2026-07-31 0
最近刷到圈内爆料，看完心里堵得慌，AI行业为了抢训练数据，已经开始对绝版老书下狠手了。
有个叫ISBNdb的图书中介平台专门承接匿名大额购书单，单笔最高能一次性走一百万册图书的交易，全程严格保护买家信息，外人根本查不到是谁在大批量收书。各路业内人士顺着订单线索深挖，最大嫌疑对象就是做Claude大模型的Anthropic公司。
这套处理旧书的流程简单粗暴，完全不心疼纸质古籍：收来的书统一送进工业流水线，液压机器一刀切下整本图书的书脊，书页拆散开后走高速扫描仪快速录入数字档案，只要电子版保存完毕，所有纸质原版直接送入粉碎设备彻底销毁。
业内人都清楚，厂商只认准2022年之前印刷出版的读物。自打生成式AI普及后，网上到处都是机器生成的同质化文字，拿这种掺假的数据喂模型，会让AI逻辑越来越混乱。而早年全部由人类手写、校对完成的书籍，不存在AI文字污染，是训练大模型最稀缺的优质素材。
最让人惋惜的是一大批存世量极少的孤本古书，这些书本躲过战争损毁、岁月侵蚀，留存百余年，反倒在如今的和平年代，沦为AI训练的耗材。数字档案牢牢锁在企业内部数据库里，一旦这家公司选择不对外公开阅览渠道，世界上再也找不到第二本实体原件，几千年沉淀的文字史料直接彻底失传。
Anthropic为了搜罗全球全部书籍，特意挖来了前谷歌图书项目的核心负责人，专门推进大批量收书数字化项目，在行业数据争夺战里不惜代价。
同样做AI赛道的马斯克完全看不惯这种毁书模式，直接给自家团队下达硬性要求：所有古籍、旧书全部采用无损伤数字化扫描工艺，扫描全程完整保留原版书本，绝不破坏、销毁任何一本纸质读物，尽全力留存没有被AI内容污染的文字资产。两家企业截然不同的做法，也能看出当下AI行业数据内卷已经到了白热化地步。
更离谱的是美国法院此前给出的裁定，判定这种买书、扫描后粉碎原件的行为属于版权合理使用。法官给出的理由让人难以认同：纸质书本销毁后，全球仅留存一份企业内部电子副本，不存在多份复制传播，因此不算版权侵权。
不少藏书爱好者、文史学者对此充满质疑，靠毁掉实体文物换取独家数字资源，就算法律站得住脚，对人类文字文明来说，代价实在太大。也希望这次事件大范围曝光后，能给这类毫无底线的AI企业带来约束，别让珍贵古书全消失在机器粉碎机里。
