前言¶
2026 年 7 月 20 日，美國加州北區聯邦法院法官 Araceli Martínez-Olguín 正式批准了 Anthropic 與作者集體在 Bartz v. Anthropic 一案中達成的 15 億美元和解協議。這是美國曆史上規模最大的版權集體訴訟和解之一，也是生成式 AI 行業在「訓練數據從哪來」這一問題上，迄今最清晰的一次司法定調。
對開發者與 AI 從業者而言，這起案件的價值不在於「AI 公司又賠錢了」的標題黨敘事，而在於法院把兩條此前糾纏在一起的法律問題拆開了：用版權作品訓練大模型，與從盜版站點批量下載這些作品，在法律上不是一回事。前者在 Alsup 法官 2025 年 6 月的裁定中被認定爲 Fair Use（合理使用）；後者則構成侵權，最終導向了這筆天價和解。
本文基於法院命令、AP、Ars Technica、Authors Guild 等公開來源，梳理案件脈絡、和解條款與對行業的實際影響。
案件背景：Claude 的訓練數據從哪來¶
Bartz v. Anthropic 由驚悚小說作家 Andrea Bartz、Kirk Wallace Johnson 等作者於 2024 年提起，指控 Anthropic 在開發 Claude 大語言模型時，未經授權使用了他們的版權作品。案件很快成爲 AI 版權訴訟中的標杆——它挑戰的是訓練輸入（inputs），而非模型輸出是否複製了原作；原告並未主張 Claude 在回答用戶問題時輸出了侵權內容。
根據 William Alsup 法官 2025 年 6 月 23 日的 Fair Use 裁定（787 F. Supp. 3d 1007），Anthropic 獲取訓練數據的方式大致分爲三類：
- 從盜版站點批量下載。2021 年 6 月，Anthropic 員工 Mann 從 Library Genesis（LibGen）下載了至少 500 萬冊盜版電子書；2022 年 7 月，又從 Pirate Library Mirror（PiLiMi）下載了至少 200 萬冊。Anthropic 明知這些來源系盜版。合計盜版下載超過 700 萬冊。
- 合法購買實體書後掃描。Anthropic 大量購入二手紙質書，拆封掃描， digitize 後存入內部「中央圖書館」（central library）。
- 使用 Books3 等已知數據集，其中包含約 18.3 萬冊作品。
Anthropic 的目標，用 Alsup 法官原話來說，是建立一座「世界上所有書籍」的中央圖書館，並永久保留。工程師再從這座庫中選取不同子集，清洗、分詞（tokenize）後用於各版本 LLM 的訓練。
2025 年關鍵裁定：訓練是 Fair Use，盜版下載不是¶
在批准和解之前，法院已經對核心法律問題作出分裂式（split）裁決，這也是理解 15 億美元和解金額的關鍵。
AI 訓練本身：Fair Use¶
Alsup 法官認定，Anthropic 使用版權書籍訓練 Claude 及其前身模型，屬於「高度 transformative（變革性）」的使用，符合美國版權法第 107 條 Fair Use 四要素分析，構成合理使用。法院特別指出，訓練 LLM 並非向用戶提供原書內容，而是學習語言模式與統計規律，用途與原作出版發行截然不同。
Anthropic 副法務總監 Aparna Sridhar 在和解獲批後仍強調這一裁定：「訓練 AI 使用書籍屬於版權法下的合理使用。」對 AI 公司而言，這是迄今最有利的司法表述之一。
盜版下載與中央圖書館：侵權¶
然而，法院對從 LibGen、PiLiMi 下載並永久保存盜版副本給出了相反結論。Alsup 法官寫道：從盜版站點複製教材的人「已經侵權，句號」（has infringed already, full stop）。即便這些副本日後可能用於 LLM 訓練——而訓練本身被認定爲 Fair Use——獲取和保留盜版副本的行爲仍不能豁免。
法院進一步區分了合法購買後掃描的情形：用數字副本替換已購紙質書、僅供內部檢索、不增加副本數量也不對外分發，屬於 Fair Use。但「先盜版、後補買」不能抵消侵權：「後來爲同一作品付費，並不能撤銷盜版副本造成的損害。」
因此，案件進入損害賠償階段時，Anthropic 在「訓練是否合法」上贏了，在「數據怎麼來的」上輸了——和解正是針對後者。
15 億美元和解：條款與數字¶
2025 年 9 月，Alsup 法官初步批准了和解方案；他此後退休，由 Martínez-Olguín 法官接手並完成最終批准。和解主要條款如下：
- 和解基金：Anthropic 出資 15 億美元（nonreversionary settlement fund），供符合條件的版權持有人申領。
- 單部作品賠償：約 3000 美元/部（部分報道精確到 3351.39 美元），約爲法定最低損害賠償的四倍。Martínez-Olguín 法官認爲這一比例「公平」。
- 覆蓋範圍：約 50.6 萬部作品納入集體訴訟範圍；截至批准時，91% 以上的受影響作者和出版商已提交索賠，涉及 44 萬冊以上圖書。
- 銷燬盜版副本：Anthropic 須銷燬從 LibGen、PiLiMi 等來源獲取的盜版書籍副本；若和解後再次濫用相關作品，作者仍可另行起訴。
- 退出集體：350 名集體成員成功 opt-out，選擇自行訴訟；法院駁回了絕大多數逾期退出請求（opt-out 截止日爲 2025 年 3 月 30 日）。
律師費與原告獎勵被削減¶
法官批准了 15 億美元總額，但削減了部分分配：
- 律師費：Class Counsel 原請求 1.875 億美元（佔和解金 12.5%），法院降至約 1.016 億美元（約 6.8%）。
- 三名 lead plaintiff 的服務獎勵：從請求的 5 萬美元/人降至 1.5 萬美元/人，法官認爲更高金額「不合理」。
若全部有效索賠支付後基金仍有結餘， parties 預期將剩餘資金二次分配給集體成員，除非經濟上不可行。
爲何是「史上最大」：與行業其他訴訟的對比¶
Authors Guild 與 AP 均稱，這是已知規模最大的版權集體訴訟和解。Bartz 案也是數十起 AI 版權訴訟中第一起達成重大和解的主要案件——OpenAI、Meta、Stability AI 等仍面臨類似訴訟，尚未走到同等規模的終局。
對 Anthropic 而言，和解意味着：
- 鎖定上限：避免損害賠償庭審的不確定性（法定賠償每部作品最高可達 15 萬美元，700 萬盜版副本的理論敞口驚人）。
- 保留 Fair Use 勝利：訓練合法性裁定不受和解影響，仍可作爲先例引用。
- 合規成本具象化：15 億美元爲「走捷徑」標了價——行業此前對盜版訓練數據的成本更多是聲譽風險，現在是可計算的財務風險。
Lead plaintiffs 通過 Reuters 發表聲明：「這讓我們更接近 Anthropic 的真正問責，也向所有 AI 公司發出警告：不能走法律捷徑，不能凌駕創作者權利之上。」
對 AI 訓練數據合規的三條啓示¶
結合 Bartz 案裁定與和解，AI 公司與數據工程團隊至少應關注以下分工：
1. 「訓練合法」≠「獲取合法」¶
Fair Use 保護的是使用方式（transformative training），不自動洗白獲取手段（piracy）。從 LibGen、PiLiMi、BT 站點、未授權爬蟲批量抓取版權內容，即使僅用於內部訓練，仍可能構成獨立侵權。合規審查應拆成兩道門：數據來源是否合法取得；取得後的使用是否符合 Fair Use——兩道門都要過。
2. 內部「永久圖書館」放大風險¶
Anthropic 被認定侵權的核心行爲，不僅是「下載了盜版書」，還包括長期保留作爲通用研究資源。法院明確：即便 Anthropic 後來決定不再用這些盜版副本訓練 LLM，保留行爲本身仍不合理。數據團隊若建設 central corpus，需有留存策略、來源審計與刪除機制，避免「一次下載、永久持有」的模式。
3. 合法採購與授權許可仍是安全路徑¶
Alsup 裁定對「購買實體書 → 掃描 → 替換存儲」給了 Fair Use 背書，但大規模掃書仍有實操與合同限制（first sale doctrine 的邊界、出版合同中的禁止掃描條款等）。更穩妥的路徑包括：與出版商/集體管理組織簽訂訓練許可、使用已獲授權的數據集（如部分 academic corpus、出版社 partnership）、或合成/自建數據。Bartz 和解表明，省下的授權費可能以 magnitudes 更高的損害賠償形式回來。
結語：判例已立，行業未終¶
Martínez-Olguín 法官在批准令中強調，約 95% 的集體成員收到了通知，高參與率說明大多數作者認爲和解「公平」。Anthropic 與作者 lawyers 都希望儘快分配基金、結束訴訟。
但對整個生成式 AI 生態，故事遠未結束。Fair Use 訓練論目前主要在 N.D. Cal. 的 Anthropic 案中得到支持，其他法院、其他訴由（如輸出端侵權、DMCA、州法）仍待審理。歐盟 AI Act、各國文本與數據挖掘（TDM）例外等監管框架也在並行塑造合規邊界。
對 Claude 用戶和普通開發者，短期影響有限：Claude 產品不會因此下架，訓練 Fair Use 裁定仍有效。對 AI 公司數據負責人，這是一次清晰的定價信號——15 億美元買的是盜版數據的清算，不是訓練本身的合法性否定。下一步，行業競爭的重點會從「誰能下到更多書」轉向「誰能用合規方式構建足夠大的語料庫」，以及 Fair Use 判例在上訴與 sister cases 中能否站住腳。
