--- id: "mb-20261021-1f2bda" kind: "deep" title: "Meta用BT下载盗版书训AI翻车：为什么法官勒令交出所有做种决策者名单？" description: "Meta为训练Llama大模型从影子图书馆下载海量盗版书，因BitTorrent协议的P2P特性导致服务器对外持续做种分发，上传量高达下载量的30%。面对故意侵权指控，Meta辩称下载是无高管批准的“团队共识”，遭联邦法官驳回并勒令交出全部决策人员名单与服务器命令日志。" domain: "ai" domain_label: "AI 与大模型" canonical_url: "https://mubeitech.com/deep/mb-20261021-1f2bda" markdown_url: "https://mubeitech.com/deep/mb-20261021-1f2bda/markdown" json_url: "https://mubeitech.com/api/interpretations/mb-20261021-1f2bda" topic: "Meta用BT下载盗版书训AI翻车：为什么法官勒令交出所有做种决策者名单？" source_type: "generated" status: "published" generated_at: "2026-10-21 10:33:15" frame_type: ["机制"] legal_anchor_count: 0 transcript_citation_count: 0 --- # Meta用BT下载盗版书训AI翻车：为什么法官勒令交出所有做种决策者名单？ 为了给自家的 AI 找训练数据，Meta 跑去各大盗版网站拖了几十万本图书。 原作者和出版商找上门打官司，Meta 却给出了一个让法官都看愣了的解释。 他们向法庭辩解：下载盗版书这事，公司高层从没正式批准过。 这是基层工程师们的团队共识，属于技术层面的决定。 原告出版商直接在法庭上反问： 照你们这么说，整个公司没一个人做过决定，那这两年里拖回来的几十万本书是幽灵下的？ 这起版权诉讼在加利福尼亚北区联邦地区法院打到了关键节点。 主审的联邦治安法官托马斯·希克森（Thomas Hixson）根本不吃这套推诿话术。 法官直接下达命令： 既然你们说是团队共识，那就把当时参与讨论、授权、批准下载的每一个人，全部实名交出来。 谁决定做种的、谁决定怎么限制上传的，一个都不准漏。 很多朋友可能会好奇：科技巨头抓取数据训练模型到处都在做，怎么 Meta 偏偏在这里栽了这么大一个跟头？ 问题的根源，全在他们获取数据的方式上。 为了训练第一代和第二代 Llama 模型，Meta 盯上了几个臭名昭著的影子图书馆，比如 LibGen 和 Anna's Archive。 这些网站存着数以百万计的带版权电子书。 但这种海量数据库动辄几十个太字节，直接从网页上根本下不动。 影子图书馆最主流的下载方式，是通过 BitTorrent，也就是我们常说的 BT 种子。 用过 BT 的人都知道它的工作机制。 它是一个点对点（P2P）网络。 你在从其他人的电脑里下载文件碎片的同时，你的客户端也会把已经下载好的碎片上传分享给网络里的其他下载者。 在技术上，这叫做种。 Meta 的工程师们不知道这个原理吗？ 他们太清楚了。 法庭文件里曝光了一份 Meta 内部的工作日志。 当时就有员工白纸黑字写下警告： 用 BT 下载会导致做种，等于向外部共享内容，这在法律上是不行的。 警告虽然写在日志里，但下载根本没停。 Meta 在亚马逊云（AWS）上租用了服务器，从 2022 年一直下到了 2024 年。 更要命的数据还在后面。 Meta 自己聘请的专家后来给法庭做过测算： 在 2024 年的某段时间里，Meta 服务器对外上传的数据量，居然达到了下载量的 30% 左右。 这意味着什么？ 这意味着 Meta 不仅把盗版图书拖回了自家的模型训练库。 他们的商业服务器，还在全球的 BT 网络里充当了活跃的做种节点，给无数互不相识的网民分发了盗版书的切片。 这一下，彻底击穿了 Meta 的法律防线。 在 AI 版权诉讼里，大公司最常用的盾牌叫“合理使用”。 他们辩解说，大模型把文字吃进去是为了提炼概率规律，属于转换性使用，没有向公众倒卖原书。 法官或许还会耐着性子听一听这个辩护。 但 BT 做种完全是另一回事。 把受版权保护的文件切片直接上传给互联网上的第三方，这是最典型的非法分发。 在版权法里，这构成了协助侵权。 关起门来训模型是一回事，帮全世界的盗版用户加速下载是另一回事。 合理使用根本罩不住对外做种的行为。 原告出版商 Entrepreneur Media 闻到味道，立刻在证据开示阶段紧咬不放： 到底是谁批准用 BT 去影子图书馆拖数据的？ 面对追问，Meta 拿出了大厂最擅长的推诿战术。 他们交出来的答复里，列了几个参与数据处理的基层员工，但坚决不承认有任何管理层正式签署过文件。 Meta 辩称：早期模型获取图书是团队讨论出来的共识，用 BT 只是工程师个人的技术选择。 他们甚至搬出法务当挡箭牌，说 2024 年初获取 Anna's Archive 数据时经过了内部法务审查，但依然提不出具体哪位高管批准了使用 BT。 这套算盘打得很精： 把决策切碎成“团队共识”，管理层的责任就蒸发了。 高管没有正式签字，所以高管无知；基层员工只是在做技术操作，所以没有恶意。 但联邦法院的证据开示规则不吃这一套。 法官希克森直接下达硬性命令：如果是团队做的决定，Meta 就必须把团队里的每一个自然人全部实名报上来。 在此之前，法官还下令 Meta 必须交出那批下载服务器的全部命令行历史记录。 工程师在终端敲了什么命令、BT 客户端的上传限速是怎么设的、中间做过什么调整，全都必须见光。 为什么法官和原告一定要把具体的人和命令挖到底？ 因为在版权法里，有一个决定赔偿金高低的生死线：故意侵权。 普通侵权可能只是赔偿实际损失或利润。 可一旦被认定为故意侵权，原告可以主张法定赔偿金，单部受保护作品最高可以判罚 15 万美元。 影子图书馆里涉及的出版物动辄几十万本。 如果法庭查明，Meta 的管理层是在明知“BT 做种会违法”的警告下依然放行，或者在收到警告后故意装作看不见，那就是板上钉钉的故意侵权。 到时候摆在 Meta 面前的，将是天文数字般的连带赔偿责任。 很多大公司习惯了把算法和敏捷开发当成免责的护城河，觉得只要没有高管签字，责任就能在复杂的层级里被稀释掉。 但在最底层的网络协议和服务器日志面前，这套责任蒸发术彻底失效了。 终端里的每一行命令行都会留下时间戳。 而在一个点对点的网络世界里，哪怕你是一家万亿市值的科技巨头，只要连上了种子，你也是那个在向全世界分发盗版的节点。 _Canonical: · Source: 墓碑科技 MUBEITECH (mubeitech.com)_ _Rendered by mubei-terminal._