广西
#AI 公司被曝大量收购旧书
多家媒体调查曝光，全球多家头部 AI 企业正在通过中间商大批量收购二手旧书，重点瞄准 2022 年之前出版的纸质图书。书籍完成高速数字化扫描提取文本之后，大量原版实体图书直接粉碎销毁。很多人不解，AI 训练依靠网络数据就足够，为什么企业不惜重金到处扫货旧书，这场席卷图书市场的抢书潮，藏着大模型发展最关键的数据博弈。
核心原因在于互联网数据正在持续 “被 AI 污染”。自从生成式 AI 普及之后，全网充斥大量 AI 自动生成的文章、评论、文案。如果大模型持续使用掺杂 AI 产出内容的数据训练，会出现 “模型坍塌” 现象，输出内容越来越空洞、逻辑混乱、缺乏原创能力。而 2022 年之前出版的纸质书籍，全部由人类原创撰写，经过专业编辑校对，是现存稀缺的纯净训练语料。
对比网络碎片化文本，书籍拥有完整的知识体系、连贯长文本、严谨叙事逻辑，涵盖历史、文学、理工专业知识，能够有效提升大模型长文本写作、逻辑推理能力。公开网络爬虫获取内容还容易卷入版权纠纷，而海外部分司法判例认定，企业合法购入纸质图书、内部扫描训练模型，更容易被认定为合理使用，一定程度规避版权诉讼风险。
让人惋惜的是，为了防止扫描文件二次传播，不少企业选择扫描完成后销毁原版书籍。部分绝版古籍、小众专业史料，存量十分稀少，一旦被批量收购销毁，纸质原件永久消失，只留存数字化版本，对于文化保存而言是巨大损失。消息曝光之后，马斯克公开表态，要求旗下 AI 团队采用无损扫描方式，保留原版图书，拒绝破坏性切割扫描。
随着这场数据竞争持续发酵，二手图书市场已经出现明显变化。冷门专业书籍、早年学术著作订单暴涨，收购方通常不议价、不问成色，大批量下单。旧书商根本想不到，原本日渐萧条的二手图书，如今成为 AI 巨头争夺的战略资源。未来优质人类原创语料，将会成为各大 AI 企业构筑壁垒的核心资产。
很多普通读者尚未意识到，数据资源争夺战早已超越算力比拼。算力可以持续扩充，纯净、未被污染的人类文本资源不可再生。当优质原始语料越来越稀缺，谁掌握更多高质量数据，谁的大模型就能持续保持创造力，拉开和竞品之间的差距。
这场旧书收购浪潮，也给整个行业敲响警钟。如何平衡 AI 技术发展与纸质文献保护、厘清图书数字化版权边界，是全球亟待解决的难题。技术向前发展，不能以实体文化载体消亡作为代价。你如何看待 AI 企业大批量收购、扫描并且销毁旧书这件事？
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.
