生成式人工智能的训练数据争议，正在从“模型是否学习了版权作品”进一步转向“作品如何取得、如何复制，以及模型能否还原作品”。2026年8月28日，索尼音乐出版、华纳查佩尔音乐及多家关联出版商在美国加州北区联邦地区法院起诉Anthropic及其两名联合创始人。原告指控Anthropic通过种子下载、网页抓取等方式获取大量受版权保护的音乐作品，并将其用于Claude模型训练。Anthropic则表示不同意相关指控，将在法庭上积极抗辩。案件目前仍处于诉讼初期，指控尚未获得法院认定。相关情况可参见Music Business Worldwide报道及TechCrunch报道。
争议对象不是笼统的“歌曲”，而是具体版权权利
讨论这起案件，首先需要区分音乐作品版权与录音制品版权。歌曲的歌词、旋律和乐谱通常属于音乐作品，而歌手演唱后形成的特定录音则可能构成另一项独立权利。本案原告主要是音乐出版商，公开报道所呈现的争议重点是歌词、乐谱等音乐作品，不应简单表述为Anthropic复制了唱片公司的全部录音。
原告称，Anthropic未经许可获取“数以万计”的作品，并在训练数据处理及模型输出过程中实施了多次复制。报道还显示，原告要求销毁被指控侵权的副本、披露训练数据，并主张故意侵犯版权及删除版权管理信息所对应的法定赔偿。具体作品数量、获取方式以及版权信息是否被系统删除，仍需经过证据开示和庭审核验，不能把诉状中的单方陈述直接当作法院结论。
侵权责任可能被拆分为三个环节
第一，训练材料的取得是否合法
如果训练材料来自正版购买、合法授权或开放许可，企业更有条件围绕合理使用展开抗辩。如果材料是通过盗版资源库或未经授权的下载渠道取得，那么下载和保存副本本身就可能形成独立的侵权行为。即使后续训练具有转化性，也不意味着此前的获取行为自动获得豁免。
这一区分在Anthropic此前涉及图书的诉讼中已经受到关注。TechCrunch在本次报道中指出，相关书籍案件曾区分“将作品用于模型训练”与“通过盗版方式取得作品”：前者可能进入合理使用分析，后者则可能单独产生责任。索尼与华纳此次显然试图把同样的逻辑延伸到歌词和乐谱领域，详见案件背景说明。
第二，训练过程中的复制能否构成合理使用
生成式AI训练通常需要将内容载入数据集、制作中间副本并进行模型计算，因此很难回避“是否发生复制”。但发生复制不等于必然承担最终侵权责任，法院还可能考察使用目的和性质、作品的创造性程度、使用数量及实质性，以及对现实或潜在授权市场的影响。
Anthropic可能强调，模型训练是统计建模而非向用户提供歌曲原件，训练目的具有转化性，模型参数也不等同于可阅读的歌词数据库。出版商则可能主张，歌词属于表达性很强的作品，训练往往需要使用作品的重要乃至全部内容，而且音乐行业已经存在成熟的歌词授权市场。若未经许可的训练替代了原本可以达成的商业授权，市场损害因素可能对AI企业不利。
第三，模型输出是否构成实质性相似
训练输入与模型输出应当分别判断。即使法院认为某种训练用途可以适用合理使用，如果Claude在特定提示下能够连续、近乎逐字地输出受保护歌词，相关输出仍可能构成新的复制或传播争议。责任判断将取决于输出长度、内容独创性、与原作相似程度、触发方式，以及平台在收到通知后是否采取有效限制措施。
对Anthropic而言，仅证明模型不会在普通对话中主动展示完整歌词可能还不够。企业还需要说明是否设置了歌词复现拦截、训练数据去重、记忆化测试和权利人投诉机制。对出版商而言，也不能只证明模型“知道”某首歌，而需证明输出复制了受版权保护的表达，而非仅涉及歌名、作者、发行时间等事实信息。
删除版权管理信息可能形成独立风险
公开报道显示，原告还指控训练数据处理过程中删除了作品标题、作者署名或版权声明等版权管理信息，并据此提出额外赔偿请求。Music Business Worldwide报道称，原告寻求每部被认定为故意侵权的作品最高15万美元法定赔偿，并针对每次被认定的版权管理信息删除行为主张最高2.5万美元，详见诉讼请求报道。
需要警惕的是，这些数字属于法律规定范围内的诉讼主张上限，并非已经确定的赔偿额。法院仍需判断原告是否拥有有效版权、每项作品是否实际被使用、侵权是否属于故意行为，以及版权管理信息是否被明知删除并与侵权活动存在法定联系。因此，将作品数量直接乘以最高赔偿标准，只能得到理论风险敞口，不能视为Anthropic必然承担的金额。
创始人被列为被告，不代表个人责任已经成立
诉状同时列入Anthropic首席执行官Dario Amodei和联合创始人Benjamin Mann。原告若要追究个人责任，通常需要证明相关人员直接参与、授权、控制或实质推动了被指控的行为，而不能仅以其创始人或高管身份自动归责。创始人是否了解数据来源、是否参与下载或批准数据策略，将可能成为证据开示的重要内容。被列为被告只是原告的诉讼安排，并不等于法院已经认定其个人侵权。
AI企业可以从案件中吸取哪些合规经验
- 建立来源台账：为训练数据保留来源、许可条件、获取时间、处理方法与供应商证明，避免只能证明“数据存在”，却无法证明“数据从何而来”。
- 分开评估取得与使用：不要把合理使用当作覆盖全部流程的通行证。下载、保存、训练、微调和输出可能分别触发不同责任。
- 保留版权元数据：数据清洗不应无差别删除作者、权利人和许可信息；如因技术需要转换字段，应保存可追溯映射。
- 开展记忆化测试：针对歌词、新闻、书籍等高表达性内容测试长文本复现，并设置输出长度限制、相似度检测和拒答策略。
- 准备授权方案：对于存在成熟许可市场的高价值数据，应优先考虑集体授权、曲库授权或按使用量结算，而不是完全依赖诉讼后的合理使用抗辩。
总结
这起诉讼真正要划定的，并不是“AI能不能学习歌曲”这样简单的二元界限，而是训练材料取得、内部复制、版权信息处理和模型输出各自应承担什么责任。案件最终可能出现分环节判断：某些训练用途具有合理使用空间，但盗版下载、保留未授权语料、删除版权管理信息或输出高度相似歌词，仍可能分别构成责任。对生成式AI行业而言，最现实的变化是训练数据合规将从一份原则声明，转变为可以逐项审计、提供证据并接受权利人核查的工程体系。
事件或资料日期：诉讼于2026年8月28日提交；Music Business Worldwide于2026年8月29日报道，参见[1]；TechCrunch于2026年8月29日报道并补充Anthropic回应，参见[2]。本文信息核验截止日期为2026年8月31日。
