2026年7月20日，加州北区联邦法院法官Araceli Martínez-Olguín签署了最终批准令，Anthropic就使用盗版书籍训练Claude一事支付了15亿美元的和解金。这笔赔偿覆盖了约48.2万至50万部作品，平均每部约3000美元。这是美国版权史上，也是AI时代迄今规模最大的版权和解。但这笔裁决最重要的意义或许在于它未解决的问题：15亿美元并非“AI训练合理使用的定价”，Anthropic和版权作者都算不得这场游戏的赢家，而美国国会正在同步推进的立法，才是真正决定AI训练数据未来的那条线。
一、15亿美元标价的是“盗版获取”，不是“AI训练”
要理解这笔和解，必须回到2025年6月23日Alsup法官那份32页的简易判决裁定。这位以“软件工程师式严谨”著称的法官做了一个关键二分：1、训练行为本身：将合法取得的书籍输入模型训练Claude，构成合理使用；购买纸质书后扫描数字化：不构成额外侵权；2、从盗版影子图书馆下载并永久存储700多万本书：构成“固有、不可救药的侵权”。这项和解协议并未推翻之前的裁决。相反，案件的焦点现在集中在Anthropic公司从LibGen和PiLiMi等影子图书馆中下载和存储文件的行为上。也就是，3000美元/部是“盗版数据清算价”，不是“合法训练授权费”。Alsup裁定已经明确——如果数据来源合法，训练行为本身可能根本不需要支付版权许可费。为什么Anthropic宁愿花15亿也要和解？如果案情对Anthropic不利，它将面临更为巨大的赔偿责任——美国版权法对故意侵权的最高法定赔偿是每部作品15万美元，700万部盗版书的理论敞口接近1万亿美元。15亿，是用一个Anthropic可承受的数字，买断这把悬在头上的剑。
二、“无约束性先例”——这是本案最大的法律遗产，却被严重低估
Anthropic及其支持者把这份和解称为“胜利”，因为Alsup裁定说训练AI构成合理使用。但法律现实是，因为和解而非上诉，Alsup的裁定永远停留在“地区法院审前意见”层面，不构成任何约束性先例。在美国判例法体系下，约束性先例来自上诉审最终判决，简易判决阶段的审前命令只有“说服力”，没有“约束力”；而一旦和解，案件从未产生对是非曲直的最终判断。这意味着，Anthropic赢得了“一个非常有分量的法律意见”，但不是“具有约束力的先例”。而且和解协议不构成持续许可，不免除其未来因模型输出或后续训练方式面临的索赔，6名作者选择退出和解另行起诉。目前，数十起人工智能版权案件正在美国联邦法院审理。纽约南区Hachette诉Google Gemini案、加州北区Kadrey诉Meta案、Thomson Reuters诉Ross案——每个都在独立审理，且已经出现分歧。Chhabria法官在Kadrey案中明确留出了“市场稀释理论”的反击空间，与Alsup的激进立场形成同一法院内的实质分歧。这些版权持有者针对AI科技企业的持续诉讼，在法律上仍然可以得出完全不同的结论。
三、15亿美元——只是看起来多
拨开15亿这个吓人的总数字，真相是：作者群体也远非这场和解的胜利者。
1、15亿美元中只有2/3能够给到作者。这15亿美元不仅要用于支付版权所有者的款项，还有其他一些重大成本，这些成本可能会导致实际支付金额低于广为报道的每部作品3000美元的基准线。即便经过法院大幅削减，在权利人拿到任何款项之前，这笔和解金已经有约1.22亿美元被用于律师费、诉讼开支和行政管理储备。如果按照律师团最初的报价口径，这一比例将飙升至和解基金的四分之一到三分之一——也就是说，作者们还没见到钱，蛋糕就已经被切走一大块。
2、3000美元/本是否合理？这项和解协议引入了人工智能训练数据争论中一直缺失的一个要素：市场价格。根据50万部作品的定价，每部作品的价格约为3000美元，这代表了首个经司法认可的、针对人工智能训练使用受版权保护书籍的单位价值评估。超过91%的受和解协议约束的作者和出版商已经领取了赔偿金，但法院共收到54份异议。这些异议的核心攻击点高度一致：（1）赔偿标准过低：多位异议者指出，3000美元/部相较法定赔偿上限15万美元“微不足道”，有反对者直言集体成员获得的仅为法定上限的2%；（2）分配机制不公：Authors Alliance汇总的异议中，明确批评“作者与出版商50-50默认分成”对小作者不公平；对于CC许可等特定类别书籍，集体代表的立场甚至与作者利益相悖。
更值得玩味的是：350名集体成员选择退出和解（涉及1802部作品），他们宁愿放弃这3000美元/部的保底价，也要保留单独起诉Anthropic的权利。这些选择退出的，大多是“拥有多部作品和成熟法律代表”的大型权利人或出版商——他们有资本赌一把更大的赔偿。而普通个体作者，则被留在和解池里，接受远低于3000美元/部的现实。
四、国会立法路径：让黑箱打开
而在法院批准上述和解协议之前，2026年6月30日，美国众议院司法委员会下属的“法院、知识产权、人工智能与互联网小组委员会”举行“中年危机？四十岁后的知识产权与互联网（A Mid-Life Crisis? IP and the Internet After 40）听证会”。哥伦比亚法学院Viswanathan教授在被问及对Anthropic案件中“合理使用”的裁决有何意见时，她明确地反对Alsup式合理使用宽口径，并针对AI公司的“合理使用抗辩逐一反驳：转化性在法律上“不清楚”是否成立；训练确实损害了版权所有人在许可市场的实际或潜在利益；“许可成本太高”不是有效抗辩——电影制作等复杂许可实践早已证明大规模许可的可行性。但她提出的解决方案却是“轻触式监管”（a light hand of regulation）：激励许可市场形成，而非强制干预。这一思路精确对应了美国国会近期围绕AI训练数据版权的设计哲学——美国国会正在通过“透明度”与“查证权”铺设基础设施：（1）CLEAR法案：《版权标签和人工智能伦理报告法案》（S.3813，2026年2月10日提出，参议院司法委员会审议中），核心义务只有一项——强制披露。它要求生成式AI开发者在商业发布前30天，向版权局提交“训练数据集中每一件受版权保护作品的详细摘要”，版权局据此建立公开数据库。（2）TRAIN法案：《人工智能网络透明度和责任法案》（H.R.7209/S.2455，2026年1月众议院提出），核心机制是行政传票——版权人可向地区法院书记官申请传票，要求AI开发者披露其作品是否被用于训练。从本质上CLEAR与TRAIN法案是“知情权法案”，它们解决的是AI训练数据黑箱问题，而非AI训练的侵权定性问题。这意味着版权人的补偿问题留给两条路径解决：（1）司法路径：版权人通过CLEAR/TRAIN获得证据后，自行发起侵权诉讼，由法院判定是否合理使用、是否赔偿（Bartz和解就是这条路径的集大成） （2）市场路径：透明度倒逼自愿许可市场的形成——AI公司为避免诉讼风险，主动与版权人谈判许可费。
五、案件已了，法律问题才刚开始
Alsup法官的32页裁定书，是AI时代版权法最具雄心的合理使用论证——但它从未跨过“有约束力”的门槛。Anthropic用15亿美元买下的，不是“合理使用”论证的终局胜利，而是不让它被陪审团推翻的机会。但这15亿美元，作者也没赢。扣除律师费、诉讼开支和管理成本，再与出版商五五分成后，一位普通作者的实际到手不过1500美元/部——作品被大规模窃取后、经风险折价与层层分润后的残值。
这恰恰解释了为什么国会立法正在加速。CLEAR法案与TRAIN法案做的是一件更基础的事：让黑箱打开。当每一个版权人都能通过公开数据库确认自己的作品被使用、都能通过行政传票调取训练记录时，“合理使用”的抗辩将不得不在每一个后续案件中重新作出。Bartz式“集体打包折扣”的机制将被瓦解，取而代之的，是长尾个体诉讼的累计敞口。对正在构建或使用AI的大厂而言，真正的合规问题在于：AI业务能否经得起这种程度的透明化审视？3000美元/部，不是答案，只是开始。