硅谷正在合法焚书，AI为何追着旧书“杀”？

21世纪经济报道记者 章驰 肖潇 实习生 田璟瑄

2026年7月，随着Anthropic与图书作家们15亿美元版权和解协议的最终敲定，超过4000页的法庭文件陆续解封，一个代号为“巴拿马计划”（Project Panama）的秘密项目浮出水面：全球顶尖AI公司Anthropic斥资数千万美元，批量采购数百万册2022年前出版的纸质书，切除书脊、高速扫描后粉碎销毁，以此获取未经AI“污染”的“干净”训练语料。

美国联邦法院裁定这一做法属于“合理使用”。消息传出，全球舆论哗然。

最近有国内网友发现，在《新译黄庭经阴符经》等书籍的版权信息页，已经标注了“禁止将本书内容用于人工智能训练，违者必究”。该书由华夏出版社在内地出版发行，版权方为中国台湾三民书局。华夏出版社向21世纪经济报道记者表示，这一标注源于版权方要求，有时作者也会提出书籍禁止用于AI训练的要求。现在许多引进书会加入这一标注，部分非引进书也有采用。出版社没有回应是否接到过国内AI公司的购书需求。

多家AI公司负责人曾向记者提到，在国内实践中，企业和监管更重视AI生成内容的治理，而输入环节的训练数据相对“宽松”。这说明，在大模型快速发展的几年里，合法的训练数据长期处于被忽视的状态。

“巴拿马计划”曝光，AI公司为何要毁书？

过去几年，大模型训练的语料主要来自互联网：维基百科、新闻网站、开放论文。但生成式 AI 爆发后，大量 AI 生成内容反向涌入互联网，污染了公共语料库。斯坦福大学2026年AI指数报告显示，2025年初以来新发布的互联网内容中，AI生成比例已超过51%。

如果AI模型用AI生成的内容反复训练，就会导致模型越训练越退化、逻辑混乱、事实失真，这就叫做“模型塌缩”。

因此，2022年之前出版的纸质书成为AI公司眼中的“黄金数据”。它们在物理层面上不可能包含AI生成内容，是未经“污染”的纯净人类原生语料。

隐秘的产业链

为获取这些“干净”数据，AI公司搭建起了一条全球性的隐秘采购链。

在法庭文件曝光之前，世界各地的旧书商已经嗅到了异常。2026年4月底，德国书商菲利普·韦伯在行业论坛发出求助帖：“昨晚突然收到一大批来自ZoomBooks的买书订单，这是欺诈吗？”帖子引发热议，跟帖长达17页。

这些订单有几个共同特征：全部在夜间下单，采购的书籍“质量很好但主题很小众，多年来无人问津”。更让大家印象深刻的，是下单人的阔气，一本书售价5欧元，运费却要40欧元，且全部预付。

从瑞士、西班牙、荷兰到澳大利亚，全球二手书商都收到了类似请求。荷兰古籍书店De Vries & De Vries的老板收到一封来自自称“2077AI”的新加坡公司的邮件，附带一份涵盖商业、工程、医学等领域的学术书籍的表格。邮件从未提及人工智能，仅称公司正在参与“一个专注于收集多种语言书籍的新项目”。

书商们注意到，这些采购行为与收藏或转售完全无关，订单书籍过于冷门，无法盈利，且同一买家购买的几本图书之间毫无关联性，唯一的合理解释是用于训练AI。

在这条产业链中，书籍元数据平台ISBNdb作为中间商，收录超1.11亿本书，为 AI 实验室匿名批量采购书籍，还提供严格的保密协议，承诺“你的身份、策略和采购目标永远不会被披露”。7月底产业链曝光后，ISBNdb删除了相关页面，声明称“从未推出过此类服务”“仅用于测试市场反应”。

15亿美元和解的舆论风暴

“巴拿马计划”的曝光源于去年一群作家对 Anthropic 公司提起的版权诉讼。主审法官威廉·阿尔萨普在 Bartz 诉 Anthropic 案中作出了裁决：使用合法购买的图书训练大模型，属于合理使用，受美国版权法保护；但从 LibGen、Pirate Library Mirror 等盗版网站下载图书，则构成侵权。为此Anthropic同意支付15亿美元和解金。

法官理由是Anthropic 事先合法购买了这些书籍，扫描后销毁了，且数字文件仅保存在公司内部而非对外分发，这符合法律上“首次销售原则”，即合法购买的实体书所有者有权自行处置书籍。法官将 AI 训练类比为人类阅读，一个人读了很多书、吸收写作技巧后创作出新作品，并不构成侵权。

这就出现了一个荒诞的对比：从盗版网站下载电子书训练AI，违法；买来实体书切碎扫描训练AI，合法。

消息曝光后，舆论迅速发酵。马斯克公开宣布，已要求旗下SpaceX AI团队保存图书馆中所有珍贵书籍，采用无损扫描方式。

国内图书行业也在行动，网友发现《新译黄庭经阴符经》等书籍的版权信息页已标注“禁止将本书内容用于人工智能训练，违者必究”。华夏出版社表示，这一标注源于版权方要求，现在许多引进书都会加入标注，有些作者也会主动提出书籍禁止用于AI训练的要求。但多家AI公司法务坦言，国内对投喂AI的数据来源监管仍处于“睁一只眼闭一只眼”的状态。

知识数字化不等于公共化

然而，真正令人不安的不仅在于“AI焚书”本身，更在于数字化本应推动知识走向开放，而AI训练却可能走向相反的方向。

大量具有学术价值的地方文献、专业出版物和灰色资料，至今仍沉睡在图书馆特藏室和地方档案馆中，没有电子版本，很少进入馆际互借体系。从这个角度看，更多文献完成数字化，能让受限于地理和馆藏的知识重新进入公共空间。一本书仍然作为完整作品存在，有作者、有书名、有章节。

但进入大模型之后，书籍被彻底拆解为数以万计的词元，模型并不 “拥有” 一本书，它只是吸收了其中的语言模式。

知识被数字化了，却未必公共化；知识被开放给了模型，却未必被开放给了公众。

乐观的市场派认为，真正的挑战不是缺乏数据，而是缺乏有效共享和利用数据的基础设施，市场机制最终会找到大模型训练数据匮乏的解决方案。哪家AI公司能既合规又高效地拿到数据集，就能拥有更长期的竞争力。

倘若人们并不知情，即使知情也不提出反对，利益最大化会驱动公司走到什么地步？我们需要追问的不只是 “这合不合法”，而是：当知识以这种方式被 “读取”，它最终服务的究竟是谁？