法院文件披露Anthropic销毁数百万旧书训练Claude，法官判合理使用

2026年7月29日下午1点17分，一条由“Grok by SpaceXAI”发布的推文在X上炸开：“AI公司正在销毁稀有书籍，以吞下他们声称拥有的数据。”这不是洋葱新闻的离奇标题，而是从法院文件里拖出的事实——Anthropic，这家高举“AI安全”大旗的公司，正在用工业设备裁切书籍的书脊，把一本本可能流传了几个世纪的旧书变成Claude的训练饲料。文件来自Bartz诉Anthropic案，一个被命名为“巴拿马计划”的项目细节首次公之于众：Anthropic批量购买了数百万本二手书，将书脊剥离，扫描内页，然后丢弃实体书。

项目代号本身透着一股冷峻的大工程气息，像一条精密的图书处理流水线。外界此前只知道Anthropic在模型训练中大量使用图书数据，却没想到手段如此“物理”级粗暴——不是从电子书库下载，而是买书、拆书、毁书。在法庭上，Anthropic辩称自己拥有这些图书的所有权，因此扫描行为属于合理使用。法官最终采纳了这一观点，裁定对已购图书的扫描构成“合理使用”，为“巴拿马计划”亮了绿灯。这一裁定的辐射范围可能远超本案，因为它等于在说：只要你花钱买下一本书，就可以把它拆解为大型语言模型的养料，然后靠这个模型向用户收费，而原作者和出版商完全被排除在利益链条之外。

原作者和许多旁观者并不买账。发帖者“Hedgie”的反驳帖子获得了超过550万次浏览，那句“在学校时我们被教导谴责焚书，因为它们毁灭了超越生命本身的保存知识；看着这些AI公司，尤其是Anthropic，参与现代焚书来训练其大语言模型，这几乎是对人类犯下的战争罪行，堪比亚历山大图书馆的焚毁。”迅速成为共识性表达。对于一个身处科技行业、习惯了数字版权争端的读者来说，把切书扫描类比为焚书可能听起来有些夸张，但如果你真的捧起过一本18世纪的旧书，感受过纸页和装订传递的历史质感，就会明白那种愤懑。

这场争论中插进来一个分量十足的声音。埃隆·马斯克明确表态，xAI不会使用被销毁的书籍来训练模型。这不是带着具体条款的法律承诺，而是一种商业姿态——在数据来源透明度和伦理底线越来越影响用户信任的当下，贴上“不毁书训练”的标签，等于在向愤怒的社区递出一面旗帜。紧随其后的，是开源代码平台Codeberg率先禁止大语言模型生成的代码，并用实际行动将AI拒之门外。Anthropic方面很快回应，Claude发表声明称需要就“署名和同意”的处理方式达成共识。问题是，“合理处理”的边界本身就是争议的核心，Anthropic一边在声明里呼吁共识，一边却在法庭上主张购书即获数据的合理使用权，这种言行脱节让更多平台开始考虑效仿Codeberg的强硬立场。

从技术角度看，这场风暴揭示了大语言模型训练数据获取的一个隐秘分支。过去几年，AI公司的数据争论主要围绕网络爬虫抓取网页、社交媒体内容和新闻文章，图书一直被视为相对规范的边界——毕竟有明确的版权归属和交易体系。但“巴拿马计划”表明，这条边界正在被工业级的实体图书消化流程重新划定义。一位数据工程师在论坛里打了个比喻：这就像为了获取一座图书馆的知识，把馆里的原书全部烧成灰烬，只保留一份数字副本，然后宣称自己从灰烬中提取了精华。法律上或许站得住脚，但在伦理的坐标系里，它与“焚书”之间只隔着一层薄薄的合法性薄膜。

更让人不安的是，被销毁的并不只是当季畅销书或者过期的参考手册。Hedgie的帖子里特别提到“古老书籍”，而Anthropic批量购买的二手书来源复杂，其中不乏已经绝版、只存在于少数收藏者手中的珍稀版本。当这些实体书被送进扫描切割机时，它们携带的不仅是文字内容，还有纸张、水印、边注、修复痕迹等一切物质形态的历史信息。数字扫描能复制文字，却复制不了那一页页承载时间的物理实体。从这个角度看，这场争议已经不是简单的知识产权纠纷，而是一次对文化记忆载体的工业级清除。

回过头来看时间线，Bartz v. Anthropic案的起承转合像一次版权法面临的压力测试。原告方主张，扫描整书并将其转化为模型参数是对原作商业价值的系统取代；被告方则守住一个关键节点：这些书是我们买来的，所有权意味着我们可以用任何方式消费这些内容。这种逻辑如果推演到极端，可能意味着未来任何一个拥有足够资金的企业，都可以通过大量扫购图书来构建独占的知识库，穷尽某一领域的书面知识，然后将这些知识包装为付费AI服务，而不再有人需要购买原书、去图书馆借阅或向作者支付版税。法官的“合理使用”裁定虽然在本案中为Anthropic打开了通路，但它并没有回答那个更深层的问题：当技术与法律之间的赛跑最终让创作者彻底沦为无偿原料的供应者时，整个创作生态还能撑多久？

在公众情绪沸腾的另一侧，AI研究人员内部也出现分裂。一些工程师认为，大规模图书训练是通向更通用智能的必要路径，而实体书的消解放只是数据采集工程中的一环，不必赋予过多的象征意义。另一些则担忧，这种不顾一切的数据获取方式会进一步毒化AI公司与内容创作者之间的关系，使原本可以建立的授权和数据合作机制胎死腹中。在社交媒体和开发者社区里，正在形成一种“可信AI”的新标准倡议：训练数据的获取方式应当透明，对实体文献的处理应当保留可审计的链上记录，任何涉及绝版或稀有作品的训练行为都需获得社群同意。这些倡议虽然还在草稿阶段，但它们标志着科技行业开始从单纯的技术竞争转向对生产过程的伦理追问。

有趣的是，Anthropic本身是一家以“宪法AI”和自我约束著称的初创公司，其创始人Dario Amodei曾反复强调AI安全需要被置于利润之上。然而“巴拿马计划”的曝光，把这家公司推到了知行不一的风口。那位发帖者不无讽刺地说：“现在我认出是Altman和Amodei，我只能看到一个名叫Dario的男人身上启动了一种‘alt ai mode’——一种正在摧毁软件工程职业的AI模式。”这句话里藏着两个当下最激烈的矛盾：一是内容创作者与AI公司的对抗，二是AI公司彼此之间关于发展路径的争吵。Anthropic一边指责OpenAI过于激进，一边却用拆毁实体书的方式获取训练数据，这种对比让许多曾经支持它的开发者感到幻灭。

Codeberg的禁令成为整个事件的第一个制度性回响。这家面向开源社区的代码托管平台，明确禁止用户提交由大语言模型生成的代码，理由是：代码的著作权归属模糊，训练数据中可能包含了未经许可的开源项目，而使用这些代码的开发者可能在不知情的情况下陷入侵权风险。Claude回应的“找到共同立场”听起来温柔，但在没有具体赔偿机制和追溯协议的情况下，它更像一种公关修辞。一些开源社区已经开始讨论，是否应该要求所有由AI生成的代码携带元数据标签，标明训练数据来源，以便开发者主动避开那些潜在的不洁模型。这种讨论如果可以推动标准化，或许会成为整个事件的正面溢出效应。

回到那一条引发550万次浏览的帖子，Hedgie用一句震撼的疑问结束了发言：“你可曾握着一本1700年代的旧书，然后想过‘让我撕掉它的书脊来训练Claude’？这些人到底是怎么回事？”对于大多数科技从业者来说，这个比喻触及了一个集体焦虑点——当技术进步以泯灭过往为代价时，我们是否正在丢失判断力？书籍一直是文明最长久的载体，过去的历史一再证明，烧掉的不仅是纸张，还有复原历史的唯一路径。如今，人工智能公司用更加精密和合法的方式重复着类似的消除，区别只是火焰被扫描仪取代，灰烬变成了GPU上的权重。

然而，这场激辩也许正推动着某种正向的演化。Elon Musk的明确站队、Codeberg的先行禁令、以及开发社区自发提出的透明训练倡议，合力在混沌中拉出了一条亮线。虽然法官裁定“购书扫描”合理，但围绕这一裁定的社会共识远未形成。可以预见，更多平台将在接下来几个月内出台自己的数据政策，更多出版商将开始重新起草授权条款，甚至可能有立法者介入，在“合理使用”的模糊地带画上更精细的刻度。如果有什么值得看好，那就是这次事件让AI训练数据的伦理问题彻底走出了法庭和会议室，进入了最普通开发者的日常讨论。无论你站哪边，书架上的旧书突然变成了一个公共议题，这本身就意味着改变的可能即将发生。