本文作者：趙暄

AI公司的版權風險，往往在模型開口之前就已經發生了。

在與AI創業者溝通時，我們發現，很多團隊並不是不知道版權有風險，他們真正困惑的是：**風險究竟發生在哪一步？**有人認為，公司只是調用第三方基礎模型，責任應當由上游廠商承擔；有人認為，資料來自客戶、公開網路或者付費資料庫，來源本身沒有問題；還有團隊會解釋，RAG只是檢索，模型也沒有大段輸出原文，應該不至於構成侵權。

這些說法並非完全錯誤，但它們通常只解釋了資料使用鏈條中的一個環節。等到公司進入融資盡調、大客戶審查或者收到權利人投訴時，對方真正追問的往往是：資料從哪裡取得？誰有權把它交給公司？公司獲得的是閱讀權限，還是複製、切片、訓練和長期保存的權限？這批資料進入了哪個知識庫或者模型版本？如果權利人要求停止使用，公司能不能準確找到並移除？

2026年7月20日，**美國聯邦法院最終批准了Anthropic與部分作者、出版商等權利人達成的15億美元集體訴訟和解。**需要先說明的是，這15億美元不是法院判決Anthropic支付的侵權賠償，也不是AI公司使用書籍訓練模型的統一許可價格。這個案件真正值得關注的，是法院把資料取得、資料庫建設、模型訓練和後續使用拆開審查：一個環節可以主張合理使用，並不意味著整條資料使用鏈都會自動合法。

法院支持了訓練，Anthropic為什麼還要支付15億美元

在Anthropic案中，法院認為，在本案具體事實下，將書籍用於模型訓練，是為了分析語言結構和統計關係，而不是向用戶提供原書的替代品，因此相關訓練具有轉換性，可以構成合理使用。法院還支持了一種較窄的數位化方式：購買紙本書後將其掃描為數位件，並銷毀對應原件，在沒有增加副本數量、沒有對外傳播的情況下，這類格式轉換也可能受到支持。

但從盜版網站下載大量電子書，並將其放入永久、一般用途的資料庫，結論就不同了。法院拒絕僅僅因為這些資料未來「可能用於訓練」，就把前端的盜版下載和長期保存一併視為合理使用。換句話說，訓練目的具有轉換性，並不能自動解決資料取得方式本身的問題。

不過，這也不等於法院已經透過最終判決認定Anthropic承擔盜版複製責任。相關責任和賠償原本仍需繼續審理，案件後來通過和解結束。Anthropic願意支付15億美元，更準確地說，是對集體訴訟、法定賠償、庭審和上訴不確定性的集中定價，而不是向法院支付了一筆「AI訓練費」。

可以把這件事理解為：廚師研究一本食譜的結構和寫法，與他從盜版網站下載整套食譜，再永久存進自己的資料庫，不是同一件事。前者討論怎樣學習和使用作品，後者首先要回答資料從哪裡來、為什麼可以複製，以及為什麼可以長期保存。

**資料取得、導入複製、清洗切片、模型訓練或知識庫入庫、檢索輸出和長期留存，是一條鏈上的不同環節。**不能因為其中一步具有合法依據，就推定整條鏈條都沒有問題。

圖1｜AI資料使用鏈中的版權風險節點

使用第三方模型，不等於資料責任都在上游

很多AI創業公司並不訓練基礎模型，而是通過API調用第三方模型，再自行搭建行業知識庫、RAG系統、智能體或者垂直應用。這種模式確實減少了企業直接訓練基礎模型的部分風險，但並沒有把企業自己處理資料的責任一併轉移給上游模型廠商。

企業首先要區分「資料」和「作品」。單純事實、數值、公式和通用資訊，未必構成著作權法意義上的作品，但同一批資料中可能同時包含文章、圖片、報告、個人資訊、商業秘密、平台資料權益和合約限制。因此，判斷一批資料能否進入AI系統，不能只問「有沒有版權」，還要繼續判斷資料具體包含什麼、企業通過什麼方式取得，以及當前用途是否在授權範圍內。

RAG也不是版權的真空地帶。一份行業報告進入RAG系統，通常要經過下載、格式轉換、清洗、切片、向量化和知識庫儲存。即使模型最終只輸出幾句總結，前面的技術處理中仍可能發生複製，也可能超出資料庫協議或者客戶授權的範圍。反過來，知識庫中包含受保護作品，也不意味著每一次檢索輸出都必然侵權，仍需結合具體複製方式、輸出內容和授權範圍分別判斷。

因此，「我們只是做RAG」不能替代資料審查，調用第三方模型也不能替企業解決自行建設知識庫、處理客戶資料和持續優化產品時產生的責任。

中國AI公司最容易誤解的三件事

資料不構成作品，不等於可以隨便使用

即使某些內容不受著作權保護，仍可能涉及個人資訊、商業秘密、平台規則、資料庫權益和合約義務。企業不能因為判斷某批資料「沒有版權」，就直接認為不存在其他限制。

公開看到或者付費購買，不等於可以拿來訓練

公開可訪問，只能說明用戶能夠在特定條件下接觸內容，並不當然意味著可以批量下載、複製、切片、微調或者長期存入商業知識庫。購買資料庫帳號更像購買一張閱覽室門票，它通常允許查詢和閱讀，卻未必允許把館藏整體搬進企業知識庫。

《著作權法》第二十九條規定，許可合同中未明確許可的權利，未經著作權人同意，另一方不得行使。**因此，「來源合法」與「取得當前用途授權」是兩件事。**能夠閱讀、能夠下載、能夠內部使用、能夠建立知識庫和能夠用於模型訓練，並不是天然相同的一組權利。

不適用《生成式人工智能服務管理暫行辦法》，不等於沒有其他合規義務

一些內部知識庫、企業自用工具或者特定B端服務，可能不直接適用該辦法，但相關業務仍然會受到著作權、個人資訊、資料安全、反不正當競爭以及客戶合約和平台條款的約束。

合理使用不是看到「創新」就能刷開的萬能門卡

Anthropic案適用的是美國版權法，不能直接照搬到中國。《著作權法》第二十四條列明了合理使用的具體情形，我國目前也尚未設置一項普遍適用於商業性AI訓練的文本與資料探勘例外。

這並不意味著所有AI訓練都必然侵權，而是意味著企業不能僅憑「訓練具有創新性」「模型沒有輸出原文」或者「使用不會替代原作品」，就直接得出合理使用結論。仍然要具體判斷技術處理中是否形成了作品複製，複製發生在哪個環節，模型、知識庫或者最終輸出是否保留並呈現了可識別的作品表達，以及相關行為能否落入現行法律規定的具體情形。

最高人民法院已經提出，要穩妥審理大模型訓練語料使用和人工智能生成內容侵權等新類型案件。這說明國內裁判標準仍在持續形成，企業不宜把核心產品和資料資產完全建立在尚不確定的合理使用抗辯之上。

歷史資料怎麼處理：先控增量，再清存量

對於已經運營一段時間的創業公司來說，最現實的問題往往不是「以後怎麼做」，而是過去已經進入系統的資料怎麼辦。很多公司不可能立即停掉產品、清空知識庫並重新訓練，因此治理方案必須同時考慮法律風險、技術成本和業務連續性。

更現實的順序是：先停止新增高風險資料，再盤點歷史存量；先保存來源、合約和使用記錄，再決定隔離、替換還是刪除。 企業可以先建立一份資料清單，記錄資料來源、取得時間、提供主體、合約和平台條款、使用目的、儲存位置，以及進入了哪個知識庫、微調任務或者模型版本。

高風險資料應當優先處理，包括來自盜版網站或者來源無法說明的文件、供應商無法提供權利鏈證明的資料、明顯超出客戶授權範圍使用的資料，以及通過規避付費牆、反爬措施或者訪問控制取得的內容。此類行為除可能涉及著作權和合約風險外，還可能在符合相應條件時產生不正當競爭責任。

整改也不只有「繼續使用」和「立即刪除」兩個選項。企業可以先停止新增、限制訪問，將可疑資料與生產環境隔離，再根據實際情況補充授權、使用合規資料替換，或者重新建設知識庫和重新微調。確有必要刪除時，也要確保能夠定位相關文件、切片資料、向量記錄和備份副本，並保留完整的內部審批和整改記錄。

這些措施不能讓過去的行為自動變得合法，但可以阻止風險繼續擴大，也能夠在後續融資、客戶審查或者爭議處理中證明，公司具備識別問題、限制影響和完成修復的能力。

圖2｜歷史資料整改的五步路徑

控制新增風險，可以先從一張資料台賬開始

對於資源有限的初創公司，數據治理不需要一開始就建設一套龐大的合規系統。最實用的起點，是先建立一張由業務、技術和法務共同維護的數據台帳。

每批數據至少應記錄：由誰提供、從哪裡取得、依據什麼合約或平台條款、允許用於哪些場景、禁止用於哪些場景、進入了哪個產品、知識庫或模型版本、保存多長時間，以及發生投訴、授權到期或合作終止後如何退出。

合約也必須寫進真實的技術場景。與其籠統約定「資料來源合法」或「供應商保證不侵權」，不如明確資料是否可以下載、複製、清洗、格式轉換、切片、建立知識庫、用於檢索、微調、評測或模型優化，並寫清適用產品、使用主體、期限和第三方權利主張的處理方式。

企業還要知道一批資料進入了哪個知識庫或模型版本，能否單獨隔離、替換和刪除。無法定位的數據，一旦發生投訴就很難止損；無法拆分和退出的數據，也會顯著增加融資、併購和大客戶審查的不確定性。

結語：AI版權風險，往往發生在模型開口之前

Anthropic案最值得中國AI公司注意的，不是「訓練構成合理使用」這一句孤立結論，也不是15億美元這個數字，而是法院將不同的數據使用環節拆開審查：資料從哪裡來、為什麼可以複製、以什麼目的進入資料庫，以及為什麼要被長期保存。

**合理使用不是數據來源違法的免責標籤，來源合法也不是可以任意訓練、檢索和長期保存的同義詞。**調用第三方模型可以降低一部分底層訓練風險，卻不能替企業解決自己建設知識庫、處理客戶資料和優化產品時產生的責任。

**對創業公司而言，現在開始治理並不晚。**先管住今天新增的數據，再逐步處理過去留下的問題；越早建立來源記錄、授權邊界和退出機制，後續整改成本越低，也越容易把數據從潛在風險，轉化為經得起融資和客戶審查的公司資產。

ai16z團隊開發的自主代理框架Eliza在GitHub 12月趨勢榜中排名第一

熱門文章