偷書要賠15億美元，AI巨頭燒幾百萬本書反而合法了

藍字計劃2026.08.24 18:01 · 來自廣東全文4120字00:00 / 11:49只要能訓練出更好的大模型，究竟要銷燬多少本實體書，甚至在實體書之外還會消耗多少前AI時代的“資產”，也許就再也沒人關心了。文 | 藍字計劃，作者｜Chester一場現代版的“焚書”，正在美國發生。最近幾年，美國二手書市場出現了一個奇怪現象：不少神秘買家，一次性採購成百上千本書，不挑書、不問價，甚至連冷門舊書都照買不誤。隨著電子閱讀的普及，現在還有多少人看實體書？更別說這種成百上千的掃貨始買書。書商們自然也開始好奇：究竟是誰在買走這批書？最近，美國科技媒體404 Media聯繫到一名二手書商。

對方剛剛通過書籍交易平臺Biblio，接到了一筆大約1000本舊書的訂單，其中還包括不少稀有、絕版和具有收藏價值的書。為了找出背後的買家，404 Media把一枚AirTag塞進其中一本書裡，然後一路追蹤。最終，這本書被送進了亞馬遜位於拉斯維加斯的一家倉庫。據404 Media調查，這些書到了亞馬遜倉庫後，命運卻只有三步：切掉書脊、批量掃描、然後扔進碎紙機。負責這項工作的VGT3團隊，甚至還給自己設計了一個頗為應景的Logo：一隻露著牙齒、手裡抓著書的霸王龍。自己也賣書的亞馬遜卻幹起了銷燬實體書的活已經夠驚奇了，但更驚奇的是同樣這樣乾的，不只有亞馬遜。

在更早之前，Anthropic就被曝光過一個代號為“巴拿馬計劃”的秘密項目。他們的目標，是把全世界的書都“破壞性掃描”一遍。在大約一年時間裡，Anthropic為此花費數千萬美元，買下數百萬本實體書，然後切掉書脊、掃描內容，再把剩下的紙張送去回收。美國的AI大公司，怎麼就和舊書幹上了？互聯網內容，不夠AI用了AI公司瘋狂買二手書，其實是想買下書裡的內容和數據。過去，互聯網是大模型最方便的數據來源。新聞、論壇、百科、博客，抓下來就能拿去訓練，成本低，數量還大。但經過這麼多年的反覆抓取，網上那些容易找到、質量較高的內容，早就被各家AI公司吃得差不多了。

更麻煩的是，互聯網裡開始混入越來越多由AI生成的文章。2024年，《Nature》發表的一項研究就發現，如果下一代模型不斷使用上一代模型生成的內容進行訓練，可能出現所謂的“模型坍縮”：模型會逐漸丟失原始數據中的信息，尤其是那些不常見、但真實存在的內容。最後，它生成的東西越來越單一，甚至開始胡言亂語。因此，真正由人類生產的數據，也開始變得越來越珍貴。而那些出版於幾十年前的舊書，不僅完全不存在使用AI生成的內容，其中還有大量冷門專業書和小眾著作，至今沒有被完整數字化。

此外，相比互聯網上隨手抓來的帖子和營銷文章，正式出版的書籍至少經過了一套完整的寫作與編輯流程，經過了作者、編輯、出版社等多層審核，內容質量有保證多了。後來公開的Anthropic內部文件就顯示，早在2023年，公司內部就有人提出，書籍可以教AI“怎樣把文章寫好”，免得模型只會模仿那些低質量的網絡表達。於是，過去在二手書市場裡無人問津的冷門舊書，突然成了AI公司眼中的優質數據。對模型來說，只要裡面的文字還沒有被收進訓練數據庫，就值得買回來掃描。但如果事情就停在這裡，還能算上一個“AI需要人類知識結晶”的好故事；但問題就在於，這些被AI公司買回去，掃了之後又被銷燬的書，可不全是爛大街的通販貨。

404 Media追蹤的那批舊書裡，還包括一些稀有、絕版和具有收藏價值的書。然而在掃描設備面前，一本普通舊書和一本稀有藏書，最後可能都是等待被拆開的幾百頁紙，最終等待著他們的，無一例外是被銷燬、粉碎、融掉的命運。那些珍貴的藏書一旦被銷燬，就有可能世間再無此書了。這就構成了不少人對亞馬遜、Anthropic憤慨的理由。書買了就買了，為什麼非得切掉書脊，甚至掃描完就直接銷燬？非拆書不可？Anthropic最早盯上書籍時，走的其實是另一條更省事的路：盜版。2021年，Anthropic聯合創始人Ben Mann曾連續11天，從盜版書庫LibGen下載大量書籍。

一年後，另一個名叫Pirate Library Mirror的盜版書庫上線，甚至公開承認自己“故意違反大多數國家的版權法”。Ben Mann看到後，立刻把鏈接發給了同事，還興奮地附上一句：“來得正是時候！！！”不用聯繫作者，也不用和出版社談授權，點幾下鼠標，就能把幾百萬本電子書搬回公司。不過，這條捷徑後來讓Anthropic付出了不小的代價。2024年，包括作家Andrea Bartz在內的幾名作者，把Anthropic告上了法庭，指控該公司未經授權，下載並使用了他們的作品。這場官司最後甚至催生了一個影響整個AI行業的判決。

2025年6月，美國聯邦法官William Alsup認定，使用書籍訓練大模型，屬於具有高度轉化性的合理使用。簡單來說，在法官看來，AI學習這些書，和學生通過閱讀學習寫作差不多，都是法律允許的學習行為。但書是怎麼來到Anthropic手裡的這件事，就得另說了。法院認為，Anthropic從盜版網站下載數百萬本書，再把它們長期保存在自己的中央數字圖書館裡，這種行為已經涉嫌違反了相關法律。實際上，Anthropic後來確實為此達成了15億美元的和解，涉及接近50萬部作品，平均每部作品大約3000美元。

但很快，Anthropic就發現上帝給你關了一扇門的時候，又留了一扇窗，就是前面提到的花錢買來實體書，再掃描成電子文件的“巴拿馬計劃”，卻得到了法院認可。因為在法官看來，Anthropic合法買下了一本紙質書，掃描之後又把原件銷燬，相當於用一份數字文件替代了一本實體書。“一本變一本”，沒有額外增加副本數量。這也讓整件事出現了一個頗為荒唐的結果：從盜版網站下載電子書，可能要付出15億美元；花錢買下實體書，再把它切碎掃描，反而成了更加合規的辦法。當然，法律並沒有規定AI公司買書之後必須銷燬。只是把書拆掉，對這些AI公司來說是最符合經濟效益的做法罷了。首先是掃描的便利程度。

書脊還在的時候，想要把書放到掃描設備裡還得把書翻開，也不算翻頁；書脊切掉以後，幾百頁紙就可以像普通文件一樣，連續送入高速掃描設備。對於一次處理幾千本、幾萬本，甚至數百萬本書的項目來說，這個差別非常大。其次是成本。掃描完成之後，原來的紙書既佔倉庫空間，又需要運輸、整理和保存。繼續留下它們，還得專門花錢把它們運走，再花錢租個倉庫放著它們。但是像Anthropic的“巴拿馬計劃”，要在六個月內處理50萬至200萬本書，這樣幹要額外付出的成本可太高了。既然都用液壓切割機切掉了書脊，切了之後的書也不太可能還原成書了，還不如把剩下的紙直接銷燬更省事。

｜用於“巴拿馬計劃”的倉庫對AI公司來說，這樣做合法、快速，還能省錢。也就是說，對於“買舊書來訓練AI”這件事，事實上就是效率和法律都站在碎紙機一邊。只是，誰來替那些稀有藏書踩下剎車？馬斯克也看不下去了“巴拿馬計劃”在X上引發爭議後，一直看不慣Anthropic的馬斯克，率先貼臉開大了。美國時間7月27日，馬斯克表示，他已經要求xAI團隊，如果在收購的書裡發現稀有書籍，就應該把原件保存在圖書館裡。掃描的時候寧可採用更困難的方式，也不要直接切掉書脊。也就是說，普通書可以追求效率，但遇到稀有書，還是得給它留下一條活路。從技術上看，這並不是做不到。

Google Books過去就長期使用非破壞性的方式掃描圖書。把書固定在專門的設備上，不需要切掉書脊，也能一頁一頁完成拍攝和數字化。只是正如前面所說，在幾十萬本、幾百萬本書的規模下，這種方式肯定更低效，也更費錢。但就算AI公司真的聽了馬斯克的話，一本稀有藏書都沒有拆，事情也沒有完全解決。因為這些書被數字化之後，最終並沒有進入一座所有人都能訪問的公共圖書館。一本舊書擺在書店裡，至少還有機會被普通讀者買走，也可能被大學、圖書館或者收藏機構收入館藏。可當它被AI公司買走、掃描，裡面的文字就會進入企業內部的數據庫，最後變成商業模型的一部分。書裡的內容或許沒有消失，公眾接觸它的渠道卻可能變少了。

尤其是那些沒有電子版、沒有進入公共數字檔案的絕版書。數字化原本應該讓知識更容易保存和傳播。到了AI公司這裡，卻可能讓一份原本公開流通的知識，變成封閉的訓練資產。而前面的法院判決，又讓這件事變得更加微妙。按照“一本變一本”的判斷，Anthropic銷燬紙質書並變成電子書，在美國的法律裡是合法的；如果留下了原件，那就等於同時保留了原件和電子書兩本書，反而是不合法的了。那就意味著，企業留下原書，要承擔更多成本和法律風險；直接把書送進碎紙機，反而更合法。這就相當於法律沒有要求AI公司焚書，卻在無意中給“焚書”提供了獎勵。這恐怕才是整件事最細思極恐的地方。

如今，世界各國對AI訓練應該怎樣使用版權內容，至今沒有統一答案。美國法院這次卻先給出了一次示範：合法買下紙質書，銷燬原件，再把電子版留在公司內部，就有機會被認定為合理使用。至少從結果來看，亞馬遜的“焚書”，就很像一次有樣學樣。如果未來這種做法被更多AI公司採用，“銷燬原件”就會從一種節省成本的辦法，逐漸變成規避版權風險的標準操作。甚至連現在義正辭嚴批評Anthropic的馬斯克，也很難說會不會在未來的某一天發現：既有效率，又有法院背書的“銷燬舊書”，或許才是訓練AI的“正道”。

只要能訓練出更好的大模型，究竟要銷燬多少本實體書，甚至在實體書之外還會消耗多少前AI時代的“資產”，也許就再也沒人關心了。