近期，华夏出版社在《新译黄庭经 阴符经》等图书的版权页上标注“禁止将本书内容用于人工智能训练，违者必究”的事件引发广泛关注。出版社负责人在接受采访时坦言，如果书籍内容在未获授权的情况下被用于模型训练，实际维权难度很大，但出版社仍坚持标注，目的是表明立场，让读者意识到图书是有版权的。

这让传统出版业面对人工智能数据训练的物理局限摆上了台面。一行版权页文字，就像是纸质的爬虫协议（robots.txt）公开叫板AI训练。本文从国内相关司法案例、域外纸质书训练纠纷以及出版行业的应对实践进行整体观察。

AI训练数据的国内案例

目前国内法院对人工智能训练数据合法性的认定的主流观点是在输入端训练环节审慎宽松，在输出端对生成侵权内容严格追责。在杭州互联网法院审理的“奥特曼案”〔（2024）浙0192民初1587号〕中，原告主张被告AI平台通过用户投喂图片进行模型训练构成侵权，并要求删除与权利作品有关的全部物料和相关数据。法院经审理认为：生成式人工智能在数据训练阶段使用他人作品，原则上用于学习分析在先作品的思想感情、语言特征、特色风格等内容，提取规则、结构、模式、趋势以辅助后续转换性创作，并非以再现作品的独创性表达为目的，且数据训练及生成过程中未将在先作品展示给公众；在无证据证明该使用行为以使用权利作品的独创性表达为目的、已影响权利作品正常使用或不合理地损害著作权人合法权益的情形下，可以认定为合理使用。据此，法院未支持原告概括性删除全部训练物料的诉请，但认定平台对输出端生成的侵权图片及LoRA模型未尽合理注意义务，构成帮助侵害信息网络传播权，判令删除已生成的侵权图片及LoRA模型并承担赔偿责任。这一判决表明，训练行为本身与生成侵权内容在法律上应当区分评价。

在“美杜莎案”〔一审：上海市金山区人民法院（2025）沪0116民初2354号；二审：上海知识产权法院（2025）沪73民终1189号〕中，司法从另一个角度划定了边界。该案中，用户李某截取《斗破苍穹》动漫中“美杜莎”角色形象图片，用于训练并发布专门的LoRA模型，使其他用户能生成与权利作品高度相似的图片。法院认定，李某以商业使用为目的，在素材截取阶段及LoRA模型训练、发布及使用阶段再现在先作品的独创性表达，并将图集等素材通过网络提供给公众，侵害了权利人对“美杜莎”作品享有的复制权和信息网络传播权，判令其停止侵权并赔偿经济损失及合理开支共计五万元。从这两起案例可以看出，国内司法并未形成“训练是否合法”的统一结论，而要紧扣使用目的、数据来源、是否再现独创性表达以及是否损害原作品市场等因素进行个案判断。而对纸质书而言，要证明训练数据集包含特定图书内容的技术门槛和取证成本都很高。

纸质书被用于训练的域外案例

Bartz v. Anthropic案的法庭文件披露了Anthropic公司“巴拿马计划”，在业内引起较大震动。该公司为获取训练语料，批量采购二手纸质书，采用工业化的方式切除书脊、高速扫描并将原书销毁，仅保留数字化文本用于训练Claude模型。针对数据训练，美国加州北区联邦地区法院在相关集体诉讼中进行认定：对于合法购买纸质书后逐一扫描并用于训练的部分，法院认定属于合理使用；而对于从盗版数据库LibGen等渠道下载并长期存储作品的部分则构成侵权。2026年7月，该案达成总额约十五亿美元的和解协议，覆盖超过四十八万部作品。这一结果对出版业的重要启示在于，该案更关注数据获取来源的合法性，而非笼统地否定以纸质书为来源的训练行为本身。

欧盟的司法路径则更侧重于保护权利人的明确意愿。在德国慕尼黑第一地区法院审理的GEMA v. OpenAI案中，原告作为音乐著作权集体管理组织，主张ChatGPT在训练GPT-4和GPT-4o模型时使用了其管理的歌词，且用户通过简单提示即可使模型近乎完整地复述歌词。法院经审理认定，语言模型在训练过程中将歌词“记忆化”，使其以参数形式固定于模型中并可被重复再现，这一行为满足著作权法对“有形固定”的要求，构成对复制权的侵害；同时，模型向不特定公众输出歌词内容，构成对公开传播权的侵害。法院进一步指出，欧盟《数字单一市场指令》及德国法中的文本与数据挖掘例外条款，仅适用于为分析目的而进行的临时、非永久性的复制，不适用于导致作品在模型中形成永久性复制件的情形。这一判决表明，即便出于训练目的，若行为超出临时复制边界，如形成可反复调用的长期存储，仍可能构成对复制权和公开传播权的侵害。

声明本身的实际效力有多大？

应对AI数据训练的技术洪流，传统出版行业有不同的应对方式。华夏出版社在版权页标注“禁止人工智能训练”，通过公开声明表明权利人明确反对的态度，使后续使用者难以主张“不知情”或“默示许可”。类似的还有国际出版商企鹅兰登书屋，在新书和重印书的版权页统一加入禁止将作品用于人工智能训练的条款，明确依据欧盟法律保留作品不被用于文本和数据挖掘的权利。但是在法律效力边界上，欧盟法明文设定“选择退出”（Opt-out）机制，在数字文本抓取、数据库使用等场景，默认允许使用，权利人主动退出才可排除使用。在我国现行法律框架下，版权页声明属于单方意思表示，不具备强制对外约束效力。这类声明更接近于一种权利宣示和谈判依据，如果未来发生纠纷，它可以证明权利人已事先明示拒绝，增加对方主张合理使用的难度，但事实上并不能阻止训练行为的实际发生。

出版行业的现实应对与局限

除了在版权页的声明之外，中信出版社在作者签约模板中新增人工智能训练授权条款，区分“禁止用于训练”“限定场景授权”“全权授权”三类选项，从源头明确授权范围与对价。中国科学院文献情报中心联合多家出版社尝试数字水印、区块链存证等技术手段，将图书唯一标识码嵌入电子版底层数据，一旦监测到AI模型输出内容与水印特征匹配，即可固定侵权证据链。施普林格·自然（Springer Nature）与微软、谷歌签署语料授权协议，按调用量收取版权费。国内知乎也与多家模型厂商达成数据合作，探索“授权+分成”的合规供给模式。中国出版协会联合中国版权协会发布《人工智能语料数据版权合规倡议》，22家出版集团联合承诺“先授权、后使用”，推动建立行业统一的授权白名单与版税分配机制。

无论是合同条款约束、技术手段溯源、商业授权合作和行业规范倡议，都体现出出版业在AI时代维护自身权益的主动姿态。然而，这些应对措施仍存在显著的现实局限。首先，技术拦截存在物理屏障。只要书籍被扫描与OCR识别，版权页上的文字禁令就无法在物理层面阻断数据抓取。其次，举证链条难以闭环。由于大模型训练采用“黑箱”模式，数据经过清洗处理，权利人难以从海量参数中精准剥离出被侵权的具体内容，难以证明AI模型训练数据中包含了特定作品。第三，对价机制不统一。出版社与科技巨头谈判时，由于针对书籍的AI数据训练通常是整书内容授权或打包授权，降低谈判成本，却摊薄长尾书收益，模糊权利边界。尤其是将书中不同性质的版权内容混为一谈，导致模型输出内容的权利混乱。

如《新译黄庭经 阴符经》这类包含古文和现代译注的书籍，包含多层版权，如果打包授权给AI训练公司，可能无法精确区分原文和译注就进行模型训练。如果打包授权协议中没有区分译注的授权范围，用户通过模型生成的内容涉及译注部分被复现，可能引发译注作者的维权。而AI投喂的内容和生成的内容可能完全不一样，作者知情和溯源取证难度上升。如果采取分层授权，头部书单本议价、长尾书按品类打包、公版内容单独排除，权属清晰但沟通成本陡增，难以落地。单个作者、中小出版社缺乏议价能力，难以在语料经济中争取到公平的版税回报。

结语

在版权页上标注禁止训练，是出版业在面对人工智能语料训练时表明立场的重要表态，但其效力受法律框架与技术现实的多重制约，仿佛是无奈的自我保护姿态。国内司法对训练行为的认定仍在个案中不断探索。当人工智能对训练数据的需求已经从互联网网页延伸到纸质书籍时，出版业要把纸面上的版权主张转化为可执行的授权机制与溯源证据。这要求行业在技术标准与法律规则之间建立更紧密的协同。