Anthropic 15 亿美元和解留给 AI 企业的启示：数据来源与权利沿革管理

评估生成式 AI 企业著作权风险的标准正在改变。

2026 年 7 月 20 日，美国加利福尼亚北区联邦地区法院最终批准了作家针对 Anthropic 提起的著作权集体诉讼 Bartz v. Anthropic PBC 中 15 亿美元的和解。Reuters 报道称，这是已知美国著作权案件中金额最大的和解。法院在最终批准和解的同时终结案件，和解所涉作品中超过 91%已提交申领。

仅看数字，结论似乎很简单：

Anthropic 因使用受著作权保护的书籍训练 AI，而支付了 15 亿美元。

但如此理解会忽略企业最应关注的核心。

本案更重要的讯息是：除了“AI 学习了什么”，数据从何处、以何种方式取得，基于何种法律依据保留，以及训练结束后如何管理，也可能分别构成著作权问题。

这正是 Pine Patent 专利律师事务所特别关注本案的原因。

1. 法院没有把“AI 训练”与“取得、保留盗版复制件”视为同一行为

首先要理解的是，法院并未把 Anthropic 的所有行为作为一个整体评价。

William Alsup 法官在 2025 年 6 月关于 fair use 的部分简易判决中，区分了为训练 AI 模型而复制作品、把合法购买的纸质书数字化，以及把从盗版网站取得的电子书保存在中央资料库中的行为。美国著作权局的案件摘要也明确采用了相同区分。

对 Anthropic 为训练特定 LLM 使用作品的行为，法院认定为 fair use。

在本案事实下，法院认为 LLM 训练的目的具有高度转换性。原告并未主张 Claude 输出侵犯其作品、为实现训练目的使用完整作品具有必要性，以及训练复制并未被证明会直接取代对原作的需求，均影响了判断。

对于 Anthropic 拆解合法购买的纸质书、扫描并保存数字版本的行为，法院也基于具体事实认定 fair use。法院考虑到数字文件并未进入新的复制件市场，而是把已拥有的书转换为便于保存、检索的形式。

但另一个部分得到完全不同的结果：从盗版网站下载数百万本书，并积累在 Anthropic 内部“central library”中的行为。

2. 七百多万本盗版书，并不会因“后来用于 AI 训练”而正当化

法院记录涉及 Anthropic 通过 LibGen、PiLiMi 等所谓 pirate library 取得最多约七百万本书。即使后来一部分用于 LLM 训练，全部数据长期保存在中央资料库的事实仍成为关键争点。

法院划出的界线相当清楚。

具有转换目的的 AI 训练，并不能追溯性地正当化此前取得非法复制件的行为。

美国著作权局总结 Bartz 案时也指出，下载盗版复制件并持续保存在中央资料库，不会仅因后来用于模型训练或后来购买了正版而转化为转换性使用。对以盗版复制件构建数字资料库的部分，四项 fair use 要素整体上不利于 Anthropic。

理解本案的核心区别是：

“是否用于 AI 训练”与“训练数据是否被合法取得”是两个不同的问题。

3. 不能把 15 亿美元理解为“AI 训练许可价格”

法院于 2026 年 7 月最终批准的和解金总额为 15 亿美元，涉及约 48 万部作品，分配结构约为每部作品 3,000 美元。

但这一数字必须谨慎解读。

法院并未规定“用一本书训练 AI 就应支付 3,000 美元”。

该集体诉讼以从盗版网站取得书籍相关的侵权请求为中心，15 亿美元是当事人之间的集体诉讼和解金。批准和解的法院依《联邦民事诉讼规则》Rule 23 审查和解对集体成员是否公平、合理、充分，并没有创设适用于所有生成式 AI 训练的新法定许可费率。

2025 年关于 AI 训练的 fair use 判断，也以加州北区联邦地区法院特定案件、特定证据为前提，并不意味着美国所有 AI 训练都自动构成 fair use。

因此，本案既不能概括为“AI 训练合法”，也不能概括为“用受保护作品训练 AI 必然侵权”。

必须审查数据取得、复制、加工与保留的完整过程。

4. AI 著作权风险的新核心：Data Provenance

在生成式 AI 产业，data provenance，即追踪数据来源与权利关系的能力，已经不只是数据工程问题。

它是 IP 风险管理问题。

企业只知道训练数据“来自互联网”“从外部供应商购买”“属于开放数据集”，可能远远不够。

企业应能在事后证明：数据来自何种原始来源、由谁提供、取得时适用何种条款、是否取得权利人许可、为何制作该复制件，以及后来连接至哪些数据集和模型。

Anthropic 案清楚说明了原因。

即使进入模型的数据内容相同，数据进入企业系统的路径不同，法律评价也可能不同。

AI 企业需要同时管理数据本身与数据的“权利沿革”。

5. “公开可见”不等于“可自由复制”

AI 开发中的常见误解，是认为网络上任何人都能看到的数据都可自由复制用于训练。

能够访问内容，不等于在著作权法上具有复制、使用权限。

同样，外部供应商出售数据集，也不当然证明其已合法取得数据集中每部作品的 AI 训练许可。

向第三方购买训练数据的企业不能只审查价格和数量。

还应确认供应商基于何种依据取得数据、可移转何种范围的权利、是否有再许可权，以及发生侵权主张时由谁承担责任与抗辩费用。

合同中写一句“供应商拥有合法权利”，与实际核验权利关系并保存证据，是完全不同层次的风险管理。

6. 无目的地持续保留“训练完毕的数据”尤其危险

企业还不能忽略数据保留目的与期限。

争议复制件并非只在某一模型训练阶段短暂使用，而是作为通用资料存放于 Anthropic 的中央资料库。法院把这种永久、通用资料库建设与训练的转换性目的分开评价。

企业必须能回答：“这份数据为什么还在服务器上？”

应建立政策，决定模型训练完成后是否仍需保存原始数据集，为质量验证或可重复性保留多久，以及保留目的结束后是否确实删除。

AI 训练数据治理因此必须把收集政策与 retention policy、deletion log 连接起来。

行业正从“数据越多越有竞争力”的阶段，转向只基于合法依据保存必要数据，并以受控方式移除不再需要的数据。

7. “合法买了就能任意使用”也很危险

相反方向的误解同样要避免。

本案对合法购买纸质书的数字化和 AI 训练认定 fair use，并不意味着购买一次受保护作品后，AI 企业就可以任意使用。

所有权与著作权是不同权利。购买一本书并不会取得该书的著作权。

Bartz 案之所以认定特定使用为 fair use，是综合考虑使用目的与性质、作品性质、使用数量、市场影响等美国法上的多项要素。美国著作权局也把本案归类为多因素分析下的“mixed result”。

实务问题不能止于“是否付费购买”。

还要确认取得了何种权利，以及这些权利是否涵盖拟进行的使用。

8. 本案并非美国“AI 训练 = fair use”的最终规则

韩国企业尤其应注意这一点。

Bartz v. Anthropic 是美国联邦地区法院层级的判断。fair use 本质上取决于每个案件的目的、复制方式、输出、市场影响及具体证据。

该集体诉讼也没有认证涵盖全部 AI 训练行为的全国性集体；核心是取得盗版复制件相关请求。请求后来通过 15 亿美元和解在审判前解决，因此和解本身并非美国最高法院对 AI 训练著作权问题的确定先例。

所以，“美国法院已最终确认 AI 训练不侵权”的说法并不准确。

更准确的表述是：

该美国联邦地区法院在本案具体事实下认定用于 LLM 训练的使用构成 fair use，但把取得盗版复制件并另行建设、保留中央资料库视为独立的著作权问题。

这一区别非常重大。

9. 韩国 AI 企业为何现在就应建立“AI 数据权利台账”

Anthropic 诉讼不只是美国企业的问题。

韩国境内开发生成式 AI 模型、运营 RAG 服务、建设 AI 搜索、销售内容数据集或微调海外模型的企业，都应审查进入系统的数据权利关系。

向美国市场提供服务，或准备海外投资、M&A、技术转让与许可的企业尤其如此。

技术尽职调查中，“模型与数据集是否潜藏第三方著作权风险”，可能与“使用何种模型”同样重要。

Pine Patent 专利律师事务所认为，AI 企业的数据管理体系至少应按数据集关联以下信息：

• 取得来源与日期
• 权利人或供应商
• 适用许可及当时版本
• 允许的使用范围
• 模型训练、微调、RAG 等实际目的
• 原件与加工件的保存位置
• 保留期限与删除记录
• 与数据连接的模型

这些信息不应只是 Excel 清单，而应作为 IP 视角的 Data Rights Registry 管理。

日后发生问题时，只能说“应该是开放数据”的企业，与能立即提供数年前数据来源与许可的企业，法律地位不可能相同。

10. AI 时代的尽职调查，不只看模型性能，也看数据合法性

生成式 AI 竞争初期，谁能取得更多数据、训练更大模型是重要竞争要素。

但当 AI 成为企业核心资产、模型价值达到数百亿乃至数千亿韩元时，问题会改变：

我们是否有权继续使用这一模型？

若模型依赖的数据被指为非法取得，影响将超越著作权诉讼，延伸至模型商业价值、投资、并购、海外扩张与许可。

因此，data provenance 不是与隐私或信息安全无关的附加工作。

它应成为证明 AI 模型这一核心资产权利稳定性的 IP 基础设施。

Pine Patent 专利律师事务所观点：AI 著作权问题正从“学了什么”扩展为“如何取得”

若仅把 15 亿美元和解视为“AI 企业败给著作权人”，只能看到本案的一半。

反过来，认为“法院认定 AI 训练是 fair use，所以可以自由使用受保护作品训练”也很危险。

本案最重要的是，法院在同一 AI 训练链条内，把各项复制行为分开评价。

模型训练用途可能构成 fair use，但这不会免除从盗版网站取得原始资料的责任。即使数据持有合法，也不意味着所有后续使用自动获得许可。

AI 数据治理最终归结为三个问题：

1. 数据来自哪里？
2. 我们基于何种法律依据持有它？
3. 该依据是否也能说明当前保留、使用目的？

Anthropic 案后，data provenance 与许可记录正从技术文件转变为 IP 风险管理文件。

生成式 AI 市场越成熟，记录体系的完善程度越可能成为决定 AI 企业技术价值与商业价值的因素。

Pine Patent 专利律师事务所基于 AI 与软件企业的技术和商业模式，就著作权与数据许可风险、AI 训练数据合同、技术转让与许可及 IP 组合战略提供咨询。

参考资料

• Bartz v. Anthropic, Order on Fair Use (N.D. Cal., June 23, 2025)
• U.S. Copyright Office, Fair Use Index
• Authors Guild, Court Grants Final Approval of $1.5 Billion Anthropic Copyright Settlement
• Reuters, U.S. judge approves Anthropic’s $1.5 billion settlement of copyright lawsuit
• Official Anthropic Copyright Settlement Website

本资料基于公开的美国法院文件与报道，仅供一般信息参考，并非针对任何具体数据集、合同或服务的法律意见。实际判断可能因数据取得路径、许可条件、复制与使用方式、保留目的及适用法律而异。