Anthropic天价赔款?大模型“盗版”的100000种花样 siyushenqi.com • 2025 年 8 月 15 日 下午10:17 • 行业动态 • 阅读 464 头部大模型几乎都把海量盗版书籍、新闻、视频字幕当作核心训练语料,Meta、OpenAI、Anthropic 等悉数被告,行业“先污染后治理”模式面临清算。 摘要 法院最新信号:AI训练行为本身或属“变革性使用”,但若数据抓取自盗版网站或清洗版权信息,则难获“合理使用”豁免,Anthropic或赔7500亿美元。 公开爬虫+清洗CMI、Whisper转录百万小时YouTube、批量购书扫描后销毁原件、直接引用“影子图书馆”,以及利用平台隐私条款“合法”圈占用户数据。 大厂被迫转向高价采购正版:OpenAI连签美联社、金融时报;Anthropic“买书-扫描-销毁”式洗白;数据合规支出将写进财报,抬高行业门槛。 拥有版权的媒体、出版社从受害者变为关键供应商,议价权大幅提升;资金与法务实力更强的科技巨头将进一步挤压创业公司的生存空间,AI竞争进入“数据供应链+合规”多维战争。 AI大模型的秘密配方是什么?答案可能很简单:海量的“盗版内容”。 这几乎是行业内公开的秘密。2023年,《纽约时报》一纸诉状将OpenAI和微软告上法庭,正式拉开了这场战争的序幕。很快,战火烧遍了整个硅谷。Meta因其Llama模型涉嫌使用盗版书籍而面临集体诉讼;Anthropic同样因其模型Claude的训练数据而被告,一时间,几乎所有头部玩家都被推上了被告席。 这场大模型与版权方的核心争议是:在未经授权的情况下,将海量的受版权保护作品用作AI训练数据,究竟是合法的“变革性使用”,还是“侵权盗用”? 在众多悬而未决的案件中,进展最快是Anthropic案,在2025年6月的里程碑式裁决中,法院给出了一个极其重要的参考信号:模型训练这一行为本身,因其能够创造出功能完全不同的新事物,具有高度的“变革性”,可能不构成侵权;然而,获取训练数据的方式,如果涉及盗版网站或未经授权的复制,则几乎无法被“合理使用”原则所豁免。 根据计算,Anthropic或将因此面临着7500亿美元的天价诉讼赔款。这个信号,让所有AI公司都捏了一把汗。大模型厂商们“先污染,后治理”的野蛮生长,或许要到头了。 大模型的N种数据“盗取”路径 为了满足无止境的数据需求,各大模型厂商各自走出了一条充满争议甚至堪称“脑洞大开”的野路子,每一种都游走在法律边缘。 一、从公开抓取到蓄意“清洗” 这是AI数据积累最原始、最普遍的方式。AI公司利用强大的网络爬虫,像撒下一张覆盖全球互联网的巨网,不加区分地将新闻网站、专业博客、学术论坛、社交媒体上的公开内容尽数捕捞,构建起初期的训练数据集。 例如,OpenAI在构建其著名的WebText数据集时,就抓取了社交新闻网站Reddit上用户分享的数百万个外部链接,间接将海量受版权保护的内容纳入囊中,《纽约时报》的文章赫然在列。 除了抓取,更致命的是清洗行为。 在《纽约时报》和Daily News等媒体的诉讼中,原告指出,OpenAI在抓取新闻内容时,主动并系统性地移除了版权声明、作者署名、页脚等关键的版权管理信息(CMI)。这一行为被判定为数据获取行为的性质发生了根本性的转变——从可能无意的“顺手牵羊”,升级为具有明确规避意图的“数据清洗”。 二、格式转换:从视频和纸书中提取文本 随着高质量的公开文本数据日益枯竭,厂商们将目光投向了其他格式的内容载体,通过技术手段,将其转换为可供模型训练的纯文本,这种做法更为隐蔽。 一种典型手法是OpenAI对其语音识别工具Whisper的“妙用”。据称,OpenAI利用Whisper转录了超过一百万小时的YouTube视频内容。这意味着,无论是深度访谈、专业课程还是纪录片解说,这些视频中最核心的“语言资产”,在未经视频创作者许可的情况下,被悄然提取出来,直接“喂”给了GPT-4,绕过了视频本身的视听版权。 Anthropic也采用了一种戏剧性的手法。在意识到直接使用盗版书库的巨大法律风险后,Anthropic专门聘请了前谷歌图书扫描项目的负责人Tom Turvey,启动了一项成本高昂、操作复杂的“物理世界洗白计划”: 第一步,批量采购: 斥巨资从图书分销商和零售商处,购买数百万本纸质书,其中不乏二手书。 第二步,物理转化: 将这些书运至服务商处,由机器拆掉装订、裁切书页,然后逐页进行高速扫描,生成包含图像和可机读文本的PDF数字文件。 第三步,销毁原件: 扫描完成后,纸质原件被直接丢弃。此举的核心目的,是在法律上论证这是一种“格式转换”,而非创造了“额外的副本”,从而规避侵权指控。 第四步,数据建库: 为这些数字化的图书建立详细的书目信息数据库,并进行分词、清理等一系列复杂的预处理,最终形成一个来源上看似“合法”的高质量训练数据集。 但这一行为,恰恰证明了:第一,AI公司已充分认识到高质量数据的版权价值;第二,获取合规数据的成本,远比想象中要惊人得多。 三、“影子图书馆” 在争分夺秒的技术竞赛和巨大的性能压力下,部分公司选择了一条最高效,也最高风险的捷径——直接拥抱明确的盗版资源库。 Meta在训练其开源模型Llama时,就被直接指控使用了来自“影子图书馆”(如Library Genesis、Books3)的非法书籍副本。无独有偶,Anthropic的内部文件也显示,其联合创始人在公司创立初期,就下载了包含近20万本书的盗版库Books3,并对这些资源的盗版性质心知肚明。 四、平台借助隐私协议获取数据 与上述几种“硬核”盗版方式不同,巨头们展示了一种更具平台特色的“阳谋”。它不依赖于外部抓取或盗版,而是利用其庞大的用户生态系统,通过服务条款来“合法”地将用户数据内化为自己的训练资源。 谷歌的隐私政策中,明确表示可能会使用用户公开分享的信息来训练其AI模型。这意味着,当一个普通用户在Google Docs上协作一份文档,在Google Maps上写下一段评论,或是在Blogger上发布一篇文章时,这些内容都可能在用户不经意间,被纳入谷歌的AI训练数据池,由此谷歌也构建起了一道竞争对手难以逾越的数据护城河。 这些五花八门、游走在法律边缘的数据获取方式,显示出在AI发展的“圈地”阶段,大模型们都在以最低的成本、最快的速度,获取最大规模的数据,数据来源的合规风险置于次要位置。然而,版权方的一系列诉讼彻底打破了这种默契,他们将攻击焦点精准地对准了最脆弱的一环:数据的原始获取路径。 一个更昂贵的AI时代来了 AI版权战争的真正转折点,是诉讼焦点的变化:不再纠缠AI“如何使用”数据,而是直击它“从何获取”数据。 最初,双方的法律攻防主要围绕AI“使用”数据的性质展开。 AI公司认为,它们的行为并非传统意义的“复制”,而是“学习”,模型在内化数据中的模式、语法和知识,就像一个学生阅读海量书籍以形成自己的写作风格,其目的是创造全新的东西,因此是一种高度“变革性”的使用。版权方则反驳,AI的商业化产品会直接与原作形成市场竞争,替代用户对新闻订阅和书籍购买的需求,从而损害其核心商业利益。 然而,在这两个战场上,版权方都打得异常艰难。在这种胶着状态下,版权方的诉讼策略发生了一次决定性的转向,他们找到了一个更根本、也更致命的攻击点——数据的来源合法性。 法院的阶段性审理,也给出了一个极其微妙且影响深远的信号:一方面,初步裁决认为AI的输出内容和训练行为本身,因其“变革性”,或许不构成直接侵权,这在某种程度上为大模型的发展留下了空间,避免了技术创新被彻底扼杀;但另一方面,法院对“来源合法性”划出了明确的红线,严厉打击了使用盗版资源的行为。 而面对如雪片般飞来的诉讼,大模型厂商中的激进派也在向保守派转变。 保守派的代表就是苹果,它从一开始就将用户隐私和规则置于更重要的位置,宁愿在AI竞赛中起步较晚,也要通过明确授权许可(如与图片库Shutterstock的合作)和自有数据来规避法律风险。 而激进派的Meta和早期的OpenAI,则是信奉“移动快,打破规则”的硅谷信条,将潜在的法律诉讼视为一种可以计算和承受的商业成本。但在诉讼缠身后,OpenAI迅速转变为积极的数据“购买者”,斥巨资与美联社、金融时报等数十家媒体签署内容许可协议;Anthropic则上演了从使用盗版书库,到斥巨资购买、扫描、销毁实体书的“苦力式洗白”。 这些都意味着,“数据免费”的黄金时代已一去不复返,数据将成为AI公司财报上一个明确且高昂的成本项。 从整个行业来看,手握优质内容的内容出版商、新闻机构,将从被动的受害者,转变为AI产业链上游一个手握筹码、拥有强大议价权的关键参与者;这反过来又会急剧抬高行业的竞争壁垒,拥有强大现金流和顶尖法务团队的科技巨头相比AI创业公司将有着更强的竞争优势。AI行业的竞争,已从单纯的算法和算力竞赛,扩展到了一场关于数据供应链管理、商业谈判和法务合规能力的全面战争。 当那些充满争议的盗版“野路子”被一条条堵死,一个更加昂贵的AI时代,已经来了。 相关阅读外贸展会后怎么跟进客户?72小时、7天、30天的完整SOP网易辟谣:王怡未离职,部分营销团队并入事业部OpenAI内部信"摊牌":微软联盟已成枷锁,将押注亚马逊合作突围哔哩哔哩首次全年盈利、友谊时光靠女性向小游戏扬眉吐气丨9家游戏公司财报深度拆解群核科技开启全球招股;众擎机器人完成2亿美元B轮融资;红熊AI完成2.1亿元A轮融资丨投融资周报需要日本PayPal代付;社交APP伊拉克支付提现渠道;收巴西各类流量;海外买量|私域神器每周合作精选No.201一周要闻NO.195丨恶意软件入侵谷歌商店;9家游戏公司财报深度拆解;非洲市场又一电商巨头退场;Meta首个"超级智能"模型亮相微软或考虑将《使命召唤》移出Xbox Game Pass泡泡玛特进军巴西:先打假冒伪劣智元机器人,一分为四! 本文源自「私域神器」,发布者:siyushenqi.com,转载请注明出处:https://www.siyushenqi.com/36889.html 赞 (0) 打赏 微信扫一扫 支付宝扫一扫 0 0 生成海报 关于作者 siyushenqi.com 关注私信 13.9K 文章 0 评论 425 问题 18 粉丝 私域神器:海外私域营销拓客软件 Perplexity提出345亿美元收购谷歌浏览器Chrome 上一篇 2025 年 8 月 15 日 下午10:17 股价飙升近20%,Shopee开始收割东南亚市场 下一篇 2025 年 8 月 15 日 下午10:17 相关推荐 行业动态 DeepSeek核心高管离职创业,瞄准Agent赛道 半年前,某DeepSeek核心高管已悄然离职创业,并计划于2025年圣诞节前后发布Agent产品。有信源称该高管是原DeepSeek CTO,但另有知情人士透露DeepSeek内部并无明确的CTO职位,只是有承担相应工作的人士。该核心高管的创业项目已获得某头部VC的融资。 siyushenqi.com 2025 年 8 月 13 日 420000 三度登顶日本畅销榜,《FGO》的CP带着一款新游戏杀回来了! 在六个月前,由迪士尼与那家做动画起家、曾打造多个爆款的日本知名游戏开发商Aniplex共同制作的《迪士尼 扭曲仙境》 siyushenqi.com 2025 年 8 月 26 日 • 行业动态 454000 行业动态 在东南亚销量仅次安克和傲基,这个3C卖家是如何打造品牌的? 至今,已覆盖亚马逊、速卖通、Wish、Shopee、Lazada、eBay等近10个跨境电商平台,成功在30个国家和地区注册品牌。 siyushenqi.com 2025 年 8 月 13 日 385000 专访10亿美金独角兽:真对手仅3-4家,如何打造跨平台Metaverse? Rec Room是最有机会带领科技和游戏行业进入Metaverse的公司之一,并且成功融资1亿美元、估值达到12.5亿美元,拥有了比大多数后来者都更为明显的资金优势。 siyushenqi.com 2025 年 8 月 3 日 • 行业动态 444000 行业动态 短剧下半场,混变与AI正在重写规则! 2024年中国短剧市场规模达到504.4亿元,同比增长34.9%,首次超越电影票房。短剧行业呈现井喷式发展,但市场竞争激烈,内卷化趋势明显,新剧生命周期缩短,题材向精品化、多元化发展。 siyushenqi.com 2025 年 8 月 17 日 429000 行业动态 妙鸭相机创始人最新创业项目曝光,AI播客赛道会是昙花一现? AI播客,一个门槛极低的创业赛道? siyushenqi.com 2025 年 8 月 13 日 512000 中青宝《酿酒大师》4个月充值流水2444元,已有4款项目在研 作为2021年元宇宙龙头股,中青宝用元宇宙概念与白酒挂钩的方式带来了一次股价的飞涨。但由于游戏没有实际落地,其带来的股价波动也让他们在2021年的10月和11月连续收到了深交所的关注函和问询函。而在半年多后的2022年5月12日,中青宝又一次收到了深交所的年报问询函。 siyushenqi.com 2025 年 8 月 25 日 • 行业动态 486000 行业动态 Temu在东南亚踢到了铁板 Temu在欧美大杀四方的步伐,在东南亚变成了小碎步。 siyushenqi.com 2025 年 8 月 6 日 412000 行业动态 美团比京东更需要董宇辉 引入顶级大主播,有助于抵御抖音“入侵”。 siyushenqi.com 2025 年 8 月 12 日 397000 三国志战棋版玩法扩容,灵犀能否延续战略版辉煌? 大家伙持什么态度 siyushenqi.com 2025 年 8 月 24 日 • 行业动态 553000 行业动态 650亿美元,Meta开始押注下一个硬件 2025年人形机器人市场迎来爆发,吸引了众多企业涌入赛道,包括OpenAI、蚂蚁金服、华为、小米、小鹏、蔚来等。Meta也宣布加大在人形机器人领域的投资,并组建了研发团队,计划招聘100位工程师。摩根士丹利和高盛预测,人形机器人将成为未来十年科技投资的重要主题,市场规模有望在2035年达到1540亿美元。 siyushenqi.com 2025 年 8 月 13 日 430000 行业动态 汇率重返6.5时代!亚马逊开店也有重大变化 近两日美元汇率短暂大幅上涨,对于广大外贸人和跨境卖家而言,无疑是有了歇口气的机会。 siyushenqi.com 2025 年 8 月 13 日 340000 行业动态 花钱找AI陪聊?让350万人“沦陷”的两款AI社交出海产品再升级 从创建到交互,AI也有“心”。 siyushenqi.com 2025 年 8 月 18 日 526000 行业动态 37家日本游戏上市公司业绩:22家环比增长,《赛马娘》发行商王者归来 本文总结了2023年7~9月期37家日本上市游戏公司的财务报告。 siyushenqi.com 2025 年 8 月 18 日 490000 行业动态 估值13亿美元,语音AI界的新晋独角兽,拿1.3亿美元融资“不务正业”去做餐饮了? 语音文字转录,还可以这么玩。 siyushenqi.com 2026 年 1 月 15 日 378000 行业动态 2020年9月全球热门移动游戏收入TOP10 Sensor Tower 商店情报数据显示,2020年9月腾讯《王者荣耀》全球吸金2.4亿美元 siyushenqi.com 2025 年 8 月 26 日 477000 游族3D卡牌新游首曝!丝路朋克风能否领衔卡牌玩法再下一城? 继《绯红神约》后,游族“全球化卡牌+”家族中的又一新成员。 siyushenqi.com 2025 年 8 月 24 日 • 行业动态 284000 行业动态 超2万名卖家期待首批入驻, SHEIN半托管模式正式上线 SHEIN平台要做“半托管”了 ,卖家高质量出海再添新选择! siyushenqi.com 2025 年 8 月 6 日 391000 破解游戏增长困局,聊聊2023年增长的两大机会点 在竞争中持续寻找增长方向。 siyushenqi.com 2025 年 8 月 24 日 • 行业动态 461000 行业动态 2022年SHEIN大事件盘点:上半年GMV同比增长50%至160亿美金,在巴西试点平台模式 【编者按】即将过去的2022年,对于跨境电商而言,是充满变数与挑战的一年,或布局新市场,或推出新政策,各大平台也动作频频。雨果跨境将通过“2022年大事件盘点”系列,与你一起回顾各大平台在过去一年的热点事件,探清脉络,助力2023年。 siyushenqi.com 2025 年 8 月 13 日 399000 《新萌将传》新品游戏找发行 《新萌将传》新品游戏找发行 siyushenqi.com 2025 年 8 月 25 日 • 行业动态 420000 贴牌走向品牌!OutdoorMaster一年卖出40万滑雪镜 “中国制造”出海,滑雪品牌Outdoor Master的破圈增长之路 siyushenqi.com 2025 年 8 月 13 日 • 行业动态 493000 行业动态 抖音电商,着急走出“低价困境” 弱化低价战略后,抖音电商难题未解。 siyushenqi.com 2025 年 8 月 5 日 477000 高端手机市场报告:苹果霸榜 华为一加小米OPPO进步明显 6月17日上午消息,数据机构Counterpoint Research最新的报告显示,高端智能手机(出厂价格超过400美元,非最终售价)在1月至3月期间的销售额下降13%。 siyushenqi.com 2025 年 8 月 26 日 • 行业动态 503000 行业动态 中国AI企业闯中东:石油资本背后的技术远征 沙特“2030愿景”、阿联酋“十年AI占GDP 14%”等巨额投入,叠加国内融资骤降、算力受限,驱动小库科技、文远知行、慧新智能等集体迁徙,把中东变成“第二主场”。 siyushenqi.com 2025 年 8 月 26 日 497000 腾讯Q3财报:游戏业务破600亿,长青产品与新品布局引领增长 多季度持续增长,长青产品焕发第二春,布局多端平台和多元赛道。 siyushenqi.com 2025 年 11 月 14 日 • 行业动态 352000 行业动态 超1.5万亿美元,重回世界之巅,亚马逊靠什么?要什么? 从前提起跨境电商,言必称亚马逊,但今天,SHEIN、TikTok、Temu成为新的焦点。 siyushenqi.com 2025 年 8 月 12 日 448000 短视频出海:混战之中,如何布局海外投放运营 在国内市场接近饱和的情况下,海外市场就成了短视频App新的增长点,各大厂商都积极入局,使得短视频出海一时间成为了热门赛道。 siyushenqi.com 2025 年 8 月 3 日 • 行业动态 470000 行业动态 Walmart(沃尔玛)自养号:提升销量与排名的运营全攻略 在沃尔玛电商平台的激烈竞争中,销量与排名直接决定着产品的市场表现。自养号测评作为一种精细化运营策略,通过模拟真实用户行为、优化关键词布局、构建独立测评环境,成为提升产品竞争力的有效途径。本文将从技术搭建、行为模拟、风险控制三个维度,系统解析自养号测评的核心逻辑与实操方法。 一、技术环境搭建:构建独立测评生态自养号测评的核心在于模拟真实用户的物理与网络环境。首… siyushenqi.com 2025 年 8 月 15 日 下午10:17 464000 行业动态 亚马逊语音助手联盟新增FB、Garmin及小米三名成员 据外媒报道,去年9月,亚马逊在其年度秋季活动之前宣布了一个语音助手联盟 siyushenqi.com 2025 年 8 月 26 日 401000 发表回复 请登录后评论...登录后才能评论 提交