北京
撕开数百万册书籍的装订，一页页高速扫描，然后像废纸一样丢掉——这不是小说里的焚书，而是AI赛道里真实发生的一幕。随着Anthropic与作家版权纠纷的和解细节曝光，这家顶着“AI安全”光环的公司，正在用最激烈的方法为自己喂养训练数据，而代价是那些在战火、灾害与漫长岁月中幸存下来的纸质书，可能永无复原之日。
本该用来保存文字的光学字符识别（OCR）技术，在这里却变成了一把拆除装订的「切书刀」。为什么会走到这一步？表面看是AI公司为了绕开版权雷区，更深层的原因，其实和一份有些反常识的商业逻辑有关：越旧的书，训练价值越高。
这背后有两个关键点，每一条都带着刺。
① 旧书是避免“AI垃圾循环”的干净数据
AI模型如果反复吞噬自己生成的文本，会陷入所谓“AI slop”的恶性循环——产出的内容越来越水，逻辑崩塌。书籍数据库服务商ISBNdb给出的理由很直白：2022年前印刷的实体书，不含任何AI生成的文字，是打破这种毒循环的理想燃料。换句话说，AI公司抢的不只是知识，更是没有被算法污染过的纯净语料。这也解释了为什么二手书市场突然多了一群来扫货的科技采购方——他们要的不是阅读的浪漫，而是拆解、扫描、丢弃的全流程。
② 撕书比借书“划算”，哪怕可能毁掉不可复制的珍本
Anthropic的做法极其讲求效率。他们先是尝试收集盗版电子书，被作家联名起诉后，便将方向转向纸质书：低价购入大量中古书籍，直接用切纸机裁断书脊，把散开的页面送入高速扫描仪，生成图像再用OCR转成文本。处理完的原本，不是还回书架，而是直接废弃。
谷歌当年做图书扫描项目时，用的是专利非破坏摄像头，从图书馆借书、扫完归还，力求不让一页纸受伤。而Anthropic却选择了另一种路径：宁可让数以百万计的书本从物理世界消失，也要把数据拿到手。这种“用完即毁”的模式被部分科技媒体形容为“以研究为名的系统性销毁”，在法庭文件流出后引发广泛质疑。
③ 古书市场正在上演新版的“鲸吞”故事
荷兰媒体NL Times报道，二手书店和古籍商已经注意到一批来历不明的“扫货军团”，专门盯着无人问津的专业著作和绝版书出手，一扫就是整个货架。销量上去了，可珍本却没了。404 Media采访的旧书商说得更直白：那些熬过战争、火灾和几百年抚摸才留存下来的书籍，就这么被“高效数字化”送进了碎纸机。没有证据显示Anthropic故意销毁初版或孤本，但稀有书商人已公开表示担忧：只要收购链条里混进几本真·孤品，毁掉就是不可逆的。
④ 法律上未必违规，道义上却很难站住脚
从版权层面看，Anthropic的操作踩在一条灰线上：自己购买实体书，切割扫描，不在市面重新流通，美国法院此前对谷歌书籍扫描的判例又给了类似行为一定的“合理使用”空间。问题在于，有非破坏的方案，却依旧选择最伤书的方式，这更像是一种冷冰冰的成本计算。为了速度和廉价，让实体副本为零的几世纪性生存记录画上句号，正是让外界最恼火的点。
⑤ 马斯克立刻切割：我的AI团队不会这么干
事件发酵后，SpaceXAI掌门人埃隆·马斯克第一时间跳出来画清界限，他在社交平台上宣称：“我要求团队保留所有图书馆里的稀有书籍，宁可多花时间和人力慢慢扫描，也不会裁掉书脊。我们不做那种事。”一番操作既撇清了自己，又顺便踩了竞争同行一脚。只是，一边是Anthropic用物理消灭换取数据霸权，另一边是马斯克高调打“保护珍本”牌，AI行业在数据获取手段上的撕裂，已然摆到了台面上。
当训练数据从网页文本变成实体书库，到“连实体都不留”的激进操作，AI公司对知识的索取方式已经越过了“利用”和“破坏”的模糊界线。至少对那些未来可能再也找不到一本实物的研究者而言，一个连书本都不愿好好对待的AI，也许很难真正学会尊重文字本身。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
