数百万本书，被Claude“阅后即焚”

一本厚书被推进液压切纸机，压板落下，刀片切下，书脊被干脆利落地削掉。原本连接在一起的书页变成整齐的一沓纸张。

如果没有任何解释，看到这样一段视频，你甚至可能会觉得“引起舒适”、非常解压。

可如果告诉你，AI公司正在用这套办法成批处理纸质书，其中还可能包括冷门书和绝版书，相信你八成就舒服不起来了。

为了寻找更多训练数据，AI公司已经从公开互联网、盗版电子书，一路找到了现实世界里的纸质书。其中，2022年以前出版的书因为没有混入AI生成内容，也没有经过现代数据投毒工具处理，成了难得的“上品”。

那些网上搜不到、没有电子版的冷门书和绝版书，能够提供互联网抓取不到的内容，更是“上上品”。

Anthropic被曝光的“巴拿马计划”中明确说不希望外界知道。

图书数据库公司ISBNdb公开宣称，可以接活儿给AI公司找书，能从旧书店、图书馆和绝版书目录中，一次采购1000至100万本纸质书，还会通过保密协议藏住买家身份和采购书目。

AI公司也知道这事儿“不好看”。

01

“巴拿马计划”

AI公司开始盯上纸质书，最早是从Anthropic惹上的一场官司里露出端倪的。

2024年8月，三名作家把Anthropic告上法庭，指控它未经授权，用他们的作品训练Claude。

说实话，这类争议其实从OpenAI搞出个ChatGPT开始就没停过，一点也不新鲜，类似的官司也已经有不少。

争议在于AI公司把整个人类互联网抓去训练模型，到底算不算侵权？作者的书进了训练集，要不要经过本人同意、支付版权费？

所以在这场官司里，纸质书一开始压根不是主角。

为了让Claude懂得更多、写得更好，Anthropic先把公开互联网扫了一遍。但网页里的内容良莠不齐，因此经过作者写作、编辑筛选和出版社校对的书籍被盯上了。

最方便的办法，当然是直接找电子书。

法庭材料显示，Anthropic曾从Books3、LibGen和PiLiMi等资源库下载超过700万本书。这里面相当一部分来自盗版网站。公司并没有用完就删，而是把这些文件存进一个长期保留的“中央图书馆”，准备供未来的模型训练和研究继续使用。

随后，一个内部代号为“巴拿马计划”的工程启动了。这个计划简单来说就是Anthropic大规模购买纸质书、扫描并喂养AI。

不过在当时，法庭真正关心的是Anthropic获得和使用这些内容的方式是否合法。

2025年6月，法官威廉·阿尔萨普给出了一套对Anthropic相当有利的判断。

在他看来，大模型读取一本书，并不是为了向用户复述或出售这本书，而是从中学习语言、知识和表达方式，再生成新的内容。这种用途具有很强的“转化性”，和人读过一本书之后获得知识、再去创作有些类似，因此可以认为在合理使用的范围内。

至于那些买来的纸质书，Anthropic已经为每一本付过钱。公司扫描一本，就销毁对应的实体书，只在内部留下一个数字替代品，没有多制造一份拿到市场上出售的副本。法官因此认为，这部分也没有侵犯版权。

但是那700多万本从盗版资源库下载的电子书就说不过去了。

法官认为，训练模型可能属于合理使用，却不能反过来证明盗版获取也是合法的。你怎么用书是一回事，这本书怎么到你手里，是另一回事。

在美国法律体系中，判例的作用是巨大的，这位法官的判例为AI公司开了一条路，那就是AI公司可以学习人类写下的作品，前提是先用合法方式把作品弄到手。

所以可以看到，在去年的Anthropic官司里，虽然其购买纸质书并扫描的做法已经公之于众，但是法庭及大众的关注点还是更多在老生常谈的“用人类知识训练AI的法律边界”上。

直到今年，两篇报道接连出现，大家才突然意识到问题的严峻性。

02

绝版纸质书永远消失？

今年1月，《华盛顿邮报》从4000多页刚刚解封的法庭材料中，挖出了“巴拿马计划”的更多细节。

Anthropic在一年左右的时间里花费数千万美元，买下数百万本纸质书。供应商切掉书脊，将散开的书页送进高速扫描仪，最后再把剩下的纸张交给回收公司。仅一份项目方案，就计划在半年内处理50万至200万本书。

规模已经足够惊人，Anthropic内部文件里的两句话更要命：

“巴拿马计划，是我们对全世界所有书籍进行破坏性扫描的行动。”

“我们不希望外界知道我们正在做这件事。”

这两句话放在一起，整件事就很难看了。

Anthropic向来强调AI安全、道德和责任，结果却在背地里启动了一项毁掉数百万本书的秘密工程。

切书原本还可以解释为一种追求效率的扫描方式，“不希望外界知道”则让人很难不怀疑：Anthropic自己也清楚，这件事一旦公开，绝对说不过去。

Anthropic到底偷偷毁了多少书？

《华盛顿邮报》没有拿到完整书目，外界也不知道这些书里有多少是随处可见的畅销书，多少已经停止再版。人们震惊于工业化切书的规模，还很难判断它究竟造成了什么具体损失。

半年后，404 Media的一篇报道，把担忧聚焦到了绝版书身上。

报道的主角叫ISBNdb，一家号称拥有全球最大图书数据库的公司。它在官网上向AI客户公开兜售纸质书采购服务，宣称一次可以采购1000至100万本书，货源覆盖旧书店、图书馆和绝版书目录。

公司甚至把保密写成了卖点：每个项目都会签署严格的保密协议，客户身份、采购策略和目标书目一概不会披露。

更讽刺的是，ISBNdb自己也知道这门生意见不得光。它在宣传中直接提醒客户：“AI公司毁掉200万本书”，可不是什么能赢得同情的新闻标题。

还有一点很有意思，AI公司最近尤其喜欢2022年以前出版的纸质书。

原因很简单：生成式AI爆发以后，网上混入了大量AI生成内容，还有人故意使用数据投毒工具干扰模型训练。相比之下，2022年以前出版的纸质书几乎可以确定由人类写作，经过编辑、校对和出版流程，也没有被现代投毒工具处理过。

AI公司亲手制造了越来越多的网络垃圾，最后又回头寻找没有被AI污染过的旧书。

这股需求已经传到了二手书市场。一名专营稀有和低流通量图书的书商告诉404 Media，从今年4月开始，他每周处理的订单从20本左右猛增到数百本。被买走的书主题杂乱、语言不同，彼此几乎没有联系，唯一的共同点是都有ISBN编号。

这名书商无法确认买家就是AI公司，但他的库存中有不少外文书、冷门书和绝版书。

他一方面靠这些订单清掉了多年卖不出去的库存，另一方面又很不舒服：“我不喜欢这些书最后的用途，也不喜欢那些不常见的书被打成纸浆。”正如前文所说，AI公司扫描纸质书的流程是很粗暴的，这让生意变好的二手书商也忍不住心疼。

从互联网到盗版电子书，再到可以批量买来的纸质书，AI公司一直在寻找训练资源的触角向外延伸。现在，冷门书籍乃至绝版书也难以幸免。

绝版不等于孤本。目前也没有证据证明，某本书在世界上的最后一册已经被AI公司销毁。

外界看不到采购清单，不知道哪些公司正在买书，更不知道书被送进切割机以前，有没有人检查过它还剩多少册。

但风险是显而易见的。

03

极其有限的退让

2025年的判例（至少在美国范围）已经给了Anthropic一定的法律保护。

法官认为Anthropic合法买下一本纸质书，将它扫描成数字文件，再销毁纸质原本，最终仍然只有一份副本。数字文件没有对外出售，也没有增加市场上的流通数量，相当于用一种格式替换另一种格式，因此可以构成合理使用。

按照这套逻辑，切书甚至成了证明合法的一环。原书继续留在市场上，Anthropic手里又多出一份数字版，便可能涉及未经授权的复制；把纸质书销毁，只保留数字文件，法律风险反而更低。

康奈尔科技学院数字与信息法教授James Grimmelmann就认为，Anthropic放弃盗版书库，转而购买、扫描纸质书，是一个“聪明的选择”，也体现了更加克制、符合法律的做法。

毁掉纸质书这种事，对于一本印了几十万册的畅销书来说问题没有那么尖锐，少一册并不会影响其他人继续阅读和购买。

但冷门书、绝版书和带有特殊历史痕迹的版本，显然不能这样计算。

澳大利亚和新西兰古旧书商协会主席Dawn Albinger指出，古旧书的价值并不只在印刷出来的正文。书页上可能有亲历者留下的批注，签名、题赠和历任收藏者的信息可以证明它的流传经历，重新装订的封皮里甚至可能藏着更早的手稿。

这些信息都依附于那一本具体的书。即使书页上的文字已经完成扫描，原来的纸张、装帧和各部分之间的关系一旦被破坏，后人也无法重新检查。

也就是说，AI公司得到了一份适合训练模型的数字文件，却可能毁掉了一件无法通过数字文件完整还原的实物。

争议扩大后，科技行业很快出现了退让。

马斯克在X上表示，已经要求SpaceXAI团队将稀有书籍保存在图书馆，并采用更麻烦的无损方式扫描，不能简单切掉书脊。他没有公布SpaceXAI买了多少书，也没有解释什么样的书会被归为“稀有”，这次回应更像是一种态度上的站队。

ISBNdb退让得更快。

404 Media报道发布9天后，ISBNdb删除了面向AI公司的纸质书采购页面，撤下有关保密采购和破坏性扫描的宣传。公司随后改口称，相关页面只是一次市场需求测试，服务从未真正上线，ISBNdb也从未为AI训练购买、扫描或者出售过任何一本书。

此前还在宣传一次采购100万本书，遭遇舆论反弹后，整门生意突然变成了“一次测试”。

这番解释能否令人信服是一回事，它至少说明，匿名帮助AI公司大批量采购纸质书，已经成了一项企业不愿承担的声誉风险。

不过，马斯克的一句承诺和ISBNdb删除几个网页，都代替不了真正的规则。

谁负责在扫描前判断一本书是否稀有？判断依据是出版年份、版本和存世数量，还是书里的签名、批注和装帧？AI公司是否应该公开大规模采购的书目？如果某本书已经绝版，是否只能采用无损扫描，并在扫描后交给图书馆保存？

目前，这些问题都没有答案。

讽刺的是，ISBNdb此前反复强调，2022年以前的纸质书之所以珍贵，正是因为它们保存了没有受到AI污染、经过作者写作和编辑筛选的人类知识。AI公司越承认这些内容不可替代，就越难解释为什么承载它们的实体可以被当成一次性耗材。