为AI训练破坏性扫描珍本

2026年初解封的法庭文件显示，自2024年初以来，Anthropic一直在秘密推进一项代号为‘Project Panama’的大规模图书收购计划，用于AI训练。该公司聘请了前Google Books合作伙伴负责人汤姆·特维（Tom Turvey）来主导与分销商和零售商的接洽，内部供应商提案讨论了在六个月内转换50万至200万册书籍的计划^[1]。这些文件引人注目的不仅是其规模，更是其中的坦率表述：一份内部规划文件明确写道：‘Project Panama是我们努力扫描世界上所有书籍的项目’，紧接着是一条明确指示：‘我们不希望外界知道我们正在做这件事’^[2]。

这一内部承认与其公开立场形成了尴尬对比。该公司曾向记者表示，其通过常规商业市场购买书籍，且其任何数据获取项目均未收购或销毁稀有或古籍类书籍^[3]。泄露备忘录中围绕保密的设计与公开声明中围绕安抚公众的说辞之间的巨大差距本身就是一个故事——并非因为背后‘购买+扫描’的法律模式违法，而是因为构建该模式的公司显然早已预见到如今面临的舆论反弹。

这一切的法律基础源于2025年6月威廉·阿尔斯普法官在Bartz诉Anthropic案中的裁决，该裁决将公司的图书获取行为分为截然不同的两类。将合法购买的纸质书籍数字化并用于训练被视为具有转化性，受合理使用保护；而保留由盗版电子书构成的图书馆则不然，这一区别使Anthropic支付了15亿美元的和解金，涵盖超过40万部注册作品，平均每部约3,000美元，这是有史以来最大的版权和解金额，于2026年7月最终确定^[4]。

正是这一法律架构使得物理销毁成为核心环节而非附带结果。液压切割机切断所购书籍的书脊，以便散页能以每分钟80至120页的速度通过扫描仪^[5]。书籍不会在流程中幸存是设计使然：一旦原始副本被销毁，公司仅持有数字形式的一份合法购买副本，而非在印刷原版旁保留未经授权的复制品。令人不安的不仅仅是书籍被毁，更在于销毁行为近乎合规要求而非副产品——它是使数字化在法院眼中避免被视为盗版的机制。

支撑‘Project Panama’所需规模的背后，是一条无人愿意完全承担的供应链。图书元数据公司ISBNdb曾公开推销1,000至100万册图书的大宗订单，作为通往LLM训练数据的‘合规路径’——明确排除AI生成内容污染，因这些书籍早于AI热潮——但后来告诉《财富》杂志，该服务从未真正推出，也从未为AI公司购买或扫描过书籍^[3]。加拿大公司Zoom Books自称图书回收商，却独立地被荷兰、德国、澳大利亚和新西兰的二手书商标记为异常大量、时间奇怪、价格高昂的冷门及本地书籍订单来源。Zoom Books否认为AI用途对书籍进行数字化，并拒绝透露其客户^[6]。

相关报道将此结构描述为AI公司专门通过中间商采购书籍作为训练材料，从而避免直接向卖家暴露自身身份^[7]。链条中的每一方——AI实验室、元数据中介、回收商——都有一个以他人负责结尾的故事，而这正是‘Project Panama’保密备忘录所预见的动态：一个从一开始就设计成足迹无法追溯回单一公司门口的项目。

文化遗产倡导者认为，损失远不止文本本身。初版书、手写批注、所有权题词和原始装订承载着历史证据，这些是扫描无法捕捉的，因此当实体副本被粉碎时，这些证据便永远消失，无论文字是否以数字形式留存^[8]。此外，幸存的数字副本通常进入仅供AI训练使用的私有数据库，而非公共档案，因此一本被扫描的书可能同时被‘保存’却又实际上对扫描公司以外的任何人不可见^[9]。

但最强烈的网络反弹挑战的是前提本身：Reddit等平台上的大量评论者坚称，被销毁的大多数书籍是原本就将被粉碎回收的大批量平装重印本，而非博物馆级别的珍品——他们认为真正独特或有价值的初版书早已被图书馆或现有数字档案保存，不会经由大宗图书回收商流转。另有观点从相反方向反驳叙事，认为‘销毁’的说法低估了一个更平凡的经济驱动因素：这些书籍现有的数字扫描（如果存在的话）往往质量太低，无法用于训练，因此无论单本书籍多么‘稀有’，重新干净地扫描实体副本才是更实用的选择。这两种解读都无法完全化解紧张关系，因为AI实验室及其经纪商之外的任何人都无法核实究竟哪些书正被拆解。就连马斯克的公开回应也采取折中态度，而非彻底否定破坏性扫描：他指示自己的团队，遇到真正稀有的书籍时应采用更困难的非破坏性方式扫描，而非切断书脊^[10]——这隐含承认大宗采购中的大多数书籍可能不值得额外关照，同时坚持那些真正重要的书籍不应为扫描速度牺牲。