英伟达收购Anna'sArchive，获取百万盗版电子书

本篇文章给大家分享《英伟达洽谈 Anna's Archive，获取百万盗版电子书训练AI》，覆盖了科技周边的常见基础知识，其实一个语言的全部知识点一篇文章是不可能说完的，但希望通过这些问题，让读者对自己的掌握程度有一定的认识(B 数)，从而弥补自己的不足，更好的掌握它。

芯片巨头英伟达（NVIDIA）在人工智能迅猛发展的浪潮中脱颖而出，成为最显著的受益者之一。其专为AI训练设计的高性能GPU芯片及配套数据中心服务需求激增，与此同时，公司还自主构建了多个大型语言模型，如NeMo、Retro‑48B、InstructRetro与Megatron，并依托海量文本数据持续优化模型性能。但这一技术扩张路径也引发版权方愈发强烈的法律质疑——多名作家联合指控英伟达未经许可大规模使用盗版图书训练AI系统，并在美国联邦法院发起集体诉讼。

早在2024年初，一批作家便已在集体诉讼中指出，英伟达在模型训练中大量采用Books3数据集，而该数据集被指含有大量受版权保护的文学作品，其原始来源疑似为非法电子书平台Bibliotik，且未获得任何授权。原告据此主张赔偿损失。对此，英伟达回应称，其模型仅捕捉文本间的统计关联性，不构成对原作的实质性再现，并援引“合理使用”原则作为抗辩依据。然而，随着案件进入证据开示阶段，原告方表示已掌握更多来自英伟达内部的通信与文档材料。

最新提交的修订版起诉书显著扩大了指控范围：不仅新增了若干受侵权作品、作者名单及涉事模型，更首次将矛头指向多个被称为“影子图书馆”的非法数字资源平台。包括Abdi Nazemian在内的多位作家在诉状中援引英伟达员工往来邮件与内部备忘录，指控公司在激烈市场竞争压力下，“被迫转向盗版渠道”，主动从Anna’s Archive等非法数据库获取图书资源。

据诉状披露，英伟达数据战略团队一名成员曾直接联系Anna’s Archive，询问该平台可为这家市值超万亿美元的企业提供哪些支持，并明确表示希望将其资源纳入大语言模型（LLM）预训练流程。由于Anna’s Archive以“高速访问”其盗版文献库为卖点并收取数万美元费用，英伟达方面亦专门咨询了如何实现此类高带宽接入方式。

起诉书进一步指出，Anna’s Archive随后向英伟达发出明确警示：其馆藏内容系通过非法手段采集与维护，且此前已有其他AI企业因类似合作“白白耗费时间”，因此要求英伟达确认是否已取得内部合规审批，方可继续推进谈判。然而，在收到该警告仅数日后，英伟达管理层即在一周内作出批准决定，默许项目继续，并实际获得了对Anna’s Archive所藏盗版图书的访问权限。

文件显示，Anna’s Archive承诺向英伟达开放约500 TB的数据量，涵盖数百万本通常仅能通过Internet Archive数字借阅系统受限访问的图书——而后者自身目前亦深陷与出版商之间的版权纠纷之中。起诉书虽未证实英伟达是否最终向Anna’s Archive支付费用，但同时指控其还利用LibGen、Sci‑Hub与Z‑Library等多个知名盗版平台作为补充数据源。

除自行下载并用于内部模型训练外，英伟达还被控向企业客户分发自动化脚本与工具，协助其批量抓取包含Books3在内的“The Pile”开源数据集。基于此，原告新增提出“替代性侵权”与“共同侵权”等多项法律主张，认为英伟达既通过盗版数据提升自身模型能力获利，又通过赋能客户间接扩大侵权规模，从而形成双重收益链条。

依据上述事实与法律主张，原告请求法院判令英伟达就其造成的经济损失承担赔偿责任，覆盖目前已具名的作者群体，以及未来可能加入诉讼的广大权利人。这也是首份公开披露美国头部科技公司与Anna’s Archive存在直接商业接洽的司法文件。舆论普遍认为，此次曝光或将加剧公众对该平台的关注度——尤其在其近期因法院裁定而丧失多个关键域名的背景下。

该修订后的合并起诉书已正式递交至美国加利福尼亚北区联邦地区法院。文件列明的具名原告包括Abdi Nazemian、Brian Keene、Stewart O’Nan、Andre Dubus III与Susan Orlean等知名作家。本案后续走向不仅关乎AI训练数据使用的法律边界能否厘清，更可能为整个行业在处理“影子图书馆”类数据源时的风险管控树立重要判例标准。

以上就是《英伟达收购Anna'sArchive，获取百万盗版电子书》的详细内容，更多关于的资料请关注golang学习网公众号！