华夏出版社：图书标注禁用于AI训练，维权难但需态度

近期，出版行业发生了一件引人关注的事件。华夏出版社推出的《新译黄庭经 阴符经》等图书，版权信息页上明确印有一行警示文字：“禁止将本书内容用于人工智能训练，违者必究”。该书由刘连朋、顾宝田注译，华夏出版社有限公司出版发行，著作财产权归属三民书局股份有限公司。

8月4日，红星新闻的报道补充了更多细节。华夏出版社相关负责人解释称，在引进部分外版图书时，版权合同中已包含这一条款——禁止图书文本被用于人工智能训练。“作为履约方，我们必须对权利方负责，因此会标注这句话。”不过，该负责人也坦言，如果书籍内容确被未经授权用于AI训练，维权难度极大。出版社标注这条警示，更多是一种态度宣示，让公众明确图书享有版权保护。

坦率地说，目前多数纸质书出版社尚无法通过技术手段自动拦截扫描录入行为。与网页可以设置爬虫协议不同，实体书籍没有线上防护机制。对于有组织的数据采集团队而言，这类警示文字更像一份“君子协定”。普通出版机构、创作者若遭遇图书内容被擅自采集用于AI训练，能够采取的维权路径依然相当有限。

有法律人士给出了建议：发现侵权线索后，应首先完整保存图书版权页、出版物样本等权属证据；一旦发现某公司批量扫描图书，可发送书面函件要求停止采集。但最大难点在于举证——普通人很难获取AI企业内部的训练数据集。现阶段，行业更依赖事前约定和持续公示版权主张，以降低侵权风险。

实际上，海外出版界与AI企业的版权博弈早已开始。2024年初，人工智能初创公司Anthropic启动了一项内部秘密项目，代号“巴拿马计划”（Project Panama），目标简单直接：获取“世界上所有的书”。初期，Anthropic依靠Books3、影子图书馆等盗版电子书获取训练文本，结果引发了作家集体版权诉讼。去年9月，Anthropic提交的法庭文件显示，该公司将支付至少15亿美元以解决这场诉讼。根据和解协议，Anthropic向约50万部纳入和解范围的书籍作者或出版商，每部赔偿约3000美元。

为规避盗版风险，该公司随后转向批量采购二手实体图书，采集高质量训练语料，完成录入后直接销毁原版书籍——约200万册纸质图书在数据采集流程中损毁。事件曝光后，“毁书训练AI”的争议席卷全球出版行业，大量出版社开始重新审视实体文本的数据安全问题。

究其原因，图书对AI训练为何如此重要？相比充斥着碎片化言论、重复信息、错误内容的互联网公开文本，正式出版的图书经过层层校对，行文连贯、逻辑完整，能够帮助大模型掌握系统性表达与长文本推理能力。大量古籍、专业著作、绝版文献没有完整电子版在网络流通，只能通过实体书籍扫描获取完整内容。多元类型的出版物，也能丰富模型知识边界，平衡书面表达、叙事、理论解读等各类能力。

极高的训练价值，使得图书成为大模型不可或缺的语料来源。这也就解释了为什么有些AI企业不惜成本批量收集纸质书籍数字化。但随之而来的版权冲突，正在倒逼出版行业主动划定权利边界。

学术界也未停歇。今年5月，旗下拥有《柳叶刀》《细胞》等刊物的头部出版集团爱思唯尔（Elsevier）与其它四家出版社联合起诉Meta，指控其未经许可获取海量受版权保护的图书、期刊内容，用于Llama系列大模型训练。起诉书显示，为在AI军备竞赛中抢占先机，Meta不仅使用了包含数十亿网页的网络抓取数据集，还从盗版网站下载并传播了数百万本受版权保护的书籍和付费学术期刊文章。更严重的是，Meta还被指控删除了作品中的版权声明与作者信息，以掩盖数据来源。

Meta方面则辩称，使用版权内容训练AI属于“变革性使用”，可适用美国版权法中的合理使用规则，并表示将积极应诉。而在去年3月，法国主要出版商和作家协会也曾对Meta提起诉讼，指控其未经授权大规模使用受版权保护的内容来训练AI模型。

问题在于，时至今日，全球范围内仍没有统一、明确的司法定论。不同地区法院针对同类案件，也曾出现过截然不同的判决结果。

今年3月，据21世纪经济报道，中国最高人民法院副院长陶凯元在谈及生成式人工智能给知识产权司法裁判带来的挑战时表示，法官往往难以通过对现行法律的简单“对号入座”作出裁判，但又必须回答人工智能技术迅猛发展带来的“司法之问”。在陶凯元看来，应在人工智能产业发展和著作权人合法权益保护之间寻求平衡。据她透露，目前国家正在积极推进涉人工智能、数据产权司法政策文件的起草制定，努力为新技术的应用提供较为清晰的司法边界。