AI公司为获取训练数据大规模销毁实体书籍

Anthropic的一项秘密内部计划，代号“巴拿马计划”，旨在获取数百万本二手和稀有书籍，并将其转化为Claude的训练数据。2024年2月，该公司专门聘请了前Google Books合作伙伴负责人Tom Turvey，以寻找获取“世界上所有书籍”的方法。^[1]内部规划文件直白地陈述了目标：“‘巴拿马计划’是我们对全球所有书籍进行破坏性扫描的努力。”^[1]整个流程是工业化的而非精细的——书籍批量购入后，被送入液压驱动的切割机切下书脊，随后逐页通过高速生产线扫描仪，转换为可搜索的数字文件，散页纸张则被回收处理。^[1]超过4000页详细描述该操作的文件之所以公之于众，是因为它们在作家提起的Bartz诉Anthropic版权诉讼中被法院解封。^[2]Anthropic自己的规划材料显示，公司清楚公众会如何看待这一行为：“我们不希望外界知道我们正在做这件事。”^[3]供应商最终提议在六个月内将50万至200万本实体书数字化，Anthropic为此投入数千万美元建设采购与扫描流水线。^[1]

“巴拿马计划”之所以能够运作，根源可追溯至2025年6月的一项联邦裁决。在Bartz诉Anthropic案中，威廉·阿尔斯普法官（Judge William Alsup）裁定，使用合法购买的书籍训练AI属于“极具转化性”的合理使用；但他同时裁定，通过盗版途径（如Anthropic通过LibGen和海盗图书馆镜像获取书籍）获取书籍不属于合理使用，构成故意侵权。^[4]而真正影响书籍销毁行为的关键区别更为微妙：阿尔斯普的判决认为，实体书的销毁证明了数字副本“取代”而非“复制”了原书，这正是数字化行为被认定为法律上“具有转化性”的一部分依据。^[5]此后评论人士指出，这种逻辑实际上在暗中奖励企业销毁原始资料而非保留双份格式，实质上将书籍销毁变成了一种法律避风港。^[7]有报道称，该裁决引发了一场AI公司之间“前所未有的竞赛”，竞相以工业规模收购并销毁书籍。^[6]若书籍来源处理不当，财务风险真实存在——Anthropic最终同意支付15亿美元和解金，以解决与其盗版书籍获取相关的索赔，这是美国历史上已知金额最大的版权和解案。^[8]

在Anthropic个案丑闻背后，存在一个更隐蔽的行业：即为AI实验室批量采购书籍并隐藏买方身份的中间商。404 Media指出，ISBNdb公司向AI企业营销2022年之前的纸质书批量采购服务（每单1000至100万本），并宣称这些书籍可保证不含“AI垃圾”——即目前充斥开放网络的机器生成文本，若在训练中摄入可能导致模型崩溃。^[9]ISBNdb通过严格的保密协议（NDA）包装这些交易，确保AI买家的身份及其销毁书籍的规模永远不会公开。甚至该经纪商自身的沟通也承认了声誉风险：“形象问题确实存在”，因为“AI公司销毁两百万本书”绝非能引发公众同情的新闻标题。^[9]正是这种匿名化、受NDA保护的采购渠道，使得整个AI行业书籍销毁的规模长期隐藏，直到通过诉讼取证和调查报道才浮出水面，而非任何公司的主动披露。

Anthropic是内部备忘录被曝光的公司，但远非孤例。作者们已分别指控OpenAI和微软在AI训练用书采购中侵犯版权；OpenAI承认下载了LibGen资料，但声称在ChatGPT发布前已删除这些文件。^[10]Google和Meta也被列为曾竭尽全力获取大量书籍数据用于训练的科技公司之一。^[11]Google目前正面临主要出版商（包括Hachette、Cengage和Elsevier）以及小说家斯科特·图罗（Scott Turow）提起的2026年新诉讼，指控其使用书籍训练Gemini——此案与2015年认定Google Books搜索片段数字化属合理使用的先例案件不同。^[12]与此同时，图书馆员、古籍书商和文化保护人士警告，销毁原始书籍——尤其是稀有或孤本——将永久抹除历史文物，即使文本本身以数字形式留存。^[13]无论整个行业最终销毁的书籍总数是多少，这正演变为一场涉及多家公司的法律与文化清算，而非单一企业的失误。