--- layout: post.njk source: https://yage.ai/share/anthropic-bartz-settlement-20260721.html speaker: yage.ai title: |- 同一本书，训练可算合理使用，盗版流程为何要赔 15 亿美元 date: '2026-07-21' summary: 本文探讨了 Bartz v. Anthropic 版权诉讼中，因 AI 公司从盗版渠道获取图书并用于模型训练引发的法律争议。法院对数据在不同技术阶段（下载、存储、显存计算）的复制行为给出了不同的法律评估，导致行业达成了一笔巨额和解基金。文章分析了这种风险和解的本质是买断历史诉讼风险，而非模型本身合规的最终证明，并强调了未来 AI 数据系统在工程层面需要建立完整的证据链来证明数据获取、复制目的及留存状态。 area: tech-engineering category: ai-application tags: - copyright-law - fair-use - data-pipeline - risk-management people: [] companies_orgs: - Anthropic products_models: [] media_books: [] draft: true status: evergreen --- 在 Bartz v. Anthropic 版权诉讼中，多位作家和版权人指控 AI 公司 Anthropic 从 LibGen 和 PiLiMi 等盗版渠道下载数百万册图书，并在服务器上建立起供 AI 研发使用的内部研究库。2026 年 7 月 20 日，法院对此案做出最终批准判决（Final Approval Order and Judgment, Dkt. 680 (2026-07-20)），确认设立一笔 15 亿美元的非返还和解基金，以此终结这起集体诉讼。在这笔巨额基金中，法院批准的原告律师费超过了 1 亿美元。 这一和解结果让行业感到意外。在此之前，法庭已在诉讼记录中倾向于认定，大模型读取图书进行训练符合美国版权法中的合理使用（fair use）原则，因为这种计算是为了学习语言规律，并不会破坏原书的商业市场。既然核心的训练计算可能属于合理使用，为什么 Anthropic 还要同意支付 15 亿美元达成和解？ 要理解这一反差，必须看清数据在技术流水线中的流转过程。从下载图书、在服务器中留存，到最终载入显存训练，同一个数字副本在不同阶段会触发不同的复制行为。法院并没有判定大模型开发流程整体合法或非法，也没有在法律上划分出不相干的合规路径与侵权路径。它只是针对流水线中的不同环节，分别评估了法律责任：一是获取和保留源文件，二是将文件载入显存进行训练。 ## 这起案件中发生了什么，为什么这一结果令人意外？ 我们可以追踪一本图书在研发系统中的生命周期。从系统下载文件存入服务器，到最后载入显存更新参数，同一个数字副本在技术上经历了多次复制动作。 法院在 2025 年 6 月 23 日做出裁决（Order on Fair Use, Dkt. 231 (2025-06-23)），评估了将图书读入显存以更新大模型参数的训练行为。法官倾向于支持 Anthropic，因为机器训练旨在提取统计规律，它不像人类读者那样去消费小说的故事情节，因而符合合理使用（fair use）原则。 但在训练发生前，这本小说的数字副本已经在 Anthropic 的服务器里存了很久。对于在公司内部长期保留盗版书籍的行为，法院拒绝在开庭审理前给予豁免，驳回了 Anthropic 关于合理使用的即决判决申请。这意味着，如果诉讼继续推进，陪审团将裁决在内部保留这些书籍是否构成侵权，以及如果侵权成立应如何赔偿。在陪审团做出裁决之前，Anthropic 支付了一笔固定基金，以此终结这项明确的历史集体诉讼风险。这笔交易的本质是：用一笔确定的支出，买断了陪审团裁定前悬而未决的历史诉讼风险。这是一次通过谈判达成的风险和解，既不是 Anthropic 承认在此问题上败诉，也不是一份通用的授权许可，更不代表法院或协议宣告该大模型是清白干净的。为了看清这一差异，我们需要顺着数据在系统内部经历的完整技术管线看起。 ## 同一个技术管线在不同阶段为什么会面临不同的法律对待？ 在技术层面，这是一条连贯的流水线。我们以一本图书的流转为例，看看它如何穿过研发系统： 一份书籍副本从取得、留存到训练：Bartz 案中不同复制用途的法律结论 第一步，系统从 LibGen 或 PiLiMi 等公开网络渠道下载小说的数字文件。 第二步，系统将下载的文件存入本地，与其他图书汇聚成一个长期保留的内部图书仓库。诉讼案卷将这一仓库称为 central library。 第三步，模型开始训练，系统从 central library 提取该书，将其载入显存计算并更新参数。 在整条流水线中，同一个文件在不同阶段的复制行为面临着不同的法律评估。 首先是载入显存的计算副本。系统为了提取统计规律而将数据读入显存，这构成了合理使用（fair use）判定的基石。 但前一环节中静态存放在硬盘上的 central library，性质完全不同。在服务器中长期保留原始格式的盗版书，没有转化性的新目的，只是单纯的复制与存储。对于这种留存行为，法院在 2025 年 6 月的裁决中指出，无法在开庭审理前直接给予合理使用豁免。 法院在庭审前不予豁免，并不等于直接判定该仓库侵权。由于案件随后达成和解，原定的陪审团审判随即取消，法庭从未对这个内部仓库的法律责任做出最终定性。但对 AI 团队来说，硬盘上的中间留存步骤确实成了整条流水线中最大的合规隐患。 ## 15 亿美元究竟买到了什么，又没买到什么？ 在集体诉讼制度下，中间阶段的合规隐患最终演变成了巨大的财务风险。这笔 15 亿美元的和解金，针对的正是这一环节积累的历史诉讼风险。 要理解这笔金额，需要了解美国版权法中特有的法定赔偿（statutory damages）制度。在这种赔偿机制下，原告不需要证明具体的实际经济损失，法院会直接按照受侵权作品的部数来裁定赔偿额。根据美国版权法（17 U.S.C. § 504(c)），每部作品的常规赔偿标准在 750 美元至 30,000 美元之间；如果认定构成故意侵权，赔偿上限可达 150,000 美元。 在 Bartz v. Anthropic 案中，原告于 2025 年 7 月 17 日获得集体诉讼认证（Order on Class Certification, Dkt. 244 (2025-07-17)），这让数十万名版权持有人得以组成集体向 Anthropic 共同索赔。尽管法院否决了针对 Books3 和扫描图书的集体认证，但批准了针对从 LibGen 和 PiLiMi 渠道获取图书的集体诉讼认证。 双方最终整理出一份符合和解条件的版权作品清单，即 Works List，共包含 482,460 部作品。如果诉讼继续推进，陪审团将决定在 central library 内部仓库中保留这些书籍是否构成侵权责任，并裁定最终的赔偿金额。一旦判定侵权成立，即便陪审团仅按法定下限每部作品 750 美元裁决，总赔偿额也会超过 3.6 亿美元；如果认定构成故意侵权，上限更可能突破 720 亿美元。为了在陪审团裁决前终结这一明确的历史集体诉讼风险，Anthropic 支付了 15 亿美元设立固定基金。这笔交易的本质是：用一笔确定的支出，买断了陪审团做出裁决前悬而未决的巨额诉讼风险。这属于双方谈判达成的风险和解，既不意味着 Anthropic 承认在留存问题上败诉，也不是一份未来的通用授权许可，更不代表法庭或协议宣告该大模型本身完全清白。 在这笔 15 亿美元的非返还基金中，法院批准的原告律师费为 101,561,111 美元，其余净额分发给各版权方。截至 2026 年 4 月 16 日，清单内已有 91.3% 的作品提交了索赔申请。如果简单将 15 亿美元平摊到 482,460 部作品上，粗算得出每部作品名义上约合 3,109 美元。但必须指出，这只是包含律师费和管理成本在内的毛额，并不是常规的版权许可费，更不能作为大模型训练的未来授权定价参考。虽然法院已于 2026 年 7 月 20 日做出最终批准判决，但资金分发、责任释放以及文件销毁工作，仍需要根据和解协议规定的 Effective Date 来逐步生效与推进。 那么，支付了这笔巨额和解金，是否意味着最终训练出的模型就彻底合规了？ 答案是否定的。无论是法庭裁决还是和解协议本身，都没有给模型颁发合规证书。 首先，法院对模型训练可能属于合理使用的倾向性意见，并不等于宣告最终的模型权重不构成侵权，更没有追溯性地使最初的源文件仓库合法化。同样，和解协议也没有对模型权重是否侵权做出任何判定。 其次，和解协议（Class Action Settlement Agreement）虽然写明了 Anthropic 的一项陈述，称其公开发布的商业大模型训练集未包含 LibGen 或 PiLiMi 的数据。但这只是签约方的单方陈述与保证，并非法院调查认定的司法事实。 第三，这笔和解实质上是花钱消除特定的历史诉讼风险，并非万能免罪符。它免除的仅仅是针对 Works List 中特定作品、在特定时间段内，模型训练阶段（输入端）的复制侵权指控。至于模型输出端的侵权索赔（例如用户引导模型生成与原书高度相似的文本片段），以及和解协议生效后的未来数据使用行为，全部排除在免责范围之外。 此外，和解协议要求 Anthropic 销毁从 LibGen 和 PiLiMi 下载的原始书籍，以及从这些渠道下载的全部本地副本（因诉讼保全义务需要保留的证据除外），但没有要求其删除或销毁已经训练好的模型权重。 15 亿美元和解覆盖范围：Works List、释放范围与明确排除事项 ## AI 数据系统未来应该能够证明什么？ 这场诉讼的结局迫使 AI 行业重新审视数据合规。安全边界不再是法庭上的抽象辩论，它已经变成了公司在工程层面自证合规的能力。 在后和解时代，大模型团队对数据的审计无法再停留在记录数据集名称的粗放阶段。一套合格的数据管理系统，必须在工程层面能够证明以下几点： 首先是获取渠道。系统必须能够精准追溯每个文件的具体来源，确保团队随时可以识别并剥离存在渠道风险的文件。 其次是复制目的。系统必须明确区分临时的内存计算缓存与长期的静态存储副本，防止因用途混淆而留下合规隐患。 第三是留存状态。对于不需要长期保留的临时文件，系统应建立自动化清理机制，避免数据在服务器中滞留。 最后是删除与保留状态。如果版权人提出下架要求，或者法庭下达诉讼保全令，系统必须能够精准定位、隔离并销毁特定数据，同时生成难以篡改的审计日志。 对于大模型研发团队来说，数据管理系统的升级不仅是一项合规建议，更是必须落实的工程底线。未来的数据流水线不能只给出一个数据集的名称，必须拿出一条完整的证据链，把获取渠道、复制目的、留存状态和删除状态全部串联起来。