一觉醒来，世界发生了什么？2026.7.29

发布者：唐山乌木 2026-7-29 10:10

今天我们重点关注第3条简讯：多家AI公司被曝正大规模收购纸质二手书以训练AI模型，同时避免引发公众舆论反弹。

这事儿还得从2024年初说起，当时美国人工智能公司Anthropic在内部启动了代号“巴拿马计划”的行动。据后来在版权诉讼中解封的内部文件，计划被描述为“我们为破坏性扫描世界上所有书籍所做的努力”，并特别注明“我们不希望外界知道我们在做这件事”。该公司花了数千万美元，从二手书商批量购入数百万册纸质书。工作人员使用液压切割机切断书脊，将散页送入高速工业扫描仪，完成光学识别后，原书被送去回收或直接销毁。这一过程大约在一年内完成，目标是为Claude等模型提供高质量训练文本。

2025年，多名作者起诉Anthropic，指控其未经授权使用受版权保护的材料。当年6月，美国联邦法官威廉·阿尔苏普作出关键裁决：对于合法购买并随后销毁的纸质书，其扫描与训练用途属于“合理使用”，因为行为具有充分的转换性，且公司并未公开传播数字副本；但对于从LibGen等影子图书馆下载的约700万册盗版电子书，则不构成合理使用。最终，Anthropic针对盗版部分在2025年以15亿美元（约合人民币101.7亿元）达成和解，但破坏性扫描纸质书却被法院认可为合法。这一判决成为关键先例，直接鼓励了后续的行业行为。从一家公司的内部秘密项目，演变为整个行业正在扩大的系统性做法。

到2026年，随着互联网上的“AI垃圾”急剧增加，模型若继续在污染数据上训练，会出现所谓“模型崩溃”的风险——性能退化、输出越来越同质化。于是，多家人工智能公司将目光投向2022年以前出版的纸质书：这些文本由人类撰写、编辑，几乎不可能包含AI生成的内容，且结构完整、权威性高。ISBNdb这类原本服务于图书馆与书商的数据库公司（注：其自称为“世界上最大的图书数据库”和ISBN API提供商，拥有超过1.11亿本图书记录），公开推出面向大语言模型训练的批量书籍采购服务，单笔订单可达100万册，并强调严格保密协议，理由也很直白：“‘人工智能公司销毁两百万本书’这种标题不会赢得同情。”

欧洲的二手书商嗅到不寻常：从德国、荷兰、西班牙到瑞士，夜间自动订单激增，买家来自北美，目标是那些冷门、专业、商业价值极低的绝版或稀有书目，然后大批量运往美国芝加哥附近的物流中心处理。

总的来说，这事儿的背景是数据饥渴与法律套利的双重驱动。互联网公开文本已被反复爬取，高质量人类写作成为稀缺资源，而中间商的出现，则是为了把公司名称从订单上抹去，避免公众把“销毁书籍”与“焚书”的文化禁忌挂钩造成负面影响。

人工智能人生第一份工作扫描仪数据库

上一篇：曾为全球最大医院：郑大一附院的规模神话与2026转型真相