Anthropic買書掃描再銷毀，想守住訓練合法性

Anthropic先買正版紙書，再掃描成訓練資料，最後銷毀實體書，想把模型訓練放進美國版權法可接受的範圍。

Anthropic這招很直白，也很硬派。先合法買書，再把紙書轉成數位文本，最後把實體書處理掉。它想說服法院的核心很簡單：這比較像格式轉換，不像額外複製受保護內容。

這件事會吵起來，不意外。AI 訓練最敏感的兩個問題，一直都是資料來源和使用邊界。這次把兩個問題一起拉到桌面，法律味道比技術味道更重。

這套做法為什麼有法律味

美國版權法的首次銷售原則，意思很單純。你買了合法出售的實體書，就能轉賣、借出，或自己處理那本書。Anthropic 的論點，是把掃描後的數位文本視為原書的替代形式，而不是市場上新增的一份副本。

它還會再疊一層合理使用。法院看這件事時，通常會看用途、作品性質、使用比例，以及是否影響市場。AI 公司最想說服法官的地方，就是訓練屬於高度轉換性的技術用途。

但模型訓練和人類閱讀差很多。人讀完一本書，腦中留下的是理解。模型訓練後留下的是參數和權重。這種差異，會直接影響法院怎麼看「複製」和「使用」的界線。

• 合法購入：先把來源做乾淨
• 掃描轉檔：把紙本變成可訓練資料
• 銷毀原件：避免紙本和數位版同時存在
• 訴訟策略：把焦點鎖在合理使用

法院為什麼會認真看這件事

因為這不是學術問題，是商業模式問題。Anthropic、OpenAI、Google 這類公司，都需要大量高品質、可追溯的資料。紙書掃描路線的吸引力，就在於它比亂抓網頁更容易交代來源。

這裡的關鍵，不只是技術流程，而是證據鏈。你能不能證明每一本書都合法買來？掃描後有沒有留下完整紀錄？原件是不是確實銷毀？這些細節會決定法官怎麼看你的動機。

Anthropic CEO Dario Amodei 直接把立場講得很明白：

“Fair use is the most important defense for the development of generative AI.” — Dario Amodei

這句話很直球。它代表 Anthropic 不是在躲版權爭議，而是在押注合理使用能不能撐住生成式 AI 的訓練需求。法律站得住，商業模式才有空間。

如果法院接受這種說法，其他公司也會更重視可審計流程。買書、掃描、建庫、銷毀原件，會變成一套可以被檢查的合規工法。

和直接抓網頁訓練差在哪

差很多。網頁爬蟲拿到的資料來源很散，版權狀態也很亂。付費牆、平台條款、robots 設定、轉載來源，全部混在一起。紙書掃描則是封閉流程，來源清楚，購買紀錄也比較好查。

但這不代表風險消失。法院還是會問，掃描後的數位檔是不是新副本？訓練行為有沒有超過合理使用？模型輸出會不會替代原作市場？這些問題，不會因為「我買了正版」就自動消失。

對開發者來說，這件事的啟發其實很現實。資料治理不是貼個合規標籤就結束。你要能回答資料從哪來、誰能用、用了多少、留了多久。

• 網頁抓取：來源多，邊界亂
• 紙書掃描：來源清楚，流程可追
• 市場影響：若模型替代閱讀，爭議更大
• 合規成本：買書、掃描、存檔、銷毀都要錢

如果這條路被接受，會改變什麼

最直接的變化，是 AI 公司會把買實體書變成資料管線的一部分。出版商和版權代理也會重新算帳，因為資料來源一旦有司法空間，談判籌碼就會變。

但這條路不會適用所有內容。書籍可以買、可以掃、可以銷毀。網頁、論壇貼文、程式碼倉庫、使用者內容，就沒這麼整齊。也就是說，就算紙書路線成立，它也只是局部解法。

更麻煩的是，這會把爭論從「有沒有偷資料」往前推成「法官願不願意接受這種資料處理方式」。這才是後面真正難打的地方。

從產業角度看，這也會逼 AI 公司更重視資料來源治理。未來誰能證明資料合法、流程可追、風險可控，誰就更容易在訴訟裡站穩。

這件事放回 AI 產業脈絡看

大模型競爭早就不只比參數。現在比的是資料、算力、法務和供應鏈。Anthropic 走這種紙書掃描路線，等於把版權風險前移到採購端，而不是等訓練完才補救。

這也反映一個現實：模型越大，資料治理越重要。台灣很多軟體團隊在做 RAG、知識庫或企業內訓模型時，常常只看效果，不看來源。短期看起來快，長期很容易踩雷。

如果你在做 AI 產品，我會建議先問三件事：資料來源有沒有授權、是否保留證據、資料處理規則能不能寫進內控。這三件事看起來無聊，出事時卻最有用。

結論很簡單

Anthropic 這招是在測試法院底線。它想證明，合法買來的紙書，掃描後銷毀原件，再拿去訓練模型，能不能被放進合理使用的框架裡。

如果你在做 AI 產品，現在就該把資料來源和處理流程整理乾淨。別等訴訟來了，才開始補文件。這場爭議接下來會看法院怎麼畫線，也會看業界願不願意照著這條線做事。