2025年6月23日，美国北加利福尼亚法院发布判决。美国人工智能企业Anthropic获得部分胜诉。法官判决：第一，对于合法购买的书籍进行数字化转换后，用于AI模型的训练，属于合理使用行为，不侵犯图书作者的版权。第二，从互联网上下载未经版权人授权的数据集合中的图书作品，不构成合理使用，应承担侵权责任。
随着生成式AI爆发式增长，大语言模型训练数据的版权合法性成为全球焦点。美国法院的该项判决首次明确AI公司使用合法购买的正版书籍训练模型构成版权法中的“合理使用”，但仍然基于特定的条件和专门判断。本文从法律规定与裁判实践双维度，解析数据训练版权合规边界。
01 合理使用原则的核心要件
美国《版权法》第107条规定了判断某项行为是否构成著作权领域的“合理使用”：“尽管有第106条和第106A条的规定，出于批评、评论、新闻报道、教学（包括课堂使用多个副本）、奖学金或研究等目的，合理使用受版权保护的作品，包括复制副本或录音带或该节规定的任何其他方式，均不侵犯版权。在确定在任何特定情况下，作品的使用是否合理使用这些因素考虑应包括——（1）使用的目的和性质，包括此类使用是否具有商业性质或用于非营利性教育目的；（2）受版权保护作品的性质；（3）与整个受版权保护的作品相关的部分的数量和实质性；以及（4）使用对受版权保护作品的潜在市场或价值的影响。
在Anthropic案中，美国法院正是依据上述四项核心要件，首次认定 “AI训练属于转化性使用”（Transformative Use），因其将文本转化为机器学习的数学模式，而非直接传播内容，本质上未取代原作市场（判决书第23页）。 从而判决将合法购买的书籍用于AI训练，属于合理使用行为，不侵犯图书作者的版权。
在中国的《著作权法》中也有类似的规定，在《著作权法》第二十四条第（六）款规定：为学校课堂教学或者科学研究，翻译、改编、汇编、播放或者少量复制已经发表的作品，供教学或者科研人员使用，但不得出版发行；这类情况下使用作品，可以不经著作权人许可，不向其支付报酬，但应当指明作者姓名或者名称、作品名称，并且不得影响该作品的正常使用，也不得不合理地损害著作权人的合法权益。
两者相比较不难发现，对于著作权合理使用是存在一定的立法共识的，即使用的目的具备转化性而非直接传播、不会影响原作的使用、不会替代原作的市场。但中国《著作权法》专门强调了使用的必要性原则，即“少量复制”。
02 Anthropic案确立正版书籍训练合法性
Authors Guild v. Anthropic PBC (N.D. Cal. Case No. 4:24-cv-08091)
本案法院进行了一个很形象的对比，将AI接受正版书籍的训练与人类读书的过程进行了类比。在判决书中写道：“AI训练是对原作品的‘高度转化性重构’，其输出内容不复制原作表达，反而创造新知识系统……这与人类阅读书籍后形成思想并无本质区别。”意味着AI“读书”和人类阅读一样，在阅读后形成新的知识系统并不属于侵权。
但法院强调了训练数据的来源必须合法。在这一案件中，对于Anthropic 2024年购买正版数百万纸质书扫描后训练Claude模型，法院认定该行为符合“转化性使用”要件。但该公司早期使用LibGen盗版书库的行为被单独列为侵权指控，需进入赔偿审理阶段。
如标题所言，美法院的这项判决实际上是在技术创新和版权保护的博弈中站在了支持技术创新的立场。但是否能将AI训练直接与人类阅读相类比在学界也是存疑的。人类阅读后所产生思想的独创性是很明显的，而且往往不会基于某一部书籍出现大批量的重构。但AI训练后，内部数据或运行算法会以训练蓝本为基数，产生几亿次的建构和输出，这种超大批量的运用和人类大脑的加工还是存在显著区别的，是否会与“数量和实质性”产生一些冲突，仍有待商榷。
不过在美国法院能在近期作出这样的判决，也是因为在早期Google Books案中有过判决认定合理使用的基础。在Authors Guild v. Google, Inc. (2nd Cir. 2015)这起案件中，Google扫描2000万册图书生成搜索摘要及片段预览，被认定为合理使用。法院强调：“将图书转化为检索数据库，实现了从阅读到信息挖掘的功能转化，属于创新性使用。”可见，美法院对书籍转化为信息化使用在司法层面采取支持的态度也是有迹可循的。
03 中国司法实践：AI训练数据合法性尚待明确
目前中国尚未出现直接认定AI训练构成合理使用的生效判决，但在《著作权法》第二十四条规定的“科学研究合理使用”可以一定程度上成为依据的参考。从引用该条文判断是否构成合理使用的裁判文书来看，司法实践倾向于严格解释“少量复制”要件。从鼓励技术创新的角度，国内一些学者也在主张参考美国“转化性使用”理论，认为使用合法来源购买的书籍训练AI模型应属于著作权的：“合理使用”。
那么，对于国内AI企业来说，在进行类似训练时需要注意以下合规路径：
- 建立正版图书采购渠道（如与出版社签订数据许可协议），禁止使用影子图书馆盗版资源。
- 保存图书购买凭证、扫描过程记录，证明数据获取合法性。
- 设置过滤机制防止模型输出与原作实质性相似内容。
Anthropic案标志着合理使用原则在AI时代的扩展适用，但中国企业在数据训练中仍需谨慎平衡技术创新与著作权保护。随着全球司法实践深化，构建“正版采购+转化性使用”的合规框架或将成为AI产业发展的关键基础设施。但正如法律本质在于调整和平衡多方关系一样，立法倾向与司法裁判也会在技术创新vs.版权保护的博弈中动态调整。无论是AI企业还是国家，都应当妥善处理技术发展与人类智慧保护的冲突。