开始：财经杂志

文｜《财经》斟酌员 樊朔

剪辑｜朱弢

近期，英伟达成为一场AI磨练数据版权集体诉讼的被告。

这告状讼的原告方是五位领有多部已注册版权作品的作者。告状书指控英伟达在使用NeMo Megatron框架开采其下一代大说话模子时，使用了包含原告版权作品的盗邦畿书馆的数据集，这些盗邦畿书馆也被称为“影子藏书楼”。

NeMo Megatron是英伟达开采的一个用于构建、磨练和部署大说话模子的端到端框架。

原告在好意思国加利福尼亚北区联邦地区法院拿告状讼。2026年1月31日，英伟达提交了讲求动议，合计原告未能提供弥散的左证融会该公司存在侵权动作，条目法院驳回原告告状状，并成见其动作属于“合理使用”。法院已安排在 2026年4月2日举行听证会，审理英伟达冷漠的动议。

伸开剩余90%

告状书提供的里面记录显现，英伟达靠近着OpenAI的竞争压力，为了在 2023 年开采者大会上展示其最初的手艺，不吝通过“影子藏书楼”获取数百万本盗邦畿书来磨练其大说话模子。

此外，告状书还指出，英伟达向其客户提供用具和剧本，饱读吹并协助他们下载盗版数据集 。

大模子兴奋之下，堕入磨练数据版权纠纷的不啻英伟达，OpenAI、xAI、Anthropic、Meta等东说念主工智能巨头也先后遭受诉讼。在一皆侵权案件中，Anthropic曾同意支付至少15亿好意思元达成妥协，可能创下版权补偿金额记载。

英伟达高层批准盗版招引？

磨练数据的质地与数目对大模子开采起珍藏要性作用，典籍不错提供充足的数据量，在行业内被视为高质地的磨练数据。对于大模子开采者而言，“影子藏书楼”的数据更便捷易得，得志了磨练中对典籍类数据的需求。

告状书显现，英伟达发布了多个NeMo Megatron系列大模子。根据其在Hugging Face网站上的描画，这些模子是在非牟利斟酌机构EleutherAI发布的The Pile数据集上磨练的。

The Pile包含一个名为 Books3的子集，该子集源自“影子藏书楼”Bibliotik，包含约19万本典籍。

除了使用The Pile，英伟达还被指控径直与“影子藏书楼”径直招引，使用盗邦畿书资源磨练大模子，其中包括众人最大的“影子藏书楼”Anna’s Archive。

Anna’s Archive树立于 2022年11月，恰恰驰名电子书库Z-Library遭到好意思国政府大范畴封禁及首创东说念主被捕之际，旨在整合 Z-Library、Library Genesis (LibGen）、Open Library 和 Sci-Hub 等多家影子藏书楼的资源，杀青常识的“恒久备份”。2026 年 1 月，好意思国俄亥俄州联邦法院下达恒久禁令，号令其必须删除通盘持取的众人最大的藏书楼目次数据库 WorldCat 的数据。

告状书败露了英伟达与Anna’s Archive调换协商的全过程。里面文献显现，英伟达获取盗邦畿书最径直的原因是行业内锐利的竞争。2022年9月，英伟达发布了NeMo Megatron系列大模子。而后的一年间，OpenAI推出的ChatGPT大收效利，使得投资者对东说念主工智能的矜恤度升温。因此，2023年秋季的年度开采者大会被英伟达合计是一个紧要的时辰节点，在这次大会上发布性能最初的大型说话模子才智更好地应付锐利的竞争态势。

告状书显现，在为里面代号“NextLargeLLM”“NextLLMLarge”及“Next Generation LLM”（以下统称NextLargeLLM）的姿首获取数据时，英伟达高度聚焦于典籍语料库。2023年8月，英伟达与多家典籍出书商洽谈，试图快速获取典籍数据资源，不外，这一需求遭到了拒绝，并未达成数据授权条约。

为了治理对典籍资源的伏击需求，英伟达方面转而致函Anna’s Archive，意图了解后者数据“高速考查权限”的具体样式。Anna’s Archive则在回函中声明，鉴于其盗版资源是违警获取的，建议英伟达里面详情不错招引后相逢知和激动。

在考虑Anna’s Archive后的一周内，英伟达不休层便速即批准了两边的招引策划。而后Anna’s Archive向英伟达提供了数百万本盗邦畿书数据的考查权限，总量约500TB。

告状书称，除了Anna’s Archive和The Pile，英伟达还下载了来自其他“影子藏书楼”的典籍资源，包括Z-Library、LibGen和Sci-Hub。

Z-Library曾因册本更新极快、用户体验好而速即崛起。2022年11月，好意思国联邦考查局查封了 Z-Library 跳跃 200 个中枢域名。两名俄罗斯籍首创东说念主在阿根廷被捕，并靠近洗钱和骚扰版权的刑事指控，好意思国政府当今正寻求将其引渡。此外，好意思国、奥地利、德国、印度等王法院屡次下令域名注册商刊出其域名。

Library Genesis被称为“影子藏书楼”的始祖。2017年，好意思国纽约法院判决Library Genesis补偿出书商爱念念唯尔1500万好意思元。2023年，多家好意思国教科书出书商再次告状 LibGen，条目其叮咛域名或将其从互联网上绝对抹除。

Sci-Hub 专注学术论文，当今英国、法国、德国等国度的法院已下令通盘主要互联网供应商（ISP）禁闭 Sci-Hub。Sci-Hub 自 2020年底起已基本住手大范畴上传新论文。

2024年2月，在与Anna’s Archive达成招引四个月后，英伟达发布了其时旗下最重大的大模子Nemotron-4 15B。公开尊府显现，Nemotron-4 15B领有150亿参数，使用了8万亿文本标注数据进行预磨练。英伟达方面并未败露该大模子的磨练数据开始，不外曾公开暗示该模子磨练数据中70%来自“英语当然说话”数据集，该数据集自身包含4.6%的典籍内容。告状书合计，据此推算，英伟达的磨练数据需包含数百万册典籍。除非使用了盗版资源，不然该公司不行能获取足量的典籍数据。

此外，告状书显现，通过NeMo Megatron框架和BigNLP平台，英伟达向客户提供了自动下载并预处理The Pile数据集的剧本。英伟达还向客户Persimmon AI Labs和亚马逊提供了雷同的下载和处理The Pile数据集的协助。

大模子磨练需求撑起了盗版生意？

“影子藏书楼”违警存储并传播多量高质地版权内容，也自得为大模子开采者提供付费的“优先级下载通说念”。

Anna's Archive在其官网暗示，“大说话模子依赖高质地数据才智闹热发展。咱们领有众人范畴最大的典籍、论文、期刊等资源，这些恰是最高质地的文本资源。咱们提供高速的企业级考查权限，开云体育以换取数万好意思元级别的捐赠”。

这一生意模式也为“影子藏书楼”争取了一线但愿。Anna's Archive在官网暗示，不久前，“影子藏书楼”濒临失足。因诉讼压力，收录多量学术论文盗版资源的Sci-Hub已住手给与新作品。“跟着东说念主工智能崛起，实在通盘开采大说话模子的企业都考虑咱们获取数据磨练。咱们已为约30家公司提供高速考查权限”。

但使用盗邦畿书资源为大模子公司带来极大的侵权诉讼风险。好意思国版权局2025年5月发布的《版权与东说念主工智能》系列论说指出，数据网罗和预处理阶段波及下载、调度和修改多量受版权保护的作品，无论数据开始是否为公开网站，均可能组成对复制权、剪辑权、改编权的多重侵害，在生意用途情形下风险尤为迥殊。

2025年，好意思王法院对两起版权东说念主告状大模子公司使用盗邦畿书资源的案件作出判决。

2025年6月23日，好意思国北加利福尼亚地区法院就Andrea Bartz等作者告状Anthropic的版权侵权诉讼案作出对于合理使用的裁决，认定使用受版权保护的作品进行东说念主工智能磨练属于合理使用。不外，从Library Genesis和Pirate Library Mirror等网站下载跳跃700万本“明知是盗版”的电子邦畿书的动作，则“推行上、作宾语地组成侵权”，无法被合理使用原则所豁免。同庚9月，有媒体报说念称，Anthropic已同意支付至少15亿好意思元达成该案的妥协条约。好意思国加州一家法院已初步批准了这一条约。这也将成为历史上有公开报说念的最大范畴版权补偿案。

2025年6月25日，雷同是好意思国北加利福尼亚地区法院就Richard Kadrey等作者告状Meta Platforms使用盗邦畿书磨练大模子Llama组成版权侵权案作出简便裁决，判决雷同认定Meta的动作组成合理使用。不外，法院判定Meta获取并使用盗版作品的动作不只独组成侵权，因为Meta将该等作品用于AI大模子磨练主见，此种使用属于调度性用途。

具体而言，Meta使用原告典籍的主见在于磨练其大模子Llama，该大模子可生成各样化文本并扩充平淡的功能，而原权益作品的用途主要在于供东说念主阅读以获取文娱或陶冶。因此，Meta使用原告典籍的动作具有“进一步主见”和“不同性质”，即高度调度性。鉴于复制动作与Meta调度性使用主见之间的关联，其复制量也具有合感性和必要性。且在市集影响上，原告未提供任何其市集被影响或稀释的灵考据据。

但值得详确的是，法院死心了裁决的着力鸿沟，声明该案“不组成集体诉讼”，且“不组成Meta使用受版权保护材料磨练说话模子正当的判例”。

磨练数据版权问题已激励更多诉讼

Anthropic案之后，更多作者或版权方也在发告状讼。2025年12月22日，好意思国《纽约时报》记者、作者约翰·卡雷鲁连系另外五名作者，向加利福尼亚州联邦法院拿告状讼，将谷歌、OpenAI、xAI、Anthropic、Meta和Perplexity六家公司告上法庭，指控其未经许可使用受版权保护的典籍磨练东说念主工智能系统。

{jz:field.toptypename/}

原告方明确暗示，不寻求发起东说念主数更多的集体诉讼，因为那将对被告有意，对方可能会试图与多量原告达成调和的妥协决议，从而一次性治理多项索赔。诉状称：“大说话模子公司不应如斯淘气地以极廉价钱送还千千万万项高额索赔。”

早在2023年12月，《纽约时报》就连系其他八家媒体机构，指控微软、OpenAI使用媒体刊登的文章磨练东说念主工智能模子，骚扰其版权。

2025年3月，好意思国纽约南区法院驳回OpenAI条目径直驳回案件中枢指控的动议，允许重要争议插附近一阶段，OpenAI使用《纽约时报》新闻内容磨练其模子是否组成版权侵权将插足实质司法审查阶段。业界合计，这一法子性裁决对原告方极为有意，意味着法院合计《纽约时报》的指控具有弥散的法律基础，值得进行全面的左证审查和实文学判。2025年11月，OpenAI被条目提供用户日记，这一左证对于融会磨练数据的具体使用花样，以及输出内容的相似性具有紧要价值。

一位不肯具名的讼师暗示，当今好意思王法院对此类AI版权问题的气派终点严慎，幸免以单一案件过早建造具有深广拘谨力的章程。他合计，跟着更多大模子磨练数据版权案件出现，裁判后果将取决于争议事实的认定以及手艺细节的粗糙。

不外，2025年5月，《纽约时报》与亚马逊达成许可条约，授权亚马逊使用其新闻内容用于AI产物增强与模子磨练。前述讼师合计，通过授权招引而非诉讼造反治理争议，大概不错成为业界通行的治理决议之一。

此外，出书商群体也在2025年运行维权。包括康泰纳仕集团、《大泰西月刊》、Politico和Vox在内的多家大型出书商告状东说念主工智能初创公司Cohere，指控其未经授权使用跳跃4000部受版权保护的作品磨练大型说话模子，并在绕过出书商网站考查的情况下，私自向用户发布多量文章内开心整篇文章。

在中国，爱奇艺诉MiniMax案雷同激励矜恤，这是国内视频平台首例AI磨练数据诉讼。2025年1月，有媒体报说念称，爱奇艺已朝上海市徐汇区东说念主民法院拿告状讼，指控MiniMax在东说念主工智能模子磨练及内容生成经过中涉嫌骚扰其文章权，索赔金额约10万元东说念主民币。爱奇艺方面酬金称，事件仍处于法律法子中，无法对外败露更多信息。

同期，MiniMax在2025年遭受了好莱坞巨头的集体诉讼。迪士尼、环球及华纳昆玉在好意思国加州联邦法院对其旗下的海螺AI拿起版权侵权告状，索赔金额最高为7500万好意思元（约合52.8亿元东说念主民币）。MiniMax在2025年底的招股书中初度否定了版权指控，合计使用联系版权内容用于磨练AI属于合理使用，7500 万好意思元的索赔金额被“彰着高估”。该公司成见，具备法定补偿履历的独处作品数目远低于原告成见的范畴，并强调在收到诉状后，已罗致手艺步调守护联系侵权输出。当今诉讼法子正在进行中。

发布于：北京市