被大模型吃掉的人开始反抗人物
今天，AI大模型已成为我们的日常工具。它敏捷、易得、善解人意，但少有人关注的是，AI不断进化的能力到底从何而来？人类的创造，是它最宝贵的原料。
在2026年的美国，有超过50起关于AI的版权诉讼案件正在进行。过去5年里，AI大模型狂飙突进，吃掉了许多好东西——人类的文字、声音、图像、代码、合同……它们的成功，造就了这个时代最耀眼的AI公司和科技新富。而作为「开采」对象的创作者们，也逐渐意识到，「AI所承诺的未来，是用偷来的文字写成的」——他们本不该是免费的原料。作家、歌手、摄影师、记者……都在通过诉讼维权。
这不仅仅是发生在美国的故事。今年2月，中国的多位配音演员公开维权，他们曾经为《甄嬛传》《甜蜜蜜》《无间道》《疯狂动物城》等经典作品配音，而现在，他们在短视频中听到了自己的声音。今年4月，30多位演员集体发布声明，抵制AI短剧换脸。
当人成为原料，当机器开始直接与人竞争，未来将会怎样？一切靠知识、经验谋生的人，都会面临威胁。我们决定从一起最「成功」的维权案写起。三位美国作家对AI公司Anthropic提起诉讼，最后撬动了15亿美元的和解协议。
希望在AI狂飙的时代，提供一些背面的声音，一些可能的警示。
「咕咚」，算法吞掉了我的作品
一位女作家决定起诉AI公司。它吃掉了她的作品。
那是2023年8月19日，美国纽约，女作家安德里娅·巴茨正坐在她35平米的工作室里。那天，来自《大西洋月刊》的一篇报道刷屏了，她点进去看，这篇文章标题叫做《哪些作者的盗版书，正在为生成式AI 提供动力？》。
这篇文章，回答了当时一个很受关注的问题——很多人都怀疑，像ChatGPT这样的大模型，是用大量没有获得授权的数据训练出来的，但那些数据从哪里来，是一个黑箱。而这篇文章的作者，刚好也懂程序，他找到了一个巨大的数据集，叫做Books3，里面有超过17万本书，包括埃莱娜·费兰特、村上春树、玛格丽特·阿特伍德等等知名作家的书。他还证明了，许多AI公司都下载过这个数据集。他在文章里有一句名言，之后被多次引用，「AI所承诺的未来，是用偷来的文字写成的」。
他还做了一个查询网站，让所有人都可以查询，自己的书有没有进入这个数据集。
巴茨点开查询网站，输入自己的名字，很快，她的作品《失落之夜》弹了出来。她在文章里描述当时的心情，「我的喉咙一阵哽咽」。
巴茨毕业于美国西北大学新闻学院，做过10年记者，之后成为了全职小说家，主要写悬疑小说，至今已经出版过4部作品。《失落之夜》是她的第一部作品。
无数作家都讲述过完成第一部作品的困难。但巴茨的讲述里，依然有非常生动的艰辛和痛苦——她的创作开始于2014年的一个夜晚。当时，她还在杂志社工作，夜里，她在电脑上天马行空地敲字，脑子里突然出现了一个点子，「如果我挑选一群人，把他们放在同一个房间，结果发生了戏剧性的事情，有人失踪了？或者被杀了，或者看起来像自杀或意外……但有迹象表明，事实并非如此。」她没有让这个念头流走，抓住它，开始继续写。
半年后，她失去了杂志社的工作，没有再求职，开始全职写小说。她说，「我有一种直觉，成为小说家的唯一途径，就是完成一部稿子」。
2015年夏天，她完成了小说的初稿，朋友给的意见「又长、又刻薄、又准确」；2016年秋天，她完成了二稿，开始寻找出版机会，一些出版社拒绝，还有的出版社编辑给出意见，小说需要大幅修改后再投稿，但也不保证会录用；又一年过去，2017年夏天，经历了一次漫长的修改，巴茨觉得，她已经把全部的生命都投入了这个作品，完成它之后，自己精疲力竭，「像个空了的丙烷罐」。
写作者的预感是准确的。这一次，她成功了。她始终记得，那个确认出版的电话打过来时自己的心情，「我对着电话尖叫。挂掉电话后，我跳上跳下，双手捂着脸，又笑又哭。那个Word文档，那十万个凝聚了我鲜血、汗水和泪水的单词，终于要变成一本书了。我简直不敢相信。」
关于自己付出了什么，巴茨的总结是：4年半时间，那些下笔前的深思熟虑，那些失败的起步、糟糕的开场，一辈子的阅读积累，以及让她学会了磨炼手艺、学习排布文字的10年职业记者生涯……
正因为写作如此艰辛，当知道自己的作品被「蒸馏」，巴茨受到了重击。「我感到被抢劫、被背叛，感到了深深的侵犯，他们就这样……拿走了。AI公司看到了那本盗版电子书——那是我经过一辈子的阅读、写作、修订和劳作写出来的东西，然后把它据为己有，把它剥离成一份txt文件，喂进算法。咕咚一声，吞了下去。我不能就这样算了。」
其实，即便没有《大西洋月刊》那篇报道，敏锐的写作者们也知道，AI的出现，会是某种「威胁」。当时巴茨正在写第四本书，她说，自己写作时，需要努力屏蔽那些恼人的问题——「AI会取代我的工作吗？AI生成的『垃圾』会取代我的故事吗？」但这篇报道，结结实实地消除了侥幸心理，是的，你的担心没错，取代正在发生。
《大西洋月刊》的报道提到了一个词叫「蒸馏」，它原本只指，一个AI模型把能力传授给另一个AI模型。但之后逐渐有了更宽泛的定义——比如机器学习一本书，不是单纯地记忆它，而是「消化」，学习其中的语言、叙事和表达，这让模型拥有了越来越好的写作能力。
面对「蒸馏」，巴茨不是唯一感到愤怒的人。她找到了另外两位作家，一位叫查尔斯·格雷伯，一位叫柯克·约翰逊。这3个人，此前互不相识，但这种愤怒让他们走到一起，决定做点什么——2024年，他们向加利福利亚北区法院提起了集体诉讼，指控Anthropic从盗版网站下载书籍，并用来训练大模型，侵犯了他们的版权。他们一共有9本书被Anthropic「蒸馏」。
这3位作家，从某种意义上来说，他们很有代表性——他们都不是有名的大作家，不能靠着畅销书的版税衣食无忧，更像是「卖字为生」，需要靠艰苦的、不能停歇的写作来养活自己。
比如查尔斯·格雷伯，他是调查记者，最有名的作品是《良心护士：一个关于医学、疯狂和谋杀的故事》，这本书写的是美国医疗领域的一起著名案件：在美国新泽西州，一位男护士，利用管制药物，持续谋杀病人，导致至少40人死亡。这本书的调查和写作，格雷伯花了10年，这也并不是一本畅销书。也因为这样的艰辛，让写作者们站在一起。格雷伯说，这3位原告，是截然不同的人，但大家能站在一起说「这件事是错误的」，这很重要。
很快，美国作家协会也加入了这场诉讼。作为行业工会，它在各大媒体和社交网络上发布公告、寻找作者，最后有超过9.2万名作者加入进来，他们的作品，都在那个数据集里。
盗版书，「来得正是时候」
许多公司都「蒸馏」了数据集，但Anthropic最先被起诉，是因为它留下了最直接的证据。
这家公司在2021年底发表了一篇论文，介绍他们如何训练大模型，里面提到，他们的数据集大部分来自「ThePile」，里面有许多「互联网图书」。而《大西洋月刊》的文章里写过，Books3数据集就属于「ThePile」，后者甚至更大。另一个有意味的细节是，Anthropic的论文开头，研究员们写，他们的大模型，和人类的价值观保持一致——诚实、有用、无害。
作家们起诉Anthropic，起诉书第一句话就非常直接：「Anthropic靠盗窃数十万本受版权保护的图书，建立了一家价值数十亿美元的公司。」
我们可以来认识一下这家公司。2026年，Anthropic频频登上头条。今年春天，它拒绝为美国五角大楼在战争中提供服务，博得了许多好感；最近，它和spaceX、OpenAI同步进入了上市流程，这三家公司的估值都接近万亿美金，被称为「人类历史上规模最大的超级IPO」，将造就一批巨富。
2021年，一群年轻人从OpenAI出走，在旧金山创办了Anthropic。他们宣称，这家公司成立之初，就是为了避免AI失控。在他们看来，未来最危险的不是AI能力不足，而是AI没有被正确约束。因此，他们早早设立了一个叫「社会影响」的团队，还聘请了驻场哲学家，宣称要教会AI什么是美德。
去过这家公司总部的《时代周刊》记者，这样描述它：到处是温暖的木材、柔和的光线，墙上挂着计算机科学之父艾伦·图灵的肖像，旁边是装裱好的关于机器学习的论文。在公司入口，接待员会递给来访者一本小册子，「像传教士在街头散发的口袋版《圣经》」，实则是创始人达里奥·阿莫代在2024年撰写的文章《慈爱机器》，描绘了他对AI如何通过加速科学发现来改变世界的愿景。2026年，他又发表了另一篇文章《技术的青春期》，提醒大家AI带来的危险，比如助长大规模监控、广泛的失业，甚至人类控制权的永久丧失……
他们的大模型，叫Claude，在全世界被广泛使用。Claudecode，也是最受程序员欢迎的编程工具之一。有媒体写到，每次Claude发布新版本、新插件，都会引发股市震荡——它的进展，有可能颠覆掉许多传统行业，比如法律、金融和软件行业。
但这样一家公司，在开发大模型时，与其他公司并没有区别。作家们在起诉书里写到，「它的商业模式，是在榨取和开采这些作品背后的人类创造力与智慧，并从中获利」。
大模型是如何产生的？最基础的共识是，一个优秀的大语言模型，需要海量的优质文本。而书籍，尤其是好的书籍，就是最甘美的源泉。法庭公布的文件里，一位AI专家作为证人，解释了优质书籍对大模型如此重要的原因：任何大语言模型的质量，都取决于用于训练的数据质量。训练数据中的高质量长篇文本越多，生成逼真、复杂文本的能力就越强。
「用户之所以使用Claude，当然是希望它能像作家那样准确和有说服力地写作，因此，最好的方式，就是让大模型接受作家作品的训练。这些作品里面，有创造性的表达、精心挑选的事实、条理清晰的分析、吸引人的虚构故事——最重要的是具有『编辑会认可的』那种 『好的写作』。」
法庭文件显示，从2021年到2024年，Anthropic一直在使用盗版资源。2021年初，公司的联合创始人本·曼恩，下载了前文提到的Books3数据集，里面有超过19万本图书；2021年6月，他又从一个叫LibraryGenesis的盗版书网站，下载了超过500万本图书；2022年7月，他从第三个盗版网站Pirate LibraryMirror下载了超过200万本图书。媒体报道了一个细节，在第三个盗版网站上线时，曼恩兴奋地给同事发消息：「来得正是时候」，并附上了三个感叹号。
另一个由诉讼带出来的细节是，本·曼恩承认，2019年他还在OpenAI工作时，也为公司下载过一个叫做「创世纪图书馆」的盗版数据集。
超过700万本书，是世界顶尖大学图书馆的藏书量。这些图书里，有虚构、非虚构，有畅销书，有冷门的学术读物，来自知名或不知名的作家。它们经由人类漫长而艰辛的思考、写作，被机器迅速吞下。而这个叫Claude的大模型，从2023年3月发布至今，不断迭代，被喂养得越来越聪明。
法庭文件也回答了一个关键问题：如果不使用盗版图书，能不能达成最后的效果？
当然可以，但会花掉很多钱。比如，可以聘请作家专门为机器写一些高质量的写作范例，花更多的电费来进行更多次的训练和微调……但最后，按照这家公司CEO阿莫代的说法，「为了避免法律、实践和商业上的麻烦」，他们选择了盗版书。
「获取世界上所有的书」
使用盗版书训练AI三年后，2024年，Anthropic终于意识到，其中的法律风险已经不可忽视。于是，他们聘请了一位新的高管，担任产品合作副总裁，他的工作可以用一句话总结：「获取世界上所有的书籍，并尽力避免麻烦。」
他叫汤姆·图尔维，这个名字在法庭文件里出现时，让这起诉讼有了时代的意味。
很多人马上想到，2005年，美国历史上那场著名的版权之战——原告也是美国作家协会，他们将谷歌告上了法庭。当时，谷歌开启了一个雄心勃勃的图书数字化计划，与全球各大图书馆合作，想要建立一个庞大的在线图书馆。根据统计，它至少扫描了几千万本书。这个项目，由谷歌的联合创始人拉里·佩奇推动，而汤姆·图尔维，当时就是这个项目的负责人。
谷歌当时的行为，让作家和出版商们出离愤怒，他们认为，谷歌在没有获得授权的情况下，「系统性复制」这些书，违反了美国版权法，他们要求谷歌停止扫描，并对已经扫描的书提供赔偿。
但谷歌认为，他们对这些书是「合理使用」：他们不提供书籍全文的在线阅读，只是提供知识索引，更像图书馆的书籍目录；他们还认为，用户通过搜索找到了某本书的片段，如果感兴趣会借阅或下单，这会促进图书销售，反而帮到了作者和出版商。
这场官司打了10年，终于在2015年，美国第二巡回上诉法院作出判决。法院认为，谷歌的目的并非替代书籍，而是提供信息检索；这个项目「为公众提供了重要的公共利益」；最重要的，因为谷歌提供的只是文本片段，读者不太可能读到全书，不会对图书市场造成实质损害。因此，谷歌的行为不构成侵权。
这起诉讼，是美国版权诉讼的一个关键里程碑。站在传统时代与互联网时代的交界点上，为两个行业的版权纠纷起到了「一锤定音」的作用。这之后，许多涉及人工智能的版权案件中，AI公司都会引用这个判决来自我辩护。
在Anthropic的案件里，汤姆·图尔维再次出现，也再次成为一个关键人物。
2024年2月，他加入Anthropic之后，曾经给一些出版商发过邮件，询问为大模型寻找训练书籍的合作事宜，但很快，这个努力就中止了。他转头联系了一些书籍经销商，采用了另一种高效（但在爱书人看来相当残酷）的方式——花几百万美元，从二手书商那里买了大量的旧书，切掉了这些书的书脊，扫描每一页，把文字转换成机器可以阅读的文本，最后把纸质书全部销毁。
这些电子文本，全部存在了Anthropic的「中央图书馆」，用于训练大模型，达成了「获取世界上所有的书籍，并尽力避免麻烦」的目标，且因为没有二次传播，规避了侵权的问题。
这个工作是秘密进行的，在Anthropic内部，它甚至有一个代号叫「巴拿马项目」。一本书从构思到出版，可能要花上三五年、十年甚至更久。但从买书、拆书、切书、扫描、销毁……大模型消化它们，只花了相当短的时间。
一份悲喜交加的裁定
2025年6月，加利福利亚北区法院下发了一份中期裁定，为作家们起诉Anthropic的案件指明了方向。
负责这起诉讼的法官，叫威廉·阿尔苏普，曾经主持过甲骨文公司和谷歌公司的版权纠纷案。在一次庭审中，当甲骨文的律师声称某段代码具有创新性时，阿尔苏普法官回应说，「像这样的代码块，我写过不止一百次」，因此，他被外界认为是真正懂技术的法官。
作家们与Anthropic的争议，阿尔苏普把它切分成了两个问题：用书来训练模型是否侵权？用盗版的方式获取图书是否侵权？