围绕大型语言模型如何构建的斗争，最新战线既不是小说、新闻档案，也不是一堆源代码，而是美国歌曲宝库。8 月 28 日，Sony Music Publishing 与 Warner Chappell 走进北加州联邦法院，起诉了开发 Claude 系列模型的实验室 Anthropic，以及其首席执行官 Dario Amodei 和联合创始人 Benjamin Mann。出版商的诉状措辞毫不含糊，称 Claude 的训练是*“历史上规模最大、最明目张胆且仍在持续的知识产权盗窃案之一。”*
这句话就是为了传播。它也意在构建一种损害赔偿理论：如果陪审团最终接受法律规定的最高额度，其金额将足以重新安排一家前沿实验室的经济格局。诉状要求每部作品最高 15 万美元，并针对*“数万”首作品中每个被删除的版权管理标签额外索赔2.5 万美元——金额可能达到数十亿美元*。Anthropic 未立即发表评论。
这起案件处于整个行业盘旋了两年多的一个交汇点：以工业化规模摄入受版权保护的文本，然后回应用户索要副歌或诗节的请求，究竟属于研究、产品开发，还是盗窃。音乐出版商已经决定，他们知道答案。他们正请求这个国家最重要的科技诉讼地点之一的法院予以认同。
诉状中的曲库
五首歌曲，以及一种损害理论
文件中点名的作品并非鲜为人知的冷门曲目。几十年来，它们一直出现在收音机、婚礼、体育场和流媒体播放列表中。诉状列出了**“Ain’t No Mountain High Enough”——由 Holland-Dozier-Holland / Ashford & Simpson 创作、后经 Marvin Gaye 和 Tammi Terrell 演绎成为摩城丰碑的经典歌曲；列出了Bon Jovi 的 “Livin’ on a Prayer”，一首工薪阶层的力量民谣，酒吧乐队弹到转调时仍能让全场沸腾；列出了Earth, Wind & Fire 的 “September”，一首超越其诞生年代、人人都会跟唱的日历主题歌曲；列出了“Hallelujah”，Leonard Cohen 创作的、关于怀疑与欲望的圣歌，翻唱次数之多，以至于许多听众已经记不清自己最初爱上的是哪个版本；还列出了Taylor Swift 的 “Paper Rings”**，这首较晚时期的曲库作品提醒法院，这不仅是关于 20 世纪 60 年代和 80 年代的争斗。
这些歌名所发挥的作用，不是赔偿电子表格能够替代的。它们告诉法官，也许随后还会告诉陪审团，所谓的拿取并非抽象行为，而是人们会哼唱的东西。在此前的技术纠纷中，出版商已经学会，具体事例更有说服力。Napster 并不是被点对点网络理论击败的，而是被 Metallica 和一份曲目清单击败的。同样的本能也在这里显现。
Sony Music Publishing 和 Warner Chappell 是控制录制音乐背后大量作品版权的三家全球大型出版商中的两家。第三家Universal已经加入这场斗争。诉状选择这些著名歌曲，是在传达这样一个意思：如果 Claude 是在文化之上训练出来的，那么它训练的就是我们。
出版商称数据是如何收集的
种子下载、盗版镜像与授权歌词网站
诉状中最具爆炸性的事实主张并不涉及输出，而是涉及输入。诉状称，Mann 通过种子下载了超过 500 万本盗版书籍；称员工又从 Pirate Library Mirror 获取了至少 200 万本；还称该实验室从 MusixMatch 和 LyricFind 等授权网站抓取歌词。
这三条被指控的数据管道，出于不同的法律原因而具有重要意义。
如果得到证实，下载盗版图书馆的种子将构成一个直接明了的版权故事：大规模复制实验室没有购买、且来源方无权提供的作品。Pirate Library Mirror 是一种影子档案库，在机器学习圈子里作为授权文本的便利替代品流传，尽管这种替代品也带有极高风险。从 MusixMatch 和 LyricFind 抓取内容，则是另一类指控。这些服务之所以存在，正是因为歌词需要获得授权。它们背后是与出版商达成的商业安排。诉状暗示，抓取这些网站的内容并不是偶然闯入公共网络，而是拿走这个行业已经建立起合法市场的唯一场所，并将其当成免费的训练集。
这些说法尚未经过审判检验。Anthropic 也尚未公开回应诉状。诉讼是一组指控，而不是判决。但出版商已经将实验室的数据卫生——谁收集了什么、从哪里收集、是否得到许可——置于案件核心。对于被告而言，这比争论聊天机器人对歌词的改写是否具有转换性更加危险。输入更容易计数，也更容易留下日志。
法定损害赔偿的算术
按作品计费，以及被删除的标签
美国版权法并不要求原告证明每一项损失许可的确切金额。对于已经登记的作品，法律允许适用一定范围的法定损害赔偿。出版商要求的是该范围的上限：每部作品最高 15 万美元。他们还提出了第二个、不太为人熟知的数字：每个被删除的版权管理标签 2.5 万美元。
版权管理信息是随作品一同传递的元数据——署名、标识符，以及那套无声运行的机制，用来告诉被许可方谁拥有这项权利以及如何付款。联邦法律将删除这些信息视为一种独立违法行为，与复制歌曲本身分开。如果训练管道删除标签，使模型不再知道，或不再显示，某段歌词属于某家出版商，诉状就将每个被删除的标签视为一个可以计费的事件。
将这些数字乘以*“数万”*首作品，出版商便得出了一个他们乐于反复强调的标题数字：可能达到数十亿美元。这并不是法官将判决的金额预测，而是一个上限，也是一枚谈判筹码。在版权诉讼中，上限本身就是重点。它会改变和解计算方式，改变董事会讨论准备金的方式，也会改变公司究竟把音乐视为可以四舍五入的误差，还是视为攸关生死的诉讼事项。
同样的算术也解释了出版商为何点名起诉 Amodei 和 Mann，而不只是起诉公司实体。将个人列为被告会让人更加认真，也会在一宗涉及被指控数据收集行为的案件中，把实验室原本可以称作研究实践的决策具象化为人的行为。
15 亿美元的图书和解，以及拥挤的诉讼日程
这不是 Anthropic 第一次因训练数据而陷入昂贵争议。该实验室已经以 15 亿美元解决了一起图书出版商案件。这一数字如今已成为人工智能版权战争的公共记录的一部分。它向每一位后续原告传递了两点信息：当事实和审理地点糟糕到一定程度时，Anthropic 会付钱；而和解这些案件的市场已经不再只是理论上的存在。
在 Sony 和 Warner Chappell 提起诉讼之前，音乐诉讼日程就已经排得满满当当。Anthropic 正面临 Universal、Concord、ABKCO、BMG 和 Round Hill 的诉讼。随着周五这份诉状的提交，三家大型出版商均已在法庭上对 Claude 的制造者提起诉讼。这是一个结构性事实，而非修辞。大型出版商并不总是步调一致。当它们采取共同立场时，被告便失去了让其中一家与其他家分道扬镳、另行授权的希望。
独立出版商和中型大型出版商——Concord、ABKCO、BMG、Round Hill——带来了更深厚的曲库，也带来了不同的政治意味。ABKCO 的资产包括滚石乐队和 Sam Cooke 音乐故事中的部分作品。BMG 多年来一直将自己塑造成比传统大型出版商更尊重作者的选择。Concord 的曲库堪称一座美国流行音乐博物馆。它们合在一起，让 Anthropic 更难辩称自己只是被两家企业集团单独针对。按照这种说法，整个行业已经以一个整体出现。
为什么歌词比书籍更锋利
书籍和新闻文章之所以成为生成式人工智能版权诉讼的第一波对象，是因为它们篇幅长、容易引用，也容易通过截图展示。歌词更短、更容易黏在记忆里，对模型制造商来说，在某些方面也更加危险。
一个看过小说的大型语言模型，往往可以讨论其主题，而不必重新打印一整章。一个看过歌词的模型，却只需一个提示词就可能重新打印整部作品。流行歌曲篇幅短小，其价值存在于精确的顺序之中——副歌、桥段、最后一次重复的副歌。用户向聊天机器人索要歌词，就像过去向搜索引擎索要歌词一样。如果 Claude 背诵出一节歌词，出版商无需提出复杂的实质性相似理论。输出内容就是作品本身。
此外，这里已经存在一个许可市场。歌词网站付费，流媒体服务付费，广播则通过表演权组织付费。电影和广告中的同步使用也要付费。出版商的理论是，Anthropic 跳过了排队。它没有向 MusixMatch 或 LyricFind 获取许可，也没有与 Sony 或 Warner 坐下来谈判。在出版商的叙述中，它先行训练，然后希望法律将结果视为合理使用。
合理使用是每一家人工智能实验室都寄予希望的法律原则。它会考察某项使用是否具有转换性、使用了作品多少内容，以及这种使用对原作市场产生了什么影响。实验室主张，为了教会模型语言而在文本上训练，是一种具有转换性的中间复制，更像阅读而非再版。权利人则主张相反观点：能够输出作品的商业聊天机器人就是这个市场，或者说是市场的替代品。法院尚未解决这场争论。它们已经作出了一系列早期裁决，有些对训练较为友好，有些则并非如此；同时，越来越多的和解看起来像是一种保险政策。
音乐出版商有特别充分的理由拒绝阅读这一比喻。他们本来就在授权展示歌词的行为。这个市场并非假设性的存在，而是有明确的价目表。
北加州：被选中的战场
在北加州提起诉讼，并非地理位置上的偶然。Anthropic 是一家旧金山公司。北加州联邦地区法院是全美最受关注的科技案件接受审理和解释的地方之一，法官们已经见证了十年的平台斗争。这里的陪审员群体也生活在这些系统的建造者之中。这可能产生两种方向的结果：它可能让人对老牌行业的原告产生怀疑，也可能让人对那些公开谈论安全、而如果诉状属实却私下下载盗版图书馆的实验室感到不耐烦。
点名 Dario Amodei 和 Benjamin Mann，使案件不再只是一个纯粹的公司道德剧。Amodei 是 Anthropic 安全品牌的公众面孔——这位前 OpenAI 研究员离开后创办了一家公司，按照其自身叙述，该公司会比竞争对手更加谨慎地对待强大的模型。Mann 是一名技术创始人，而在这份诉状中，他的名字与超过 500 万本盗版书籍的种子下载指控联系在一起。出版商强调的正是这种反差：一家安全实验室不能对军事客户表现得格外谨慎，却对曲库漫不经心。
“持续进行”意在造成什么效果
诉状中最重要的形容词或许是持续进行。出版商没有把这描述成一个历史罪行，也没有说这是一次在 2023 年结束的训练运行，可以通过和解和更干净的数据集予以挽回。他们描述的是一种实践。如果 Claude 仍在训练、仍在更新，仍在使用吸收了 MusixMatch 和 LyricFind 内容的权重回答歌词提示，那么每一天都可能产生新的侵权计数。
这种表述对于禁令和损害赔偿同样重要。相信侵权行为已经结束的法院，可能满足于只讨论金钱；而相信侵权行为仍在发生的法院，则可以被请求关闭某些东西——一条数据管道、某项功能，或模型输出歌词的能力。产品团队更害怕禁令，而不是害怕支票。支票可以计入准备金；周五下午突然消失的功能，则会让用户离开。
这起诉讼所加入的更广泛战争
音乐行业认为自己曾经历过这一切。家庭录音、采样、Napster、YouTube 的第一个十年、TikTok 的配乐交易。每一次，争论都在于新机器让复制变得过于容易，也让付费变得过于可有可无。每一次，行业都姗姗来迟，大张旗鼓地起诉，最终走向授权。悬而未决的问题是：生成式人工智能究竟是又一个授权周期，还是打破这一模式的技术——一种不需要把歌曲作为产品，只需要把歌曲作为营养物的技术。
如果是前者，这起案件将以昂贵版权案件常见的方式结束：一份保密协议、一个获得授权的歌词语料库、一种水印、一份收入分成，以及一份关于合作的新闻稿。如果是后者，出版商正试图把营养的价格抬高到足以迫使实验室走上谈判桌，或者让模型因缺乏音乐营养而“挨饿”的程度。
那份15 亿美元的图书和解表明，Anthropic 已经知道第一条道路是什么样子。而 Universal、Concord、ABKCO、BMG 和 Round Hill 出现在同一战场上，则表明如果谈判失败，行业正准备走上第二条道路。
实验室尚未说什么
**Anthropic 未立即发表评论。**诉状提交当天保持沉默很寻常，但这也会留下一个真空，而出版商的语言将填补这个真空。“历史上规模最大、最明目张胆且仍在持续的知识产权盗窃案之一”，并不是为法庭会议写下的句子，而是为起诉与答辩之间的那一周写下的——在这段时间里，公众叙事会逐渐定型。
实验室发声时，会有一套熟悉的选项。它可以否认种子下载行为，可以说训练数据中的任何歌词都是偶然出现的、已经过滤掉的，或是以法律允许的方式使用的；可以指出输出过滤器会拒绝重新打印整首歌曲；可以主张起诉首席执行官和联合创始人只是为了制造声势；也可以指出，数万部作品每部15 万美元，再加上标签损害赔偿，是一个用来吓人的数字，而不是用来衡量损害的数字。
但它很难假装音乐行业是分散的。三家大型出版商均已在法庭上对 Claude 的制造者提起诉讼。诉状中的曲目——“Ain’t No Mountain High Enough”、“Livin’ on a Prayer”、“September”、“Hallelujah”、“Paper Rings”——提醒人们，涉案作品并非小众内容。它们就是文化赖以生存的水。
接下来的行动将在程序上展开，而且进展缓慢：送达、驳回动议，以及围绕取证范围的争斗——究竟能否深入 Anthropic 的数据管道内部。如果出版商所言属实，那么这条管道中的某处存在一份种子文件、一个镜像，以及对那些已经为文字付费的网站进行的抓取。在损害赔偿理论的某处，则存在一个足以让前沿实验室退缩的、按作品计算的巨大数字。至于歌曲本身，它们仍将继续播放。北加州联邦地区法院被要求回答的问题是：当一台机器学会把歌曲唱回来时，究竟谁——如果有人——应当获得报酬。