客，又被交给语音模型进行训练，情况便发生了变化。受访者当初同意的是谈话内容被公开报道，未必包括把自己的声音转化为一套可以生成新语句的合成模型。

每增加一种用途，原有同意的边界都可能被向外推动。当事人却未必知道自己的声音、影像或文字已经进入新的技术系统。

传统新闻生产主要服务于一次发布。编辑部核实事实、确认署名、处理图片来源，文章刊登之后，大部分工作便告完成。

人工智慧延长了内容的生命周期。一篇报道可以被翻译成多种语言，制作成音频和影片，进入检索资料库，也可以授权给研究平台或模型公司。当内容被反覆调用，当初依靠一封电邮、一段聊天记录或一句口头承诺维系的授权关系，已经难以支撑长期而复杂的商业使用。

GFM为何需要一套更完整的内容资产台帐

Anthropic案与GFM内容资产台帐之间，存在直接而具体的关系。

案件所揭示的风险，源于企业无法用一套清晰的制度证明资料从哪里取得、由谁拥有，以及允许用于什么范围。 GFM所建立的台帐，正是要在内容进入翻译、语音、资料库、商业授权或模型训练以前，把这些问题记录下来。

作者、标题和发布时间只能证明一篇文章在什么时候由谁刊发，无法完整说明文章中的文字、图片、录音和数据是否可以进入新的产品。台帐因此需要保存内容的原始来源，包括记者原创、合作机构供稿、公开文件、受访者提供、商业资料库购入或AI辅助生成，并保留原始档案、取得时间、提供者身份和必要的版本纪录。

权利归属也需要按照内容元素分别记录。一篇报道的正文、图片、影片、录音和翻译可能属于不同的人。媒体取得文章的发布权，未必同时取得图片、声音或第三方资料的再授权权。

授权范围则需要写得比过去更具体。网站刊登、社群传播、商业转载、翻译、语音制作、资料库收录和模型训练，对权利人的影响并不相同。一句笼统的「同意使用」，很难继续覆盖所有新的技术用途。

合约、授权书、电子邮件、投稿协议、付款纪录和平台条款，也应当与具体作品保持可以追查的关系。若干年后，当一项内容进入创作时尚未出现的新产品，编辑部仍应查得到当初获得了什么权利，授权是否到期，以及新增用途是否需要再次征得同意。

这套台帐并非文章之外附加的企业宣传。它是Anthropic案所揭示的法律问题，在新闻机构内部可以落实的一种制度回答。

（图片说明）新闻媒体建立完整内容资产台帐与权利管理系统，记录每项内容的来源、授权范围与使用限制，以因应人工智慧时代对内容确权的新要求。

确权不能只依赖时间戳

近年来，内容确权有时被简化为给作品加上一个时间戳，证明某人在某个时间提交或发布过这项内容。

时间戳具有证据价值，却只能证明其中一部分事实。

一个人可以为自己并不拥有的照片登记时间；一家机构也可能率先发布合作方提供的文章，却没有权利把文章再次授权给人工智慧公司。首次发布时间可以建立证据点，无法单独解决所有权、授权范围和收益分配。

一项能够长期经营的内容资产，需要说明作品由谁创作，相关权利由谁持有，媒体通过什么方式取得这些权利，权利可以使用多久，又允许进入哪些产品。

这些问题若无法回答，「内容资产」便很容易停留在概念和宣传层面。

过去的媒体合约习惯使用「刊登」「转载」和「传播」等概括性词语。在传统报纸和网站环境中，这些表述大致可以应付日常使用；进入人工智慧时代以后，它们的边界已经不再清楚。

GFM可以为原创内容建立分层授权规则，明确哪些文章允许被公开搜索，哪些内容只能进入付费研究资料库；哪些图片只限新闻报道使用，哪些可以进入商业模型；翻译权、音频权和模型训练权是否需要分开计价；合作结束以后，对方是否仍有权保存既有副本。

规则越清晰，内容越容易被正常授权，日后发生争议的机会也越低。

新闻本来就需要被阅读、传播和使用，才能形成公共价值。人工智慧也会为新闻内容开拓新的使用方式。需要被修正的，是依靠默认同意和模糊授权维持的旧制度，以及创作者和媒体长期被排除在收益分配之外的现实。

15亿美元之后

Anthropic和解不会终结人工智慧版权争议。美国法院仍会在不同案件中继续判断合理使用的范围，新闻机构、出版社、作家、艺术家和科技公司之间，也会逐渐形成新的授权方式。

这宗案件的意义，在于它让整个行业清楚看见，资料来源管理失败的代价可以多么具体。

过去，一些科技公司相信，只要模型输出没有大段复制作者原文，训练资料的问题便不会成为决定性的风险。 Anthropic案说明，法律责任可能在模型生成内容以前便已经产生。下载、复制和长期保存作品的过程，本身就足以带来巨额索赔。

GFM正在推动的，是让新闻成为可以被长期管理、合法授权并公平分配收益的内容资产。

这类资产需要文章品质和传播影响力，也需要一套清楚、可追溯的权利基础。媒体应当知道每一项内容来自哪里，能够使用到什么程度，又应当如何把未来产生的收入交还给参与创作的人。

新闻业过去习惯把一篇报道视为在发布当天便完成主要使命的产品。人工智慧正在延长它的使用寿命，也让它进入许多此前不存在的商业场景。一篇报道可以在数年后继续被搜索、翻译、引用、转化和授权，前提是媒体能够证明自己有权管理这份内容。

Anthropic支付的15亿美元，没有回答一本书或一篇新闻究竟值多少钱。它让整个产业看到，长期忽略内容来源和授权纪录，最终仍会形成价格。

这个价格可以通过正常授权，变成作者、媒体和技术企业共同分享的收入；也可能在权利关系失去控制后，变成司法和解、律师费与企业声誉损失。

GFM要建立的制度，是尽可能让内容价值沿着前一条道路实现。在人工智慧大规模使用人类知识以前，先把作品的来源、权利和分配方式记录清楚。这既是在保护创作者，也是在为人工智慧产业建立一套可以长期运行的资料秩序。

免责声明：

本文依据公开可得的法院文件、和解资料及相关新闻报道整理，旨在分析人工智慧训练资料、版权责任与内容资产制度的发展趋势，不构成法律意见、投资建议或对任何当事方责任的最终认定。案件所涉及的具体权利、赔偿资格、和解范围及法律效果，应以法院正式文件、和解协议及相关司法程序为准。