扎克伯格版权案证词曝光：借 YouTube 辩护，称不该一刀切禁用数据集

当大科技公司的掌门人被原告律师当庭追问自家 AI 到底吃了什么数据时，场面往往会变得非常尴尬。

在作家起诉 Meta 的版权诉讼中，扎克伯格去年年底接受质询的部分证词最近被公之于众。面对原告律师关于使用盗版电子书数据集的严厉追问，这位 CEO 搬出了一个让人有些意外的类比：YouTube。

拿 YouTube 当挡箭牌，声称自己没听过 LibGen

扎克伯格在作证时说，YouTube 有时也会托管一些别人上传的盗版内容，但平台一直在努力清理这些东西。他假设 YouTube 上绝大多数内容都是合规且拿到授权的。

顺着这个逻辑，扎克伯格反问原告律师，难道我们应该因为上面可能存在部分版权内容，就制定政策禁止大家使用 YouTube 吗？他认为，在很多情况下搞这种「一刀切」的禁令并不合适。

这番辩解针对的，其实是臭名昭著的影子图书馆 LibGen。原告律师戴维·博伊斯（David Boies）试图让扎克伯格对 LibGen 表态，但扎克伯格当场表示自己「真没怎么听说过」这个网站，对这个具体的东西并不了解。

不过，他也补充了一句，说如果某个网站是故意在侵犯版权，Meta 确实应该保持谨慎，甚至可能需要阻止内部团队接触它。

内部警告被置之不理，连 Llama 4 也被指涉案

但这番看似无辜的表态，很快被原告提交的最新修正起诉书打了脸。原告方包括畅销书作家萨拉·西尔弗曼（Sarah Silverman）和塔-奈西·科茨（Ta-Nehisi Coates），他们拿到了不少 Meta 内部的往来记录。

法庭文件显示，扎克伯格本人据称批准了使用 LibGen 来训练 Llama 模型。而当时 Meta 内部的 AI 高管和研究团队早就提出过法律风险，甚至直接在邮件中将 LibGen 定性为「明知是盗版的数据集」，警告称这么做会削弱公司与监管机构的谈判立场。

起诉书里的猛料还不止这些。原告指控 Meta 不仅用 LibGen 训练了最新的 Llama 3，目前还在用它训练下一代大模型 Llama 4。

更讽刺的是，Meta 内部还被曝出将 LibGen 里的盗版书目与市面上可购买授权的书目进行交叉比对，以此来算计究竟值不值得花钱找出版商买版权。

为了掩人耳目，Meta 研究人员据称还在模型微调阶段故意混入所谓的「监督样本」，试图掩盖模型受过盗版材料训练的痕迹。直到 2024 年 4 月，Meta 还被指从另一个多次遭到警方查封的盗版电子书库 Z-Library 下载数据用于训练。

为什么重要

我们认为，扎克伯格拿 YouTube 来给 LibGen 辩护，在逻辑上根本站不住脚。

YouTube 是有法律「避风港」保护的用户内容平台，本身有庞大的正版内容生态和侵权下架机制；而 LibGen 和 Z-Library 从诞生第一天起就是纯粹的盗版聚合站，早就背着多起法庭禁令和数千万美元罚单。把一个有盗版混入的合法平台和一个纯粹的盗版资源站相提并论，看起来更像是在偷换概念。

对行业来说，这起诉讼的进展直接撕开了大模型厂商「合理使用」防线的遮羞布。此前各家公司大多咬定爬取公开网络是合理转换，但如果 Meta 内部明知是盗版还故意使用、甚至通过技术手段掩盖训练痕迹的指控坐实，任何合理使用的主张都会在法庭上彻底崩塌。

这也给整个开源生态蒙上了一层阴影。Llama 系列一直被开发者当成开源大模型的标杆，但如果其基座模型的合法性遭到彻底清算，不仅 Meta 自身可能面临巨额赔偿和被迫重新训练的代价，所有基于 Llama 构建商业应用的下游开发者和企业，未来恐怕都要面临版权追索的潜在连带风险。