Anthropic「巴拿马计划」曝光！数百万旧书被切脊喂给ASI

新智元报道

Anthropic「巴拿马计划」曝光了！

2024年4月13日，Anthropic内部传阅了一份文档。

里面有这么一句：我们用一个「软代号」，因为不想让人知道我们在做这件事。

代号叫巴拿马计划（Project Panama），这件事，是破坏性扫描全世界所有的书。

两年后，秘密曝光，这句话彻底失效了。

2026年1月，法官下令解封四千多页诉讼文件，外媒直接把备忘录原文登了出来。

人类写的书籍

正被拆解为ASI的数据集

「巴拿马计划」真正疯狂的地方，其实不只是切掉了多少本书。

它正在把几百年来，人类写进书里的知识、经验和思想，一页页拆成下一代AI的训练数据。

一个作者花十年写下的一本书，一位学者穷尽半生整理出的知识，一整个时代留下的语言、观念和叙事，进入扫描流水线之后，都会被OCR、切碎、Token化，最终汇进模型的参数。

对于正在向ASI狂奔的硅谷大厂来说，书架其实是一座还没被彻底开采的「人类知识矿山」。

尤其是2022年以前出版的纸书，经过作者、编辑、出版社层层筛选，长文本结构完整，又几乎没有AI生成内容污染。

互联网越被AI文本淹没，这批「纯人类语料」反而越稀缺。

所以，当Anthropic说要拿到「世界上所有的书」，它想收集的其实是一份尽可能完整的、人类文明训练集。

接下来发生的一切，也就顺理成章了。

一开始

Anthropic根本没打算买

2021年，公司成立第一年的Anthropic，压根没想过花钱买书。

联创Ben Mann先下载了Books3，约18.3万份；同年6月从LibGen拿走至少500万份；2022年7月，Pirate Library Mirror再拿至少200万份。

三笔加起来，超700万份盗版电子书。毕竟，拿，比买省事。

判决书里，CEO达里奥直言：本来有很多地方可以买，但走正规采购要面对一堆法务、实操和商务上的麻烦。

2024年2月，Anthropic把Tom Turvey招了进来，任务便是拿到「世界上所有的书」，还得绕开那堆麻烦。

他没再谈授权，直接从图书分销商和零售商手里批量买货：数千万美元，数百万本，很多是二手的。

书运到之后是固定的三步。

液压切纸机削掉书脊，高速扫描仪把散页扫成可搜索的PDF，纸张进回收车。

判决书第15页写得很清楚：剥离装订、裁切书页、扫描，然后丢弃每一本纸质原件。

斥资15亿美元，换来一张「通行证」

去年6月，法官William Alsup的判决把这件事拆成三块。

用书训练模型：合理使用。买来的纸书一对一转成不外传的数字副本：也是合理使用——一本进，一份出，原件已经销毁，副本总数没有变多。

从盗版站下载还永久留存，不受保护，为此Anthropic赔了15亿美元。

判决书第15页：Anthropic及其供应商剥离装订、裁切书页，扫描后丢弃每一本纸质原件。

对照Anthropic现在9650亿美元的估值，这笔钱占0.16%。

更要紧的是它放行了什么：不是「切书」，是「买来的一本，换成一份」。原件必须消失，这套论证才成立。

也就是说，切，是这条链的承重墙，不是图省事。

硅谷大厂跟风

开始买旧书

过去十年，AI公司抢的是网页、代码、图片，抢完原件还在。

现在抢的是纸书，切一本少一本，最核心的因素是「干净」。

语料里最稀缺的是没被AI写过的字，行业里流行的说法是，2022年前出版的纸书不可能混进大模型生成的内容。

《华盛顿邮报》拿到的文件里还有一层：Anthropic偏爱纸书，是因为出版物文笔好，不带那股「低质量互联网腔」。

解封文件里另有一条采购要求：优先买「不那么常见」（less common）的书。

不常见，往往就是绝版、印量小、市面难找。

需求烧到了大西洋另一头。

英国旧书商，最先感觉到了异常。他们这几个月是真赚到钱了。

诺森伯兰郡Barter Books的Stuart Manley告诉BBC，他平时一周卖两三千本，最近一笔来自加拿大公司的订单，一单就抵得上一周。

干了30年二手书生意，他说没见过这种事。

今年7月，图书数据服务商ISBNdb挂页面对AI公司喊话：

世界上最好的AI训练数据正躺在书架上，可承接1000本到100万本的订单，为买家保密身份。

页面上还有一句自白：观感问题是真实存在的，「某AI公司销毁两百万本书」不是一个能博得同情的标题。

就在最新404 Media报道中，公布了另一条线。

一位书商在旧书平台Biblio接到一笔约1000本的匿名订单，书目毫无关联，买家不还价。他在其中一本书里夹了一枚苹果AirTag。

追踪器从加州出发，最后停在拉斯维加斯的亚马逊LAS8设施。

那栋楼平时干的是按需印刷——有人下单，这里印一本新书发出去。

北端有块叫VGT3的区域，门上贴着一只霸王龙，爪子抠进书里。一名员工在内部论坛写：我们的任务就是扫书，有人负责切书，有人负责收货扫条码。

亚马逊拉斯维加斯LAS8设施VGT3区域的入口标志，一只红色霸王龙爪子扣进书里。（图源：404 Media）

同一栋楼，南边印新书，北边毁旧书。

谁来负责把书留下来

同样是扫书，互联网档案馆的目的正好相反：不为训练，只为把书留下，让所有人都能读到。

它用的是Scribe扫描仪，一页一页人工翻。

他们试过机器人翻页，但对稀有书行不通，最后还是靠人手。

一位操作员十年扫了大约一万八千本书，是七十名Scribe工人中的一个。整个档案馆用了二十年，扫到第二百万本。

互联网档案馆的Scribe扫描工作站，书放在V形托上，人工逐页翻拍。全球约70名Scribe操作员，一台一台这样干了二十年。（图源：Wikimedia Commons）

同样是扫书，亚马逊VGT3的流水线刚上了工时定额。

一边二十年扫了两百万本，一边恨不得一天清掉一卡车。

销毁与存留之间的速度差，十分刺目。

但真正的问题不在快慢，而在于切下去的是哪本书。

爱丁堡McNaughtan's书店的Derek Walker心中有一笔账。

一本只印了100册、其中75册已经进了图书馆的学术书，市面上确实罕见，但毁掉一本，谈不上多大的损失。

可他店里也卖出去过18世纪的某个版本，全世界只此一本。它们如果进了切纸机，性质完全不同。

Barter Books的Stuart Manley说得实在。

世界确实不再需要五百万本《达芬奇密码》，那些书堆在库房里二十年卖不掉，现在有人整批拉走，对他是好事。

但Walker卖出的18世纪唯一孤本，一旦切开就没了。

更可怕的是，AI公司只按ISBN收货，是畅销书还是孤本，对于它们并没有什么区别，在那些匿名订单里是不做区分的。

如果真有一本孤本进了切书机，我们大概率永远不会知道。

参考资料：

https://storage.courtlistener.com/recap/gov.uscourts.cand.434709/gov.uscourts.cand.434709.231.0_4.pdf

https://www.bbc.com/news/articles/cp3rprx2wl4o

编辑：元宇 桃子