15 亿美元，为一批书的进货渠道买单

美国法院最终批准一笔15亿美元和解，四天后，印度法院拒绝叫停OpenAI。两条看起来方向相反的新闻，追问的是同一件事：这批数据，你是怎么弄到手的。

四天，两条相反的新闻

7月20日，加州北区联邦地区法院最终批准Anthropic与一类图书版权人的15亿美元和解，案件进入终局判决。

7月24日，德里高院驳回印度新闻机构ANI的临时禁令申请。ANI要求法院先叫停OpenAI，法院没有同意。

一家AI公司签下15亿美元的和解，另一家连一纸临时的停止令都没被开出来。只读标题，像是版权法在四天里换了立场。

读完两份文件，方向其实一致。被追问的从来不是“机器能不能读书”，而是这本书你从哪里拿到、放在哪里、放了多久、最后向用户吐出了什么。

Anthropic那15亿美元，买的不是“读书权”，是一批书的进货渠道。

四天之内，15亿美元和750万美元进入了两套不同的程序判断。图：本文制图

三类副本，三种价钱

这一点在2025年6月就已经定下来了。法院没有把Anthropic涉及图书的复制笼统看成“训练”，而是拆成三类副本，分别判断。

第一类，用于训练具体语言模型的副本。 法院在本案记录下认为这种复制有足够的转换性，构成美国法上的合理使用。

第二类，购买纸书后形成的数字副本。 买来、扫描、销毁纸本，法院看成一对一的格式替换，同样过关。

第三类，从LibGen、Pirate Library Mirror这类盗版库取得，并长期保存在永久通用中央书库里的副本。 法院没有接受“反正以后要拿去训练”这种说法。下游用途再正当，也洗不掉上游是怎么拿到手的。

前两类，Anthropic赢了。第三类没有走完：盗版下载和相关复制是否构成侵权、是不是故意、该赔多少，都没有审到实体终局，当事人选择了和解。

所以15亿美元的准确读法是：把一段还没审完、可能极贵的风险，转成15亿美元本金加利息的确定和解义务。它不是法院开出的罚单，不是“用一本书训练模型该付多少钱”的官方定价，更不是一张可以拿去用的训练许可证。

数字本身也常被读错。清单作品共482,460部，截至今年4月16日已有440,490部完成申报，占91.3%。传得很广的“每部作品约3,000美元”，是扣除各项费用之前的估算分配，还要在作者、出版社等权利人之间按合同再分一次。把它当成AI买一本书的市场价，等于同时误读了案件和市场。

释放范围同样有限。和解处理的是清单作品既往的取得、保存与复制争议；过去的模型输出请求，以及2025年8月25日当日及以后发生的行为，都还留着。法院没有命令删除模型，没有叫停Claude，也没有替行业建立任何未来许可制度。

被定价的，是数据来路失控之后甩不掉的尾部风险。

印度那边，法院为什么没有按下停止键

先说一句容易被漏掉的：德里高院并没有说训练不产生复制。

它先认定，把新闻作品存进电子系统就是复制，临时存储也算。信息在网上公开，不等于版权消失。这一步对OpenAI并不轻松。

OpenAI是在下一步赢的。法院转向印度《著作权法》第52条的fair dealing。这个词常被顺手译成“合理使用”，但它不是美国那套开放式四因素分析，更接近“法定目的之下的公平处理”：先看用途在不在法律列举的那几类里，再看做法公不公平。法院初步接受，封闭环境下的商业训练可以落进“私人或个人使用，包括研究”的范围，商业性本身不自动出局。

然后是证据。这一段对所有准备维权的内容方都值钱。

ANI提交了九个ChatGPT输出示例。问题出在时间：这些文章的发表日期晚于案内认定的GPT-4、GPT-4o训练截止日期。模型不可能在训练时记住一篇当时还没写出来的报道。法院认为相关回答更可能来自实时检索，把文章与回答整体比对之后，也没有找到对ANI表达的实质性再现。新闻里的事实不归任何人独占，受保护的是记者写下这些事实的具体表达。

市场损害同样没能证明。ANI没有拿出订户流失、市场份额下降、订阅收入减少或新闻供稿业务受损的具体材料，也没有形成足以支持禁令的具体市场损害证据。

最刺眼的是这一处：ANI曾向OpenAI报价750万美元，卖自己的内容授权。法院没有把它当成公允价格，而是反过来用它说明：你的损失既然能标价，将来赢了用钱赔就行，不构成禁令所要求的“不可弥补的损害”。

一份报价，最后变成了对方不必立刻停手的理由。

技术手段也进了天平。法院注意到ANI有屏蔽爬虫的opt-out选项，OpenAI则称已停止将ANI网站用于后续训练和检索。技术屏蔽当然不是版权成立的前提，但权利人要求法院立刻按下产品停止键时，“有现成开关没用过”“损失能不能用钱补”都会影响衡量。裁定还直接讨论了逐家取得许可对模型成本的影响，以及禁令会不会妨碍印度本土大模型发展。

从商业效果看，法院是在分配一个新产业的启动成本：哪些代价现在就由模型公司承担，哪些争议可以等证据齐了再用钱解决。

还有一段，做跨境业务的公司应当划下来。服务器放在美国，挡不住印度法院。作品从印度被访问、服务向印度提供、输出在印度产生，法院初步认为自己有管辖权。

但这一切都停在临时阶段。被驳回的是禁令申请，主案继续；裁定第274段特意写明，前面所有观察都不约束终局结果。OpenAI没有被叫停，不等于拿到了永久通行证。

两案为什么不打架：一个被漏掉的对照

ANI从头到尾没有主张OpenAI从未经授权的来源取得作品，也没有主张OpenAI绕过了它的付费墙。争的是ANI自己免费公开的网页。

促成这笔15亿美元和解的核心风险，也就是数据从哪儿弄来的，在印度这个案子里根本没有被检验。

一个案子的贵，贵在进货渠道；另一个案子里，进货渠道压根不是争点。方向从来没有相反过。

把“训练”拆成三笔账

“AI训练到底合不合法”永远吵不出结论，因为这几个字里塞了三笔完全不同的生意。分开算，两案的走向立刻清楚。

取得、保存与使用、最终输出，需要分别建立证据与责任记录。图：本文制图

第一笔，怎么拿到的。 合法购买、经许可取得、免费公开访问，还是来自盗版站、绕过付费墙、违反合同？公开可访问只说明访问条件，既不等于拿到许可，也不等于作品进了公有领域。这是Anthropic案最昂贵的一课：下游用途可能受保护，不代表上游可以不问来路。

第二笔，拿到之后怎么存、怎么用。 抓取、建中央库、生成训练副本、分词、向量化、删原始文件，不是一个没有中间动作的黑箱。每一步都留下关于目的、期限和控制的事实。美国法院在特定记录下适用了合理使用，德里高院用印度法的法定目的和公平性审查作出初步判断。哪一份裁定都不能直接变成全球数据政策。

第三笔，最后吐出了什么。 基础模型训练、实时检索和面向用户的输出，是三套不同的技术过程，产生三套不同的证据。美国和解没有处理输出端；印度裁定只说明ANI这批样本没有证明记忆和实质性再现，现有商业证据也没证明具体的市场替代。它没有宣布RAG天然安全，也没有处理捏造新闻并错误归因会触发什么责任。

同一篇文章，可能在取得环节干干净净，在输出环节出事；也可能训练阶段拿到例外保护，却因为来源是盗版而背上巨额责任。版权争议开始更像一次供应链审计，而不是一次抽象表态。

三类人，各自要动的地方

合同、证据和来源台账，是三类主体各自最现实的动作。图：本文制图

采购和使用AI的企业：别替供应商审语料，去审合同

逐文件审计模型商的全部训练语料通常不现实，这两个案子也没有给企业客户创设一般性的逐文件审计义务。有效的做法是在合同里把供应商基础模型、企业上传数据、第三方知识库和联网检索分开，再分别约定来源陈述、客户数据是否用于再训练、知识库授权、版权赔偿、输出控制、下架协助、审计日志和业务连续性。

尤其不要因为印度那份临时裁定，就把企业自建RAG理解成安全港。把付费数据库、客户资料或内部文档接进模型，首先受制于你自己拿到的授权范围，和OpenAI能不能抓取公开的ANI网页，不是同一道题。

内容方：只说“你没得到我的许可”，越来越不够用

先把家底理清楚：作品权属、员工和自由职业者合同、首发时间、订阅与转授权链。取证要对得上模型版本、训练截止日期和普通用户可复现的提示词。ANI那九个示例先卡在时间线上，随后在实质性再现和市场损害两道门槛上也没能过关。要证明AI替代了你的内容产品，还得拿出订阅、广告、搜索流量、供稿续约和历史许可的变化。

许可本身也可以拆开卖。基础训练、实时检索接入、摘要长度、引用比例、来源链接、更新频率、结构化元数据、错误更正、虚假归因响应，不是同一种权益。即使某项训练在某个法域可能获得例外保护，模型公司仍然可能愿意为新鲜、稳定、准确、可归因的数据付钱。内容方卖的不必只是“允许你看”，而可以是“保证你持续、准确、可追溯地用”。

至于报价：ANI那750万美元的教训不是“不要报价”，而是报价会变成对方的证据。谈判方案和诉讼策略需要放在一张桌子上想。

模型公司：最贵的不是数据，是解释不清数据

来源、访问条件、许可、采集时间、保存目的、进的是基础训练还是检索、训练截止日、删除与屏蔽记录，都应当能随时调出来复核。一个便宜的盗版语料库，可能带来数倍于采购成本、拖好几年的尾部风险。

结尾

四天里的两个节点没有给AI行业一个统一答案，但给了一张更有用的地图。

15亿美元买下的是特定作品、特定期间的既往取得、保存与复制争议，不是未来的训练许可证。德里高院暂时没有按下停止键，是因为它初步认为本案的训练存储可以受fair dealing保护，ANI又没能证明训练记忆、实质性再现或具体的市场替代，且损失可以用钱补偿，不满足不可弥补损害等禁令条件；这个案子里没有出现盗版来源或绕过付费墙的指控，它也不是OpenAI的终局胜诉。

AI版权的下一程，不会只争论机器能不能学习。真正决定成本的，是你用的是哪一份副本、从哪里来、在系统里留了多久、最后向用户输出了什么，以及这些事实能不能在每一个市场被证明。

数据越多，来路越要说得清。下一道护城河可能不是模型多大，是收据齐不齐。