北京
一家深藏幕后的图书数据公司，正悄然为AI行业搭建一条通往“洁净数据”的秘密管道。这个本为图书馆和书商服务的市场，如今成了大模型训练的原料供应方。ISBNdb，这家自称拥有全球最大图书数据库的公司，公开表示可以帮AI企业大量采购实体书，规模从1000本到100万本不等。其货源来自二手市场，那里汇聚着图书馆、零售商和个人转让的旧书。
它的推销逻辑直白而犀利：旧书能提供更干净的数据。该公司在官网上写道：“全世界最好的AI训练数据就摆在书架上。书籍代表着经过策划、同行评议的特定领域人类知识，其结构化程度是任何网络爬虫都无法复制的。它们是高密度、经过编辑且权威的资料。”在他们眼中，这些布满灰尘的旧纸堆，或许是AI进化的完美食粮。
采购重点几乎全部锁定在2022年之前出版的书籍。这个时间节点之所以关键，是因为在此之后，由AI生成的合成文本开始在互联网上大规模扩散。一个被业界反复提及的棘手问题是，如果AI模型长期吞食自己产出的内容，其性能会逐渐衰减，这种现象通常被称为“模型崩溃”。ISBNdb将纸质书包装成了规避这一风险的护身符。他们宣称：“来自大语言模型时代之前的印刷书籍，在结构上保证了不受这种污染。在此日期（2022年之前）出版的实体书，结构上不受现代污染工具的影响。”
为了让这种大规模采购具备可操作性，ISBNdb将自己的书目数据与采购服务整合在一起，以此帮助买家避免重复购买同一本书，并组装出庞大且多样化的数据集。同时，整个交易过程对保密性的强调达到了近乎苛刻的地步。该公司的网站明确声明，每一笔合作都受一份严格的保密协议约束，买家的身份、策略以及具体的采购目标，都会被彻底隐藏起来。外界无从知晓，到底是哪些公司在为自家模型疯狂储备原料。
这种不透明性同样笼罩着上游的图书供应商。在Alibris和Biblio等在线书市上，不少卖家都提到，最近几个月大额订单的数量急剧攀升，但买家的身份却始终是个谜。一位专营外文图书的卖家表示，从今年四月起，销售状况发生了翻天覆地的变化。他在接受科技媒体404 Media采访时坦言：“我个人对这个事情的感受非常复杂。一方面，它确实让我赚到了钱，还能帮我清掉那些本来卖不掉的老库存。我手头那些来自海外的外文书尤其适合做这类生意。但另一方面，我真的不喜欢这些书的最终归宿，更不喜欢那些不常见的书就这样被打成了纸浆。”
这些订单本身也透着诡异。它们并不像大学图书馆采购那样聚焦于某个特定学科，而是天女散花般随机分布在各种主题和格式上。该卖家指出，这些订单之所以显得反常，不仅是因为量大，还因为它们看起来毫无章法，甚至完全无视正常的定价逻辑。他倾向于认为，从这种大手笔的花钱方式来看，采购模式非常像AI公司的操作。在Alibris的一个论坛上，另一位用户也发现了端倪：“是不是只有我一个人觉得，从去年年底开始，自动购买订单的数量就一下子多起来了？”面对这股汹涌而又沉默的扫货潮，旧书商的仓库正在被掏空，而无数实体书或许正在被拆解、扫描，最终在完成数据投喂的使命后，无声地化作碎片。
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.
