日前，有读者发现，华夏出版社在新出版的《新译黄庭经 阴符经》等书籍版权页，增加了“禁止将本书内容用于人工智能训练，违者必究”标注，引发广泛关注。就在今年上半年，美国AI公司Anthropic一项秘密行动被曝光：为训练全新AI模型，斥资数千万美元在全球批量收购2022年之前出版的纸质书，经切脊、高速扫描提取文本后，直接将实体书送入粉碎机销毁，累计处理图书约200万册，其中不乏绝版书、小众文献与地方史料。

AI模型训练侵权出版业，在许多人看来属于意料之中，但其速度之快、规模之大和手法之决绝仍令人震惊。大模型行业发展到现阶段，通用互联网语料已是所有厂商都能获取的公共资源，模型能力的差距，越来越集中在独家、稀缺的垂直语料上。况且，根据美国斯坦福大学发布的《2026年AI指数报告》，2025年起新发布的互联网内容中，AI生成占比已超过半数，互联网公开语料也因此出现质量“塌房”，生成式AI爆发的2022年以前出版的纸质书成为备受追捧的“纯净人类语料”，在知识密度、逻辑严谨性和表达丰富性上，都远胜当下许多互联网文本。因此，“AI焚书”的本质，是AI企业尝试构建竞争壁垒的战线延伸。

然而，AI训练的商业逻辑，对于出版行业而言，却是一种全新并且威胁更大的侵权行为。长期以来，AI企业抓取全网内容训练模型已成行业惯例，图书作为人类知识的高密度载体，更是语料采集的重要目标，但这种采集却大多是在未经许可、不付报酬的情况下进行的。作者与出版方耗费数年心血打磨的作品，在毫不知情的情况下被拆解为模型参数，成为AI产品商用变现的免费养料，是对知识劳动、内容价值的巧取豪夺。出版社版权页上的声明，虽然无法避免现实层面被AI训练盗用，但至少从法律层面为后续维权留下关键证据，也有助于从舆论层面唤醒公众对图书版权的重视。

从“AI焚书”到“禁训声明”所揭示的问题，并不仅仅是一场商业版权纠纷，更事关文明与文化的传承。不少二手市场上的冷门著作、地方文献、小众著述，事实上已是存世孤本。AI企业用相对低廉的成本收购实体书，提取内容后转化为自家模型的独家商业资产，如此一来，全社会使用AI服务都要为之付费。如果没有规则约束，长此以往，人类沉淀数百年的公共知识，可能会一步步变成少数科技公司的垄断商品。与此同时，古老文献排版方式、手抄中的错字与缺笔、不同版本流变、扉页的批注等本身就附着了丰富的文化信息，甚至是破解文化谜团重要的弦外之音，但AI训练往往只能扫描文字内容本身，却无法还原一本书的历史温度与版本价值。从这个意义上说，AI技术的快速迭代背后，可能是文明传承断裂在买单。

因此，此次华夏出版社的声明，既是权利方的要求，更可以从中看出，在AI横扫一切的年代，出版行业对附着于出版物上的知识劳动与文化内涵本身的强调。用华夏出版社相关负责人接受媒体采访时的话说：“要有态度和这样的声明，这可能会让大家意识到图书是有版权的。”但是，AI时代的版权保护，不应止步于态度和声明。

一方面，法律细则需要加快补位，明确AI训练使用版权作品的规则与边界。与网页可设置爬虫协议、数字内容可加技术防护不同，纸质书无法从物理上拦截扫描采集，有组织的数据团队完全可以无视声明完成内容提取。现行《中华人民共和国著作权法》确立了“先授权后使用”的基本原则，也在司法政策中为技术创新预留了合理使用的弹性空间，但图书内容一旦被模型吸收后，会拆解为海量参数与其他语料深度融合，最终输出内容与原文形态迥异，版权方几乎无法证明某一模型具体使用了某一本书。结合当下版权保护的实际，AI训练是否属于转换性使用、输入端复制行为如何定性等问题，都是版权保护需要延伸与亟待完善的方向。

另一方面，应遵循市场化原则，搭建起从图书出版到AI模型训练的授权机制。AI的普及是社会发展的大势所趋，从这一点上看，图书版权方完全拒绝书籍内容被用于AI训练显然也并非长久之计。图书版权方与AI企业之间，与其陷入禁用、盗用、销毁、维权之间的恶性循环，不如探索如何构建一套兼顾技术创新与版权保护的共赢规则。通过搭建统一平台，出版社将图书数字资源明码标价挂在平台上，AI企业再根据各自需要有选择地购买，既让AI企业可以合规付费获取内容，也让作者与出版方获得合理的价值回报。

文明的成果从来都是在不断的传播、讨论与使用中得到彰显。因此，包括AI语料训练在内的商业化利用本身，也是文明成果实现的途径之一。从“AI焚书”到“禁训声明”，AI企业与出版机构围绕版权拉扯，真正核心的意义或许在于让我们愈发明确了，AI对图书资源的利用，仍然必须守住公平与普惠的底线。

本期话题

你认为AI语料训练的底线是什么？评论区聊一聊~

撰文/成博

编辑/周志敏 责编/谢梦 审核/姜明

【未经授权，严禁转载！联系电话028-86968276】