AI模型的“原材料”合规吗?从Anthropic S-1 看AI企业最容易低估的隐形负债

QUOTE

「数据获取方式的合法性是AI开发的红线，数据供应链的合规治理是AI公司的核心竞争力。」

第一篇AI公司上市，投资人究竟在买什么？从Anthropic S-1看AI治理的资本市场价值我们讨论了一个问题：为什么AI治理不应只是法务部门的合规提醒，而应当成为企业经营风险管理的一部分。

如果说第一篇回答的是“为什么要关注AI治理”，那么本篇就要进入AI企业最核心的资产：模型赖以训练的数据。

对传统企业而言，数据可能是经营资源；对AI模型开发商而言，数据更是生产原材料。原材料从哪里来、能否合法使用、能否持续获得，以及使用之后能否满足客户和监管要求，都会影响模型的开发和商业化。

Anthropic的S-1将这个观点呈现到了资本市场面前。

本文看点

2025年9月，Anthropic就作者提起的版权集体诉讼 Bartz, et al. v. Anthropic PBC 达成15亿美元和解协议。2026年7月，法院批准了该和解。[1]

美国法院此前在2025年6月首次裁决：未经作者授权、复制从合法来源获取的作品副本用于训练大型语言模型之行为构成合理使用。但Anthropic之所以仍然因本案支付巨额和解金，是因为Anthropic从盗版来源复制了大量原告书籍，并将这些复制件汇集构建成其自有中央资源数据库（Central Research Library），并且仍将这些复制件作为永久性通用数据库予以保留。

简单来说就是一个绿灯一个红灯：

但是绿灯仅代表美国法院当时的观点和意见，Anthropic在S-1中也明确表示，现代AI模型训练涉及的版权原则及开源许可解释尚未得到权威解决。公司认为自己拥有充分的权利或法律抗辩，其中部分依据是fair use，但也承认其他国家和地区的法律规则并不相同。[1]

更值得投资人关注的是，Anthropic将这笔和解费用作为2025年的经营费用披露：15亿美元约占其当年收入的33%。公司还提示，如果未来无法依赖fair use等法律抗辩，可能需要支付数据许可费用、限制模型使用或分发，甚至从头重新训练受影响的模型。[1]

这就是训练数据成为AI企业“隐性负债”的原因——它不是传统意义上的负债类型，却可能在诉讼、获取许可、整改或模型替换时给企业带来巨大的经营成本。

而15亿和解金给到中国企业的警示是：数据获取方式的合法性是AI开发的红线。依赖盗版或未授权内容构建训练库，必然带来巨大的法律和财务风险。数据供应链的合规治理是AI公司的核心竞争力。

S-1披露了什么？

Anthropic披露，其模型训练使用来自多种渠道的材料，其中可能包含第三方版权内容；公司也通过协议从客户、用户和第三方获取数据。如果相关主体缺乏收集、使用、处理或分享数据的充分权利，公司可能面临诉讼、监管审查或合同责任。[1]

法律上的不确定性是什么？

“公开可访问”不等于“可以任意用于商业训练”；“供应商保证合法”也不等于企业已经完成了必要的权利审查。

实务中，训练数据可能来自自行采集、公开网站、第三方数据库、商业采购、合作伙伴、开源数据集或客户提供的数据。不同来源对应的权利基础并不相同。

数据可以被合法获取，不代表可以不受限制地用于模型训练。授权范围是否覆盖训练、微调、评估、模型改进和商业化，是否允许再许可或向第三方提供模型，都需要分别核实。

投资人应该追问什么？

对于业务提交过来的需要利用外部数据的项目，我一般会让他们用“灵魂三问”进行预自查：

作为投资人，这三个问题可能会被以更靠近确定性评估的角度来问：

•　训练数据是否有明确的来源分类和权利记录？

•　第三方采购的数据是否取得了覆盖模型训练的授权？

•　开源数据是否审查了许可证中的使用、修改、署名及再分发条件？

•　数据中存在权利争议时，公司能否定位受影响的数据集和模型版本？

作为业务伙伴的法务可以做什么？

建议至少建立数据来源台账，记录数据提供方、获取方式、来源网址或交易文件、数据类型、授权主体、授权范围、使用期限、地域限制和再许可条件。

对于第三方数据供应商，不能只收一份笼统的“保证数据合法”声明。还应根据数据来源要求提供采集记录、授权协议、许可证明、开放数据集许可文件等，并设置权利瑕疵通知、配合调查、停止使用和赔偿机制。

数据权利审查应当贯穿模型生命周期，不能仅在采购时做一过性的检查，数据收集与准备、数据清洗、标注、模型训练、验证、微调和部署并不是彼此独立的动作。

S-1披露了什么？

Anthropic在S-1中披露，其处理个人信息和敏感个人信息，涉及欧盟、英国、美国及其他司法辖区的隐私和数据保护规则。不同法域的要求可能存在差异甚至冲突；个人权利请求、敏感数据处理、客户使用方式及第三方分发渠道，也会影响公司的合规义务和成本。[1]

法律上的不确定性是什么？

AI训练中的个人信息问题，不能简单地用“数据来自公开互联网”来回答。

公开信息中可能包含姓名、联系方式、职业信息、健康信息、面部或声音等个人信息。企业需要进一步分析：数据来源是否合法、处理目的是否明确、是否具有适用的法律基础、是否涉及敏感个人信息、是否需要履行告知或其他义务，以及个人权利请求如何落实。

还有一个容易被忽略的问题：数据进入训练集之后，个人信息处理并没有因此结束。模型训练、微调、推理、评估和安全测试可能涉及不同的数据使用场景，企业需要判断原有处理目的和法律基础是否覆盖这些活动。

投资人应该追问什么？

•　企业是否清楚训练数据中个人信息的类型和来源？

•　是否识别敏感个人信息、未成年人信息等高风险数据？

•　是否具备处理访问、更正、删除、反对等个人权利请求的机制？

•　不同国家或地区的数据跨境要求，是否影响训练和部署安排？

作为业务伙伴的法务可以做什么？

除隐私政策外，更重要的是数据流转图、数据分类分级记录、处理活动记录、个人信息保护影响评估（适用时）、跨境传输的文件、保留期限及删除机制。

还应把个人权利请求与训练数据管理连接起来：收到删除请求时，企业能否识别数据是否进入训练集、是否影响模型或微调数据，以及应采取何种合理措施？

处理个人权利请求往往不能通过简单删除一条两条数据库记录就能解决，要把满足个人权利请求和对业务的影响关联起来考量，并做出事先的沟通和安排。等到真正发生个人权利请求时，法务和业务就不会在仓促之间靠多轮的争执讨论来确定最后的方案。

这是企业客户采购AI服务时最容易产生争议的地方。

S-1披露了什么？

Anthropic披露，相当比例的流量受到零数据保留（Zero Data Retention，ZDR）条款约束。在这些安排下，公司只保留分类评分，不保留prompt和output。

但S-1同时指出，这会限制其离线分析、跨对话调查、人工审查和历史事件调查能力；也可能影响其向监管机构、法院或其他主体提供相关记录的能力。随着模型能力增强，安全框架可能要求某些模型保留数据，这又可能与企业客户对ZDR的预期发生冲突。[1]

法律上的不确定性是什么？

这里出现了一个非常典型的治理张力：客户希望数据不被保留，以降低隐私和商业秘密泄露风险；服务提供商则可能需要一定的数据留存和监测能力，以识别滥用、调查安全事件并满足法律义务。

因此，ZDR不应被简单理解为“绝对不处理、不记录任何数据”，而应明确其覆盖的数据、接口、功能、例外情形和实际技术边界。

投资人应该追问什么？

•　企业是否能够兑现客户合同中的不训练、不留存和删除承诺？

•　ZDR是否覆盖所有模型、接口和功能？

•　安全监测、日志留存与客户数据限制之间是否存在冲突？

•　发生监管调查或安全事件时，企业是否有足够证据履行相关义务？

作为业务伙伴的法务可以做什么？

建议把客户合同承诺拆解成技术要求，逐项核对：

此外，还要明确企业与AI服务提供商之间的数据处理角色、处理目的、分包商、跨境安排、安全措施、事件通知和审计配合义务，并通过数据处理协议及相关合同附件落实。

如果制度不能被执行，或者不能被证明得到执行，就属于纸面合规。如果不想停留在纸面合规，法务可以做什么？

可以推动建立“训练数据治理的底座”。从Anthropic的披露以及企业AI合规实务来看，训练数据审查至少应形成四层证据（建议企业内部据此形成一套要点式核查指南），这四层证据构成训练数据治理的底座：

讲到这里，不得不引申出一个更复杂的问题：即使企业已经证明数据来源合法、授权充分，模型训练和微调也完成了，是否就意味着风险缓解已经闭环？

并不是。当模型进入产品和客户使用阶段，prompt、output、RAG知识库、API调用、插件和AI Agent又会形成新的数据流。模型可能接触原本不应访问的信息，也可能在执行任务时产生新的数据安全和隐私风险。

下一篇，我们将从训练数据转向模型运行：当AI开始调用工具、访问外部系统，甚至自主执行任务，模型安全如何从技术问题变成产品责任和经营风险？

参考资料

[1] Anthropic, PBC, Form S-1 Registration Statement, filed October 26, 2026，重点参见“Risks Related to Privacy, Cybersecurity, and Intellectual Property”及“Legal Matters”等章节。

https://www.sec.gov/Archives/edgar/data/2130357/000162828026067168/anthropicpbc-sx1.htm

[2] Bartz, et al. v. Anthropic PBC, No. 3:24-cv-05417 (N.D. Cal.); Order Granting Final Approval of Class Action Settlement, July 20, 2026. 另参见Associated Press关于该和解及此前法院对合理使用问题裁判的报道。

说明：本文对Anthropic S-1的引用属于公司公开披露，不代表相关风险均已被监管机构或法院认定。本文所述实务建议为一般性治理建议，具体措施应结合企业角色、数据来源、产品形态及适用法域确定。