亚马逊销毁稀有书籍以扫描AI训练数据

一位在Biblio平台上架了约1000本书的书商，因单一买家购入整批书籍而起疑，遂同意将一枚Apple AirTag藏入其中一本书页中，以便404 Media的记者追踪这批书的去向^[1]。追踪器最终指向位于拉斯维加斯的亚马逊LAS8仓库群内一处设施，该设施内部代号为VGT3^[2]。一名在该设施工作的员工向记者表示，其唯一功能是扫描书籍，而非存储或转售：“我在拉斯维加斯的VGT3工作，我们只做一件事：扫描书籍”^[3]。据报道，工人会切断书脊以加快扫描进程，在数字化过程中逐一物理销毁每一册书^[1]。除了扫描全文，工人还会扫描书籍的ISBN条形码，而所得数据不会转化为可读PDF，而是专门用于训练亚马逊的AI模型^[4]。亚马逊向媒体确认，其通过“商业渠道购买书籍，以帮助开发和改进客户使用的产品与服务”，但拒绝确认或否认这些书籍是否专门用于AI训练^[5]。

对实体书的迫切需求源于一种稀缺性问题：随着公开互联网充斥AI生成文本，基于这些AI生成内容训练的模型面临“模型崩溃”风险，即连续几代模型的输出质量逐渐退化，这促使实验室转而寻求2022年之前的纯人类撰写文本^[2]。印刷书籍尤其受青睐，因为其中大量内容从未被数字化。正如404 Media联合创始人Emanuel Maiberg所言：“印刷书籍作为训练数据具有价值，正是因为其中包含的大量文本在互联网上并不容易获取”^[6]。这在业内并非新理论——据称，Anthropic早前名为“巴拿马计划”（Project Panama）的书籍扫描项目内部文件显示，一位联合创始人曾推测，基于书籍训练模型可教会AI“如何写得更好”^[6]。

扫描后销毁书籍这一具体行为，可追溯至2025年Bartz诉Anthropic案的裁决。该案中，法官William Alsup裁定，为构建可搜索数字图书馆而破坏性扫描合法购买的印刷书籍属于合理使用，因为生成的数字文件仅替代了公司已拥有的纸质副本，他称这种用途“具有转化性——极为显著”^[7]。关键在于，同一裁决认定Anthropic从影子图书馆获取盗版书籍的行为不受同等保护，这意味着破坏性扫描的合法性，完全取决于书籍是否为合法购买^[7]。尽管如此，这一区别仍付出了高昂代价：Anthropic同意支付高达15亿美元，以解决作者集体诉讼中关于盗版书籍采购的指控，该金额被描述为美国历史上最大的版权和解案^[8]。作者协会（Authors Guild）等作家维权组织正是针对AI公司使用书籍数据训练模型提出版权主张的团体之一，其推动的此次和解如今已成为塑造行业实践的先例^[9]。

该事件的病毒式传播叙事——“不可替代的稀有书籍被销毁用于AI”——立即引发网络争议。大量评论者指出，404 Media从未明确列出这批书籍的具体书目，并警告不要将“稀有”与“有价值”混为一谈：大量通过批量二手书渠道流通的书籍实为平庸的滞销库存，无论是否有AI需求，最终都可能被粉碎或回收。一位参与讨论的书商也呼应了这一观点，指出捐赠和二手书籍的供应量早已超过图书馆和书店的吸收能力，因此大部分最终都会被销毁。一小部分更激进的声音则直接斥之为“煽动性标题党”。然而，关于实际损失程度的争议并未解决根本的法律问题：争论双方均援引Bartz诉Anthropic案的裁决，指出正是该裁决机制使得销毁实体书——无论其价值高低——成为数字化行为构成合理使用的前提条件^[7]。