数百万本书被“阅后即焚”：AI训练数据争夺战烧向纸质书

事件概述

生成式AI爆发后，公开互联网上的语料开始混入大量AI生成内容和数据投毒，2022年以前出版的纸质书因内容相对“干净”而成为训练数据的新目标。尤其是一些没有电子版、已停止再版的冷门书和绝版书，被认为能提供互联网抓取不到的内容，价值更高。Anthropic等AI公司因此大规模采购纸质书，完成扫描后销毁实体。

核心事实

• Anthropic 内部代号“巴拿马计划”的工程被曝光：据《华盛顿邮报》从解封法庭材料和404 Media的后续报道，Anthropic 在一年左右花费数千万美元，购入数百万本纸质书；仅一份项目方案就计划在半年内处理50万至200万本。供应商切掉书脊，将书页送入高速扫描仪，剩余纸张交给回收公司。内部文件写道：“巴拿马计划，是我们对全世界所有书籍进行破坏性扫描的行动”“我们不希望外界知道我们正在做这件事”。

• 此前在针对 Anthropic 的版权诉讼中，法庭材料显示它曾从 Books3、LibGen、PiLiMi 等资源库下载超过700万本电子书，其中相当一部分来自盗版，并被存入一个长期保留的“中央图书馆”备用。

• 图书数据库公司 ISBNdb 曾公开推广“代购”纸质书服务：单次采购量可达1000至100万本，覆盖旧书店、图书馆和绝版书目录，并通过保密协议隐藏买家身份和采购书目。404 Media 报道发布9天后，ISBNdb 删除了相关推广页面，改口称这只是一次市场需求测试，服务从未真正上线。

法律背景

2025年6月，美国法官威廉·阿尔萨普在 Anthropic 版权案中作出判断：AI 合法购买纸质书、扫描后销毁原件，仅保留内部数字文件用于训练，可构成合理使用；但从盗版资源库获取电子书并不因“用于训练”而合法。这一判例给“买书、扫描、毁书”的做法提供了法律保护，也让破坏性扫描成为降低风险的手段之一。

文化风险与争议

破坏性扫描会带来不可逆的文化损失。澳大利亚和新西兰古旧书商协会主席 Dawn Albinger 指出，古旧书的价值不仅在于正文，书页上的批注、签名、题赠、历任收藏者信息、装帧乃至夹带的手稿都依附于实物，扫描成数字文件后无法完整还原。AI 公司得到了一份适合训练的数字副本，却可能毁掉一件实物层面的文化遗存。二手书市场也已感受到这股需求：一名专营稀有图书的书商称，从今年4月开始，每周订单从约20本增至数百本，买走的书主题杂乱、语言不同，唯一共同点是都有 ISBN 编号。

极其有限的退让

舆论发酵后，马斯克在 X 上表示，已要求 SpaceXAI 团队将稀有书籍保存在图书馆，并采用无损方式扫描，不能简单切掉书脊；但他没有公布采购规模，也没有定义“稀有”。ISBNdb 则以删除页面和“从未真正上线”回应。目前，谁负责在扫描前判断一本书是否稀有、依据是什么、AI公司是否应公开采购书目、绝版书是否必须无损扫描并移交图书馆保存，这些问题都还没有明确答案。