英伟达被控试图与Anna's Archive达成交易

事件概述

据Hacker News社区消息，英伟达（Nvidia）被指控试图与知名影子图书馆Anna's Archive达成某种交易。这一消息在技术社区引发关注，但原始讨论帖仅有11个积分且暂无评论，信息量极为有限。

Anna's Archive是一个聚合了多个影子图书馆资源的搜索平台，长期处于版权争议的中心。而英伟达作为全球领先的AI芯片制造商，其训练数据获取方式一直是行业关注的焦点。两者之间若存在交易谈判，可能涉及大规模文本数据用于AI模型训练。

Anna's Archive 是一个非营利的元搜索平台，由影子图书馆社区成员于 2022 年创建，聚合了 Library Genesis、Sci-Hub、Z-Library 等多个镜像资源。其宣称保存了超过 4000 万本图书和 1 亿篇学术论文的索引，并推出过“代码托管”“扫描全球图书”等争议性项目。由于直接提供受版权保护作品的下载链接，它在多国被认定为盗版站点，域名屡遭封锁，但依赖去中心化镜像持续运营。

英伟达在 AI 训练数据上的立场：作为 GPU 与 AI 算力供应商，英伟达本身并非典型的大模型内容公司，但其 NeMo、Megatron 等框架和自有模型（如 Nemotron）需要海量语料。英伟达曾公开强调使用“公开可用、合规授权”的数据集，还推出了商用安全的数据集平台。若其确实接触 Anna's Archive，则与此前公开立场相悖，这也是指控引发关注的原因之一。

争议焦点

事件的核心疑问在于：英伟达是否试图通过商业协议获取Anna's Archive的海量图书数据，用于其AI模型的训练？

从AI行业现状来看，高质量文本数据已成为训练大语言模型的关键资源。科技公司对数据的渴求与版权方之间的矛盾日益尖锐。此前已有多起AI公司与内容平台之间的数据授权纠纷。英伟达此次被指控的行为，若属实，将进一步凸显AI训练数据来源的灰色地带问题。

但提一嘴，当前信息仅来源于单一Hacker News帖子，缺乏英伟达或Anna's Archive双方的官方回应，也没有具体交易细节被披露。

行业背景与影响

AI训练数据的合法性已成为全球监管机构关注的重点。欧盟《人工智能法案》对训练数据透明度提出了要求，美国版权局也在审视AI训练中的合理使用边界。

如果英伟达确实与Anna's Archive进行接触，这可能反映出即使是头部芯片厂商，在获取高质量训练数据时也面临渠道有限的困境。同时也可能引发新一轮关于“科技巨头是否在利用影子图书馆规避版权”的讨论。

不过，目前该消息的真实性和具体性质均无法确认，建议读者保持审慎态度。

影子图书馆（Shadow Library） 指未经版权方授权、大规模收录并免费提供受版权保护作品的在线数据库，典型代表包括 Library Genesis、Sci-Hub、Z-Library 和 Anna's Archive。它们通常以“知识开放获取”为旗号，但被出版业视为盗版。AI 公司若使用此类数据训练模型，可能面临三重风险：1）版权侵权诉讼，如《纽约时报》诉 OpenAI 案；2）违反数字千年版权法（DMCA）的反规避条款；3）若涉及下载行为，还可能触发计算机欺诈与滥用法（CFAA）。

AI 训练数据的“合理使用”争议：美国版权法中的合理使用四要素（使用目的、作品性质、使用比例、市场影响）在 AI 训练场景下尚无定论。2023 年以来，多起诉讼（如 Authors Guild 诉 OpenAI、Getty Images 诉 Stability AI）正试图界定边界。与此同时，数据授权市场迅速兴起，但高质量图书的授权成本极高，导致部分公司转向灰色渠道。英伟达若被证实与影子图书馆交易，将成为这一趋势的标志性案例。