撰文| 刘颖
编辑| 张南
设计| 荆芥
2026年8月28日，美国加利福尼亚北区联邦地区法院收到了一份厚达48页的诉状。
原告席上，是索尼音乐出版、华纳查普尔音乐及其数十家关联出版实体；被告席上，除了人工智能公司Anthropic，还有其联合创始人兼CEO达里奥·阿莫迪（Dario Amodei）以及联合创始人本杰明·曼（Benjamin Mann）。
这些音乐出版商指控Anthropic通过BT下载、网页抓取和第三方数据集等方式，大规模获取受版权保护的作品，并将其中的歌词、乐谱等内容用于Claude模型训练。
原告将其称为“历史上规模最大、最公然且仍在持续的知识产权盗窃之一”。
诉状涉及“数万首”音乐作品。按照原告提出的计算方式，如果法院最终认定构成故意侵权，美国版权法允许每部作品判处最高15万美元法定赔偿；删除或者修改版权管理信息，还可能导致每项违法行为最高2.5万美元的法定赔偿。
这意味着，Anthropic面临的理论赔偿风险可能达到数十亿美元。
Anthropic并不同意出版商的主张。公司发言人表示，Anthropic将在法庭上积极为自己辩护。
这场诉讼发生在一个极其敏感的时间点。
2026年6月，Anthropic正式确认，已经向美国证券交易委员会秘密提交IPO申请文件。8月27日，美国科技媒体The Information又报道称，Anthropic准备在美国劳动节之后公开招股文件，最快可能于9月底至10月初上市。
就在三个月前，Anthropic刚完成650亿美元融资，投后估值达到9650亿美元。公司当时披露，其年化收入已经超过470亿美元。
与此同时，另一场由作家群体发起的版权集体诉讼，刚刚以Anthropic支付15亿美元为条件获得法院最终批准。
在即将接受公开市场审视之际，索尼和华纳提起的新诉讼，又撬开了Anthropic最不愿面对的一段数据获取历史。
01
700多万本盗版书
达里奥·阿莫代，首席执行官（左），本杰明·曼（图片来源：Anthropic）
时间倒回2021年6月。
Anthropic成立还不到半年，本杰明·曼开始寻找能够迅速扩大模型训练语料的数据源。他最后把目光投向了Library Genesis，也就是LibGen。
这个长期被出版行业视为盗版“影子图书馆”的网站，存有数量庞大的电子书。
后来公开的法院材料显示，曼代表Anthropic使用BitTorrent协议，从LibGen下载了至少约500万本电子书。2022年7月，Anthropic团队又从另一个盗版资源库Pirate Library Mirror，也就是PiLiMi，下载了至少约200万本电子书。
在此前的Bartz诉Anthropic案中，美国联邦地区法官威廉·阿尔苏普（William Alsup）认定，这些电子书属于盗版内容，并将Anthropic的相关行为形容为“简单直接的盗版，只是规模巨大”。
这700多万本书原本让Anthropic卷入的是作家版权纠纷，现在却成了音乐出版商发起新诉讼的证据入口。
索尼和华纳在诉状中称，LibGen和PiLiMi里的内容不只有小说、教材和非虚构作品，也包括歌词集、乐谱集和其他音乐出版物。
诉状列举的作品包括《Livin’ on a Prayer》《September》《Great Balls of Fire》《Ramblin’ Man》和《Hallelujah》等经典歌曲。
与许多只能通过模型输出反推训练数据的AI版权案件不同，这一次，音乐出版商已经拥有另一场诉讼留下的内部文件和司法记录。
诉状援引公开材料称，曼曾在Anthropic内部将LibGen形容为“sketchy AF”，大意是“非常可疑”。Anthropic内部的Archive Team也曾将这个网站描述为对版权的公然侵犯。
此前法院还认定，曼知道自己从LibGen取得的数百万本电子书属于盗版内容。
索尼和华纳因此将阿莫迪和曼一并列为被告。
出版商认为，曼亲自参与了早期下载，阿莫迪则对数据集获取拥有审批权，并批准了相关行动。诉状据此要求两人对BT下载行为承担直接或者帮助侵权责任。
Anthropic是否构成侵权，两位创始人是否需要承担个人责任，都仍有待法院审理。
但对Anthropic而言，案件的麻烦在于，原告不再只是在猜测Claude可能使用过哪些数据，而是试图利用已经公开的内部资料，重建Anthropic早期获取训练语料的完整过程。
02
从网页抓取到“拆书扫描”
BT下载只是Anthropic被指控的数据获取路径之一。
按照新诉状的说法，Claude使用的歌词还可能来自公开网页、Common Crawl等大型网络数据集，以及Books3和The Pile等第三方训练集。
几个来源叠加在一起，意味着同一首歌可能在不同数据集中重复出现。
索尼和华纳尤其提到了Musixmatch和LyricFind。
这两家网站通过授权向用户展示歌词。音乐出版商认为，网站获得歌词展示许可，并不意味着第三方可以将网页里的歌词批量复制下来，用于商业模型训练。
诉状称，Anthropic可能通过自己的网络爬虫或者第三方抓取数据获得这些内容，其下载的Common Crawl数据里也包含来自上述歌词网站的页面。
此前Bartz案查明，曼在Anthropic创立早期取得过196640份Books3中的未经授权图书。
Anthropic内部资料一方面肯定这个数据集“质量高”，另一方面也讨论过其可疑的法律状态。The Pile又将Books3等不同来源组合进一个更大的开放训练集。
这意味着，一家AI公司即使没有亲自访问最初的盗版网站，也可能通过二手、三手数据集接触到相同作品。
当互联网上能够轻易获取的优质文本逐渐不够用时，Anthropic还采用了更加物理的方法。
法院材料显示，2024年前后，Anthropic斥资数百万美元购买数百万本纸质书。服务商拆掉书籍装订，将书页切割成适合批量处理的尺寸，再逐页扫描成包含机器可读文本的PDF，随后丢弃纸质原件。
这项计划后来被外界称为“Project Panama”。
一份后来解封的内部规划文件写道：“我们不希望外界知道我们在做这件事。”
不过，这部分行为需要与盗版下载严格区分。
阿尔苏普此前认为，Anthropic合法购买纸质书后将其数字化，再把数字副本用于模型训练，这种转换行为可以获得合理使用保护。
因此，“买书、拆书、扫描”本身并没有在Bartz案中被认定为侵权。
索尼和华纳现在试图提出的新问题是：这些被扫描的书籍是否包含它们控制的歌词和乐谱，Anthropic此后又如何存储、加工和使用这些内容。
这也说明，AI版权争议已经不能只用“训练是否属于合理使用”一个问题来概括。
同一部作品从进入公司服务器，到被清洗、存储、训练和输出，可能涉及多个相互独立的复制行为；不同环节是否构成合理使用，也可能得到不同答案。
03
被算法过滤掉的版权信息
音乐出版商提出的另一项指控，涉及版权管理信息。
所谓版权管理信息，通常包括作品名称、词曲作者、版权所有人和版权声明等内容。
对普通用户而言，这些信息可能只是网页底部或者正文之外的附加文字；对清洗训练数据的工程师而言，它们却可能被识别为需要删除的重复内容或者“杂质”。
诉状援引Anthropic内部讨论称，公司曾比较多种网页正文提取工具，以寻找更有效的内容清洗方式。其中一些工具可以过滤网页页脚、版权所有人名称和版权提示。
索尼和华纳据此指控，Anthropic在处理歌词和其他训练文本时，删除或者修改了受法律保护的版权管理信息。
如果法院最终认定Anthropic明知这些信息受到保护，仍然故意将其删除，争议就会从普通版权复制延伸到美国《数字千年版权法》中的版权管理信息条款。
索尼和华纳要求法院按照每项违法行为最高2.5万美元计算法定赔偿。
但这项主张能否成立，仍然取决于出版商能否证明Anthropic删除了哪些具体信息，以及公司在删除时是否具备法律要求的主观认知。
原告还需要证明，这种删除行为会诱导、促成或者掩盖版权侵权。
换句话说，正文提取工具能够自动删除网页页脚，并不必然等于违法。真正的争议在于，Anthropic是否知道被删除的是版权管理信息，以及这些信息被删除后，是否被用于掩盖后续的复制和传播。
04
训练可以是合理使用，盗版下载未必是
不过，在此前的版权诉讼中，Anthropic也曾获得一项关键裁决。
2025年6月，阿尔苏普在Bartz案中裁定，在该案涉及的特定情况下，Anthropic把版权图书用于训练Claude，可以构成美国版权法意义上的合理使用。
他将模型训练视为具有高度转换性的使用，认为模型利用作品学习语言关系并生成新内容，与直接向用户重新提供原书存在明显区别。
但是，这项裁定同时划出了一条重要边界。
法院认为，公司不能因为最终的训练用途可能构成合理使用，就倒推出从盗版网站取得作品的行为同样合法。
Anthropic将700多万本盗版电子书下载下来，并长期保存在内部中央资料库，没有获得合理使用保护。
这一限定后来产生了15亿美元的后果。
2025年9月，Anthropic与作家集体诉讼达成和解。2026年7月20日，美国联邦地区法官阿拉塞莉·马丁内斯－奥尔金（Araceli Martínez-Olguín）最终批准协议。
和解涉及482460部符合条件的作品，被认为是美国版权诉讼史上金额最大的和解之一。符合条件的作者和出版商预计每部作品可获得约3000美元赔偿。
Anthropic没有在和解中承认违法。
索尼和华纳正在利用的，正是Bartz判决留下的这条边界。
它们没有把全部赌注押在“使用歌词训练AI是否属于合理使用”上，而是将Anthropic的行为拆成多个部分：BT下载、网页抓取、第三方数据集获取、训练过程中的复制、模型输出，以及版权管理信息删除。
这种诉讼策略试图证明，即使法院未来认可某些模型训练用途具有转换性，Anthropic仍可能因为取得和处理数据的方式承担责任。
诉状最终提出四类主要指控，包括BT下载构成直接侵权、阿莫迪和曼帮助侵权、Anthropic自身实施直接版权侵权，以及删除或者修改版权管理信息。
这也让AI版权案件的争议边界变得更加具体。
模型没有向用户吐出一整段歌词，并不能自动解决训练数据最初是否合法取得的问题；反过来，即使企业购买了正版文本，也不意味着此后所有存储、加工和输出方式都会得到相同的法律保护。
AI公司需要回答的，正在从“模型是否复制作品”，变成“作品从哪里来、经历了哪些处理，又以什么方式进入模型”。
05
三大音乐出版集团先后加入战局
音乐行业与Claude的交手已经持续近三年。
2023年10月，环球音乐出版集团（Universal Music Publishing Group）、康科德音乐集团（Concord Music Group）和ABKCO起诉Anthropic，指控Claude使用并输出约500首受版权保护歌曲的歌词，其中涉及碧昂丝、滚石乐队和海滩男孩等音乐人的作品。
2025年1月，双方就部分争议达成安排。
Anthropic同意维持并完善Claude的版权保护措施，阻止模型直接向用户输出受保护的歌词，而且这些限制需要覆盖未来版本。
美国联邦地区法官Eumi K. Lee随后批准了这一安排。
但围绕Claude的音乐版权诉讼并未停止。
2026年1月，环球音乐出版、康科德和ABKCO再次提起规模更大的诉讼，涉及超过2万首作品，索赔金额超过30亿美元。
2026年3月，贝塔斯曼旗下BMG权利管理公司又针对493部音乐作品起诉Anthropic。
8月17日，Round Hill Music也将Anthropic告上法庭，并表示，随着更多作品被纳入案件，潜在赔偿可能达到数亿美元。
索尼和华纳的新诉讼意味着，全球三大音乐集团的出版业务如今都已分别卷入针对Anthropic的版权诉讼。
索尼和华纳还在诉状中称，Claude现有的歌词保护措施可以通过改变提问方式、反复提示等方法绕过。
诉状援引Anthropic早期微调资料称，公司工作人员曾被鼓励要求Claude执行推荐歌曲、改写文本等任务；内部测试还曾要求模型利用披头士、鲍勃·迪伦等人的歌词片段写诗。
需要强调的是，关于保护措施是否容易绕过、模型是否被有意训练成复制歌词，以及哪些具体作品构成侵权，目前仍属于原告指控，法院尚未作出判断。
Anthropic也已经开始反击。
2026年8月，公司在环球音乐出版等机构提起的第二起案件中申请驳回部分诉求，阿莫迪则单独要求法院撤销针对其个人提出的直接侵权指控。
新一轮诉讼才刚刚开始。
06
音乐公司的两套AI策略
音乐行业对AI的态度正呈现出明显的两面性。
在法庭上，音乐公司不断追究未经授权训练数据的来源；在法庭外，它们又开始把音乐版权交给另一批AI公司使用。
区别在于，授权、报酬和使用边界是否能够提前谈清楚。
2025年11月，华纳音乐集团（Warner Music Group）与AI音乐公司Suno结束此前的版权诉讼，并达成下一代AI音乐模型授权合作。Suno承诺推出使用行业授权内容的新模型。
华纳音乐集团CEO罗伯特·金克尔（Robert Kyncl）当时将这项协议称为创作者群体的一场胜利。
2026年8月12日，已经起诉Anthropic的BMG也与Suno达成全球战略合作。
协议覆盖BMG的录音和音乐出版曲库，参与的艺术家和词曲作者可以自行选择是否加入并获得报酬，双方还将处理Suno此前使用BMG作品产生的问题。
五天后，Round Hill创始人兼CEO乔希·格鲁斯（Josh Gruss）在起诉Anthropic时公开表示：“许可并不是创新的障碍，它保护的是这些原材料的合法所有者。”
最有意味的场景发生在索尼、华纳起诉Anthropic的三天前。
2026年8月25日，索尼音乐集团、环球音乐集团和华纳音乐集团共同参与Stability AI的7600万美元B轮融资。同轮投资人还包括美国艺电和AMD Ventures。
Stability AI同时强调，其Stable Audio 3.0音乐模型使用的是“完全获得授权的数据”。
对索尼、环球和华纳而言，投资Stability AI与起诉Anthropic并不矛盾。
相反，这两件事共同划出了音乐行业目前试图建立的边界：一边是愿意进入授权体系、允许权利人选择参与并分享收益的模型；另一边是仍然需要为早期训练数据来源接受司法审查的模型。
音乐公司反对的未必是AI训练本身，而是未经许可取得作品、没有向权利人支付费用，也无法解释训练数据来源的商业模式。
07
Anthropic需要交代“数据来源账”
索尼和华纳要求法院做的事情，不只是判令Anthropic赔钱。
它们还要求Anthropic披露Claude使用的训练数据、训练方式，以及收集和处理版权作品的方法，并销毁Anthropic控制范围内的侵权副本。
法院最终可能接受其中一些主张，也可能驳回另一些。
但对即将走向公开市场的Anthropic而言，诉讼本身已经成为无法回避的风险。
公开招股文件通常需要披露重大诉讼、潜在赔偿责任，以及可能对公司业务产生重要影响的监管和合规风险。
投资者也会追问：Anthropic是否知道模型训练数据来自哪里，能否证明取得方式合法，还有多少作品可能引发类似索赔。
一旦法院要求销毁部分数据，问题还可能进一步延伸至已经完成的模型训练。
模型参数是否需要重新训练，删除原始副本能否有效消除侵权影响，以及不同版本的Claude使用了哪些数据，都可能成为后续争议。
截至2026年5月，Anthropic的投后估值已经达到9650亿美元。越接近公开市场，公司越需要证明，高增长收入并不是建立在无法核查的数据来源之上。
Bartz案已经让Anthropic付出了15亿美元的和解代价。现在，环球、BMG、Round Hill、索尼和华纳又分别从歌词、乐谱、网页抓取、模型输出和版权管理信息等方向提出新的索赔。
这些案件尚不足以证明“所有AI训练都必须付费”。
但它们已经向AI行业传递出一个更明确的信号：合理使用可能保护特定的训练行为，却未必能够清洗数据取得过程中留下的盗版记录。
对于Anthropic而言，训练数据已不只是提升模型能力的原料，也开始成为需要向法院和投资人解释的资产来源与潜在负债。
AI训练真正可能告别的，不是所有免费数据，而是那种不记录来源、不核查权利，也不准备为获取方式负责的时代。
