AI公司为大语言模型训练销毁稀有实体书籍

这一物理过程是故意具有破坏性的：书籍被送入液压切割机切掉书脊，然后通过高速扫描仪逐页数字化，纸张最终被回收，不留下任何实体副本 ^[1]。这种速度和成本优势——被斩首的书籍比装订完整的书籍能更快地通过生产线扫描仪——正是使AI实验室在工业规模上购买并销毁书籍具备经济吸引力的原因之一 ^[1]。据报导，Anthropic公司自身的供应商提案曾讨论在六个月内转换50万至200万本书 ^[2]。

在美国使其具备法律可行性的是一项狭义裁决：威廉·阿尔斯普法官（Judge William Alsup）认定，将一本合法购得的实体书破坏性地扫描成单一数字副本——即一进一出——属于首次销售原则下的转化性合理使用 ^[3]。该裁决仅适用于AI公司直接购买的书籍；它明确区别于Anthropic早前使用盗版书籍的行为，后者不受保护，并导致了15亿美元的和解金，这是美国历史上最大的版权和解金额 ^[4]。结果形成了一种奇怪的激励机制：销毁原件并非扫描的附带后果，而是维持该行为合法性的条件，因为如果不销毁原件而保留扫描件，则相当于复制了内容，超出了格式转换的范畴。

Anthropic公司内部文件，代号“巴拿马计划”，直白地将该项目描述为“旨在破坏性扫描世界上所有书籍”的努力 ^[1][2]。该项目可追溯至2021年，当时联合创始人本·曼恩（Ben Mann）亲自从LibGen和Books3下载了数百万本盗版书籍用于早期训练数据 ^[1]；“巴拿马计划”后来作为经授权且可在法庭上辩护的替代方案出现——改为购买书籍而非盗版，并销毁复制证据。

同一批内部文件还显示，Anthropic预见到公众反弹，并指示员工对此保密：“我们不希望外界知道我们在做这件事” ^[1][5]。Anthropic聘请了前Google Books合作伙伴负责人来主导采购工作，并在消息公开前已花费数千万美元购书 ^[2]。这种保密行为不仅限于Anthropic——数据经纪商ISBNdb自身内部营销材料也书面承认存在相同的声誉风险：“舆论问题确实存在。‘AI公司销毁两百万本书’这样的标题不会赢得同情” ^[2]。

在AI实验室与古籍书商货架之间，存在着一层数据经纪商和大宗买家，他们的角色只有通过调查报道才得以曝光，而非主动披露。维护ISBN元数据的公司ISBNdb曾公开宣传分级的大宗采购服务——提供从1,000本到100万本不等的书籍，明确针对AI/大语言模型训练客户 ^[2][6]。在相关宣传被报道后九天内，ISBNdb便删除了网页，并否认曾运营此业务，声称“该服务从未上线”，页面内容仅为“探索性概念而非实际业务” ^[3][6]。

加拿大公司Zoom Books多次被德国、瑞士及其他欧洲国家的书商指认为异常大宗订单的来源，也在澳大利亚关于更广泛趋势的报道中被提及，尽管该公司将其采购行为定性为普通的回收与交易活动 ^[6][7]。一位荷兰古籍经销商收到一家新加坡公司订购近3,000种书目的订单时，最初以为是骗局，因为他昂贵且稀有的库存通常不会以批量形式售出 ^[2][6]。普通书商只能猜测谁在真正购买以及为何购买，而链条两端的经纪商一旦受到关注，立即否认与AI有任何关联。

关于损失对象的界定存在争议。公众担忧集中在AI公司正在将独特的文化遗物化为纸浆——那些独一无二的实体特征一旦被毁就永远消失，即使数字扫描件尚存 ^[7][8]。书商及ANZAAB等组织表达了真实不安，即便金钱回报可观，澳大利亚经销商也表示意识到类似订单浪潮已在美欧出现 ^[7]。

另一种更为怀疑的观点认为，最引人注目的销毁案例针对的是大众市场读物或过时的学术滞销书，这些书籍原本就会被书商粉碎或回收，而非真正独一无二的孤本——因此部分恐慌更接近夸大其词，而非对实际消失物品的准确评估。两种观点可以同时成立：一些被销毁的是可处置库存，另一些确实是稀缺资源，而供应链的高度不透明——ISBNdb和Zoom Books在被点名后立即否认与AI关联——意味着无论是书商还是公众，在某本书被切割之前都难以分辨其真实价值。

即使暂且不论实体书的命运，还有一个次级问题：数字化文本究竟流向何处？公共讨论中反复出现的一种批评意见，也在社区对该报道的辩论中得到呼应，即像“巴拿马计划”这类项目所产生的扫描件，最终消失在私人 proprietary AI训练语料库中，没有任何义务向公众开放——这与实体书被出售、捐赠或以其他方式流转的情况不同，后者理论上仍有可能重新浮现。从这个角度看，一本被销毁以喂养封闭商业模型的实体书，可能导致社会整体获取信息的能力比之前更差：没有馆藏副本，没有公共记录，只有一套锁在企业基础设施内的训练数据。

结合2025年允许破坏性但合法扫描的合理使用裁决，以及促使Anthropic支付15亿美元和解金以解决其最初通过盗版书籍进入图书领域的行为 ^[3][4]，贯穿其中的主线是：合法性与公共利益在此已被割裂——该做法之所以合法，恰恰是因为它没有增加副本数量，而不是因为它为扫描公司以外的人群保存了任何东西。