70GB论文遭刑事重压，81.7TB盗版书进入民事诉讼：谁在承担AI版权成本？

70GB论文和81.7TB盗版书，放在一起看，数字会制造一种强烈的反差。

Aaron Swartz 当年批量下载约70GB JSTOR学术论文，面对的是联邦刑事起诉，以及最高约35年监禁、100万美元罚款和资产没收的法律风险。Meta则被作者与出版方指控通过种子网络下载约81.7TB盗版图书，用于训练人工智能模型；目前这起争议主要沿着民事版权诉讼推进，法院尚未对所有关键事实作出最终认定。

两案的行为、法律依据和程序都不一样，不能拿70GB对81.7TB，直接算出谁的责任更重。真正刺眼的，是同样涉及大规模获取受版权保护内容，个人和平台进入了两条完全不同的风险通道。

两起事件，三处不能混为一谈

Swartz 案发生在2011年至2013年间。检方指控他通过MIT网络和JSTOR系统批量获取论文，并试图绕过访问限制。案件涉及电信欺诈、计算机欺诈、非法获取信息等联邦罪名。

“最高35年”是相关罪名叠加后可能达到的理论刑罚上限，不等于检方已经提出35年实际刑期，也不等于法院最终会判这么久。这个区别不能省略。刑事起诉本身，已经足以把一个个人推入巨大的法律和经济压力之中。

Swartz 于2013年去世。关于诉讼压力与其死亡之间的关系，家属、支持者和公共讨论有过强烈指责，但不能把一个复杂的人生结局简单归因于某一家机构或某个单一决定。可以确认的是，这场刑事诉讼给他带来了极高的潜在刑罚与辩护成本。

Meta 面对的是另一种案件结构。作者和出版方在相关诉讼中指控，Meta通过种子文件下载了约81.7TB盗版图书，并将这些材料用于AI训练。这里的关键词是“指控”。下载规模、具体文件、使用方式、授权情况、合理使用抗辩，以及Meta是否承担相应责任，都要由诉讼证据和法院裁判继续确认。

数据量只能说明操作规模，不能单独决定法律责任。刑事案件还要处理故意、授权、欺诈、绕过技术措施等问题；版权民事案件则会涉及复制、传播、训练用途、合理使用、损害计算和禁令必要性。

企业当然并非永远不会承担刑事责任。若行为同时触及欺诈、未经授权访问、商业秘密或其他犯罪构成，企业及个人都可能被刑事追责。但单纯的版权争议，现实中更常落入民事程序。程序一换，风险性质就变了。

对个人是人生风险，对平台是预算项目

我更在意的不是两个数字谁更大，而是风险能不能被分摊。

一个个人被刑事起诉，面对的是自己的自由、名誉、家庭和未来职业。哪怕最后没有定罪，律师费、取证费和漫长审理也可能先把生活掏空。个人没有合规团队，也没有能力把一次判决风险拆进全球业务收入里。

平台的处境完全不同。它可以雇佣律师，申请调取内部记录，挑战原告的证据，争论合理使用，还能把诉讼拖进多年谈判。赔偿、授权费、和解金和模型重训成本，都会被放进产品预算。

这并不意味着Meta“已经被证明侵权”，也不意味着平台一定只会受到象征性处罚。大型公司可能面对巨额赔偿、禁令、数据销毁、训练流程调整，甚至影响模型上线节奏。只是这些后果通常先表现为经营风险，而不是某个具体管理者的自由被立即剥夺。

这就是议价能力的差距。

平台可以把不确定性变成投资决策：

• 先使用数据，等权利人起诉；
• 通过诉讼确认哪些材料必须删除；
• 用和解换取授权边界；
• 把最终成本分摊到广告、订阅和企业客户合同里。

作者和出版商承担的则是另一种压力。作品可能被用于训练，却要自己花钱证明作品被使用、追踪数据来源、承担诉讼周期。许多中小出版商甚至没有足够预算走完一场跨年度诉讼。

对AI开发者来说，规则也会变得更保守。数据集采购会增加授权审查，模型团队会减少来源不明的语料，企业客户则可能要求更明确的训练数据赔偿条款。最后买单的未必只是平台，部分成本会转到模型价格、API套餐和内容许可费上。

普通用户短期内未必会看到某个按钮消失。更可能发生的是：可用模型变少一点，价格高一点，企业版合同长一点，平台对数据来源的说明多一点。版权争议最终会落到产品体验上，只是通常不会以新闻标题里的方式出现。

Swartz留下的制度回声

Swartz 案之所以多年后仍被反复提起，原因不只在于他下载了多少论文。

它代表了一种数字时代的冲突：知识开放的倡导者相信，学术成果不该被付费墙永久锁住；数据库运营方和版权方则要维护访问权限、商业模式和作者收益。两边的价值判断并不天然一致。

“天下熙熙，皆为利来。”放到今天，学术数据库、出版商和AI公司争夺的，都是内容的控制权与变现权。区别只在于，过去的访问权限靠账号和校园网络管理；现在，模型训练把内容复制、提取、混合的规模放大了几个数量级。

Swartz 的行为和Meta被指控的行为并不完全相同。前者涉及访问限制与联邦计算机相关罪名，后者核心争点更接近版权侵权和训练数据使用。把两案写成“同样抓取、结果不同”，会掩盖法律构成的差异。

但差异也不能遮住制度问题：为什么个人的知识开放行动，很快就会被置于刑事威慑之下；平台的大规模内容使用，却往往先进入一场昂贵、漫长、可谈判的民事博弈？

答案不只是“平台有钱”。资本带来了专业法律团队、合规人员、数据工程能力和更长的等待时间。更深一层，是执法机关会根据行为性质、证据强度、公共利益和追诉成本选择案件路径，而平台有能力把这些不确定性变成谈判筹码。

过去的铁路公司、电信公司和早期互联网平台，都曾经历过类似阶段：技术扩张速度快过规则更新，先占据资源的一方就能把争议变成既成事实。历史并不重复细节，却常重复利益结构。谁先掌握基础设施，谁就更有机会定义“合理使用”的边界。

接下来要看什么

读者不必只盯着81.7TB这个数字。更有用的观察点有三个：

• 法院是否认定相关图书确实被Meta获取并用于训练，而不只是存在下载记录；
• 版权方能否证明具体损害，并让赔偿或禁令足以改变平台的数据采购方式；
• 监管和行业是否建立更清晰的训练数据授权、来源披露与退出机制。

对作者和出版商而言，真正有效的结果不是一张漂亮的判决书，而是能否获得可执行的许可价格、查询使用记录和退出渠道。对AI公司而言，真正的合规也不该停在“等法院判了再说”，而应把数据来源、授权范围和删除机制写进训练流程。

Swartz 案提醒人们，刑事法律可以非常锋利；Meta 案则提醒人们，民事诉讼也可能成为巨头计算成本的一部分。两者放在一起，最值得追问的不是谁下载得更多，而是谁有资格把风险拖到明天。

70GB曾足以压垮一个人。81.7TB却还在等待法院把它换算成责任。这个落差，才是新闻真正难看的地方。