不久前，美国联邦地区法院最终批准人工智能企业Anthropic与作者、出版商达成15亿美元版权集体诉讼和解。该案涉及Anthropic从网络盗版资源中获取并保存大量图书，用于建设内部资料库及开发Claude大模型。此前，法院对不同数据处理行为作出区分：一方面认为Anthropic利用图书训练大模型的特定行为具有转换性，符合美国版权法合理使用的相关条件；另一方面认为，从盗版来源下载、复制并长期保存图书，不能仅因其可能服务于人工智能训练而当然获得合理使用保护。有关盗版复制行为的责任和赔偿问题原计划继续审理，后因双方达成和解而终结。

本文刊于《中国新闻出版广电报》9月10日7版

一边是模型训练的“转换性”，一边是训练材料来源、获取和存储方式的合法性，这起高额和解案将生成式人工智能训练数据的版权问题进一步推向台前。如何理解“合理使用”的边界？合法获得作品是否意味着可以直接用于人工智能训练？对我国人工智能训练数据版权治理又有何启示？《中国新闻出版广电报》记者就此采访多位知识产权领域专家和实务人士。

训练与取数分开评价，不能“一笔算”

此案最受关注之处，在于法院并没有将数据获取、复制、存储和模型训练视为一个不可分割的整体，而是分别进行法律评价。

北京大学法学院教授易继明认为，这种区分首先源自著作权制度本身的权利结构。著作权人享有的是由多项具体专有权利构成的“权利束”，对作品的获取、复制、存储、训练等不同行为，可能落入不同权利的控制范围，因此需要针对具体行为分别判断。

“各专有权利之间通常界限分明，‘各管一段’，并需要加以具体分析。”易继明表示，本案之所以将人工智能模型训练行为与训练材料的获取、复制、存储行为分别评价，本质上是因为不同行为可能落入不同专有权利的控制范围，相应行为是否构成侵权、是否存在免责情形以及责任承担形式也可能存在差异。

中南财经政法大学知识产权研究中心副教授刘鑫则从行为性质和责任评价角度作出进一步解释。“后续训练即便具有高度转换性目的，也不能回溯‘漂白’既已完成的侵权复制行为。”刘鑫认为，通过非法渠道完成复制和存储时，相关行为应当独立接受版权法评价。

中国文字著作权协会常务副总干事梁飞同样认为，作品来源合法与否是一个独立的前置问题，不能借后端训练具有转换性“洗白”前端侵权复制、存储行为。“若不拆分评价，容易形成‘只要用于AI训练即成立合理使用’的片面认知。”梁飞说。

也正因如此，从盗版来源获取并长期保存作品，构成该案划出的一道较为清晰的版权红线。

“AI训练的目的不能为前置的盗版行为提供任何豁免，数据来源的合法性是不可逾越的合规底线。”刘鑫认为，Anthropic案传递出的核心信号是，AI训练目的不能为前置盗版行为提供豁免。易继明也表示，人工智能技术快速发展不能以过度牺牲作者等知识贡献者的市场机会和合法利益为代价。长期依赖免费甚至盗版作品投入模型训练，虽然可能加速技术发展，却会打破原有版权产业“创作—授权—经济反馈—再创作”的利益循环。

“此种发展范式，虽然客观上加快了人工智能技术的演进速率，但也显然破坏了著作权制度先前围绕作品‘创作—授权—经济反馈—再创作’的创新链及利益平衡格局。”易继明表示。

“合理使用”有边界，不能被无限放大

该案另一个引发行业讨论的问题，是法院此前对Anthropic特定模型训练行为“转换性”的判断。这是否意味着，只要一本书是通过合法渠道取得，就可以不经授权投入人工智能训练？多位受访者都提醒，不能作这样的简单推论。

易继明介绍，美国版权法第107条规定的合理使用判断，需要综合考察作品使用的目的和性质、版权作品的性质、所使用部分的数量和实质性，以及使用行为对作品潜在市场或价值造成的影响。

本案中，法院认为Anthropic利用作品使大模型学习其中的语言和结构规律，并根据新的输入产生不同内容，而不是向公众复现特定作品的独创性表达。

“其中的转换性是极其显著的。”易继明援引法院观点表示，但他同时表示，即使作品来源合法，模型训练也存在边界，例如，应努力避免输出内容与已有作品相同或相似，不应针对特定创作者作品进行过拟合训练并破坏特定创作市场。

刘鑫同样认为，对这一裁判结论应当采取审慎、限缩的理解。“即便作品的来源合法，也不意味着训练行为当然合法。”刘鑫表示，转换性使用只是美国合理使用“四要素”中的一个分析维度，如果模型训练在作品用量或市场影响方面对原作品形成实质性替代，依然可能无法通过合理使用的整体检验。

同时，这起案件最终以和解结束，也意味着相关法律问题并没有因此形成一个可以普遍适用的最终答案。

“该案中法官的前述判断仅系中间程序性意见，且案件最终以和解结案，未经上诉审程序检验，亦未形成终局判决。”刘鑫表示，因此这一判断仍具有明显的个案性和地域局限性，不能泛化为普遍规则。

“最终本案以集体和解方式结案，相应的和解协议仅约束各方当事人，法院并未就此确立起具有法律约束力的正式裁判规则。”易继明表示。

梁飞也提出，该案15亿美元的高额和解具有明显警示意义，但其局限同样需要看到：和解虽终结本次诉讼，但使用正版图书开展商业模型训练究竟属于合理使用，还是落入著作权人的专有权利范围这一核心问题并没有得到终局解决，和解也未建立长期统一的授权、付费规则。

从数据来源到输出，全链条合规待完善

如果把目光转向国内，Anthropic案所提出的问题同样具有现实意义。
我国合理使用制度与美国存在明显差异。易继明表示，我国现行《著作权法》并没有采用美国“四要素”式的开放判断模式，而是通过具体合理使用情形的列举与“三步检验法”构建相应制度框架。在现有规定下，企业进行人工智能大模型训练往往具有用量大、商业目的明显等特点，难以简单套用“个人学习、研究或者欣赏”以及“少量复制用于科学研究”等既有合理使用情形。

“仅就未经许可复制、存储文字作品用于大模型训练的行为而言，其有可能落入作品著作权人复制权、改编权、翻译权、汇编权等专有权利的控制范围，并需承担相应的侵权责任。”易继明表示。

北京斐普律师事务所律师朱晓宇更关注国内人工智能企业面临的实际版权风险。在他看来，目前人工智能企业“在模型训练、用户输出等各阶段均可能涉及对在先作品的复制、引用、修改、改编等使用行为，进而引发版权风险”。

对于“训练数据只在内部使用、不向公众传播，因此不存在侵权风险”的认识，朱晓宇同样持谨慎态度。他认为，人工智能对作品的“学习”本质上涉及数据录入、分析和输出，与自然人通过阅读吸收作品信息并不完全相同。

“对于人工智能训练使用作品，不论是合理使用制度，还是法定许可制度，目前都不宜适用。”朱晓宇说。与“是否需要授权”相比，朱晓宇认为，实践中更加棘手的问题还在于如何实现大规模、高效率授权。

“目前摆在人工智能企业版权合规需求面前的最大挑战，不是应否获取许可以及能否负担起相关合规成本的问题，而是向谁获取许可以及如何高效获取许可的问题。”朱晓宇表示，人工智能企业逐一向自然人作者取得授权，效率低、沟通成本高；而出版社、新闻媒体等机构现有的大量作品授权，又可能并未覆盖人工智能训练用途。

这也使版权集体管理、批量授权以及新的利益分配机制进入讨论视野。梁飞建议，从产业层面建立全流程语料溯源台账，对授权作品、公有领域作品、开放许可作品分类管理，并留存完整合规凭证，同时探索集体授权模式和可持续的版权收益分配机制。

刘鑫则提出，应围绕数据来源、获取、存储、训练、输出五个环节构建更加完整的规则体系。“技术创新不能建立在盗版之上。”刘鑫表示，在数据来源环节应优先使用公有领域、开放许可等来源，在获取和存储环节建立溯源和留存管理制度，在模型训练和内容输出阶段进一步完善风险控制机制。

易继明也认为，未来治理不能只盯着模型输出，而应对不同环节采取不同的观察重点：数据来源、获取和存储阶段重点判断数据本身是否合法、取得方式是否适当；训练阶段需要考察训练行为的性质及其对创作者利益的影响；输出阶段则重点关注生成内容与既有作品是否构成实质性相似，以及模型服务提供者是否尽到相应注意义务。

从一场15亿美元的集体和解向外看，Anthropic案留下的并不是一句简单的“AI训练可以”或者“AI训练不可以”。模型训练的技术目的、作品来源、获取方式、复制和存储行为，以及最终输出，都可能对应不同的版权问题。

当大模型对高质量内容的需求不断增长，版权治理也需要从单一的侵权判断向覆盖数据全生命周期的规则体系延伸。既不能让“技术创新”成为盗版数据的避风港，也需要为合法的数据使用、授权交易和利益分配留下清晰而可行的空间。如何在创作者权益与人工智能产业发展之间建立更加稳定、透明的规则，仍是这起高额和解案之后需要继续回答的问题。