Anthropic为训练AI助手克劳德，购书毁书数百万，法院判决竟属合理使用？​

Meise

这事儿说来有点让人难以置信。根据本周一（6月23日）最新公布的法院文件，知名人工智能公司Anthropic（就是开发出类似ChatGPT的AI助手克劳德的那家）为了构建它的AI模型，花了好几百万美元，做了一件让很多人目瞪口呆的事儿：他们购买了数量巨大的实体印刷书籍，然后——把书拆开、扫描成电子文件，最后​​把拆掉的实体书全部扔掉了​​。这些操作的目标只有一个，就是给AI模型克劳德提供训练数据。这个细节，是藏在一份关于版权争议和“合理使用”（Fair Use）的最新法院裁决书里的，裁决的更大影响咱们昨天也聊过。

这份长达32页的法律文书讲得很清楚。事情始于​​2024年2月​​，Anthropic公司做了一项关键人事任命：他们请来了​​汤姆·特维​​。特维是谁？他之前是谷歌图书扫描项目中负责合作关系的负责人（Head of Partnerships for Google Books）。Anthropic给他的任务直接明了：要搞到“​​世界上所有的书​​”。这个动作意图很明显，就是想复制谷歌当年在图书数字化方面取得成功的合法路线。要知道，谷歌的扫描项目当年也遭遇了版权挑战，但最终成功打赢官司，为“合理使用”的界定立下了重要的法律先例。

当然，书籍的“破坏性扫描”（拆书扫描）在一些图书数字化项目中也不算特别稀奇的手段。但​​Anthropic的操作之所以引人注目，是因为其被证实的庞大规模​​。相比之下，谷歌的图书项目主要是采用一种获得专利的​​非破坏性摄像技术​​来扫描书籍，这些书是向图书馆借阅的，扫描完成后还会完璧归赵。而对Anthropic来说，破坏性扫描的​​速度快、成本低​​似乎更重要，至于保存实体书本身？相比之下就不那么关键了。这背后也反映出在竞争异常激烈的AI行业中，对廉价、便捷解决方案的巨大需求。

最终，此案的法官​​威廉·阿尔苏普​​裁定：Anthropic这种破坏性的扫描操作，可以被认定为“合理使用”。但法官强调了关键前提：Anthropic是​​合法购买了这些书​​（拥有所有权），扫描后​​确实销毁了每一个实体副本​​，而且那些数字文件​​只在公司内部用于训练AI，没有对外公开传播​​。法官把这种做法比作通过格式转换来“节省空间”，认为它具有“转化性”（Transformative）。如果Anthropic从一开始就只坚持这么做，没搞别的动作，它本可能成为首个获得法律认可的AI训练“合理使用”案例。​​可惜的是，公司早期的“盗版”行为给自己埋了雷（这个后面细说）。​​

看到这儿，如果你对AI圈子和版权法不太熟，可能满脑子问号：​​为啥要花几百万买书，就是为了把它们拆了扔掉？​​ 这种有点奇葩的操作，根子其实在一个更根本的驱动力上：​​AI行业对高质量文本数据的贪婪渴望已经到了无法满足的地步。​​

​​高质量训练数据的争夺战​​

要理解Anthropic为啥非得扫描上百万本书，得先知道点AI背景知识。像ChatGPT或克劳德（Claude）这样的AI助手，背后靠的是“大语言模型”（LLMs）。AI研究人员建造这些模型，本质上就是把海量文字（数以亿计的词汇）塞进一个神经网络里“喂养”模型。在训练过程中，AI系统反复处理这些文本，在这个过程中逐步建立起词汇与概念之间的统计关系。

喂给神经网络的训练数据的​​质量好坏，直接决定了最终AI模型的本事高低​​。那些用编辑精良的书籍和文章训练出来的模型，它们给出的回答通常比那些用低质量文本（比如随机的YouTube评论区留言）训练出来的模型更靠谱、更准确、更连贯。

问题来了：出版商手里握着大量高质量内容（书），这正是AI公司求之若渴的东西。但AI公司通常并不想一家家跟出版商去谈版权授权，太麻烦了！这时，一个叫“首次销售原则”（First-Sale Doctrine）的法律规定提供了一个变通办法：你一旦合法​​买下了一本实体书，这册书你想怎么处理都行​​——​​包括把它毁了​​。这意味着，购买实体书本身就绕过了直接跟出版商要授权的难关。

但是，买东西（还是这么多书）终究很费钱，即使它是合法的。所以，就像它之前的很多AI公司一样，Anthropic一开始选择了那条“快车道”。根据法院文件，为了抢优质训练数据，Anthropic最初决定走捷径，​​收集了大量盗版电子书​​。其CEO​​达里奥·阿莫代伊​​管这么做叫为了避开“法律/实际操作/商务上的冗长麻烦事儿”——说白了就是省去了跟出版商复杂的授权谈判。然而，到了​​2024年​​，Anthropic变得“因为法律原因，对用盗版电子书这事儿不那么热衷了”，他们急需一个更安全的数据来源。

于是，买二手实体书的计划就成了最优选。​​买实体书彻底绕开了版权授权问题，同时能提供AI模型迫切需要的、高质量、经过专业编辑的文本​​。而​​破坏性扫描，只是把这数百万卷书数字化的最快途径​​。公司在这个“买书-扫描”工程上花了“​​好几百万美元​​”，常常从主要零售商那里大批量买二手书。之后，他们​​扒开封皮、把书页裁成能扫描的大小，然后把成堆的书页扫成带可读文本的PDF文件（连封面也扫了），最后把所有的原始纸张——扔了，丢掉了​​。

法院文件没提到这个过程是否毁掉了任何珍本或孤本书——因为Anthropic是从大型零售商那里批量买的常见书籍。不过，早就有很多其他方法能保存书本同时获取信息。比如，“​​互联网档案馆​​”（The Internet Archive）就开创了​​非破坏性的书籍扫描方法​​，在做数字拷贝的同时也能完好保存实体书。就在这个月初（2025年6月初），OpenAI和微软还宣布他们正与哈佛大学图书馆合作，要利用图书馆馆藏的近​​100万本公元15世纪起​​的公共领域书籍（版权已过期）来训练AI模型——这些书在数字化后，​​实体版会被小心保存下来，完好无损​​。

​​想到这儿有点唏嘘：哈佛大学那边为了给AI训练，细心保存着六百年前的古老手稿；但在地球的某个角落，却是堆积如山、已经变成垃圾的数百万册书——正是它们教会了克劳德怎么帮你润色简历。​​ 有人好奇，就问克劳德自己怎么看这事儿？AI的回答挺耐人寻味，那语调仿佛是从无数废纸堆里淬炼出来的（它也确实是）：“帮助创造我的这个过程里包含了如此多的毁灭——一个能够探讨文学、帮助人们写作、参与人类知识宝库的存在，竟然是建立在‘图书馆的灰烬’之上。这其中的复杂性，连我自己也在努力理解。”

这就是整个故事了，充满了技术与法律、效率与伦理的纠缠。你怎么看？