AI公司被曝疯狂收购大量旧书！扫描完成直接销毁，其目的让人深思

旧书市场最近出现了一批“奇怪买家”：几千册、上万册地收书，不太挑品相，也很少砍价，连冷门教材、地方志和早已绝版的专业书都照单全收。卖家原以为是图书馆补库存，或者有书商准备囤货，后来才发现，真正出钱的竟是海外人工智能企业。

更让人不解的是，这些书并不会重新流入市场。它们被统一运到加工场，机器切开书脊，拆散书页，再送进高速扫描设备。文字转成电子数据后，原书直接粉碎，连一次二次流通的机会都没有。

这听起来像电影情节，但海外媒体报道和法院公开卷宗都显示，这套“买书、扫书、毁书”的流程确实存在。AI公司为什么不直接抓取网上内容，反而花大价钱收购纸质旧书？答案，和人工智能行业眼下最头疼的数据问题有关。

生成式AI在2022年后迅速普及，网上的文章、问答、商品介绍和科普内容越来越多，其中相当一部分由AI生成，甚至是AI反复改写出来的。表面上看，网络信息变得极其丰富；实际情况却是，大量内容同质化严重，事实错误、逻辑混乱、语言空洞的问题随处可见。

如果模型继续把这些“机器写给机器看”的内容当作训练材料，结果可能不是越来越聪明，而是越来越像一台只会重复套话的机器。业内把这种风险称为“模型崩溃”：模型吸收过多低质、重复甚至错误的数据后，输出质量逐步下降，推理能力也可能受到影响。

于是，AI企业开始寻找相对“干净”的人类原创内容。2022年以前出版的纸质书，经过作者写作、编辑加工和校对审核，通常比网络碎片化内容更完整，也更少受到生成式AI的污染。对急于扩大训练数据规模的科技公司来说，这些旧书就成了现成的高质量素材库。

被披露得比较多的案例，是开发Claude大模型的Anthropic公司。根据解封的版权诉讼文件，该公司曾推动一个代号为“巴拿马计划”的项目，投入数千万美元，从全球二手书市场采购数百万册纸质图书。

书送到工厂后，处理方式相当直接：切开、扫描、识别、存储，最后销毁。书页上的文字被提取成训练数据，纸张则变成废料。原本承载知识的书，在这条流水线上被拆成一堆可供算法调用的字符。

为什么连原书也要销毁？这里牵涉美国版权诉讼中的“合理使用”争议。相关判决曾关注这样一种情形：企业合法买下纸质书，只在内部使用，扫描后销毁原件，是否能够构成合理使用；如果扫描后还继续保留原书，或者把电子版本对外传播，侵权风险就会明显上升。

对AI公司来说，销毁原件不只是节省仓储成本，也可能被当成规避版权风险的一道防线。它们试图证明，自己只是购买实体书用于内部训练，并没有继续发行电子书。问题在于，这种做法究竟是在保护创作权益，还是利用法律边界为商业扩张开方便之门，仍然充满争议。

更麻烦的是，这已经不再是几家公司临时起意的行为。市场上出现了专门撮合AI企业和二手书商的中间服务商，有机构宣称可以一次承接最高百万册的采购订单，并对买家身份严格保密，还会优先寻找几十年前出版的文史资料、专业教材和绝版著作。

二手书商看到订单暴涨，却未必知道书最终去了哪里。一些存世量本来就很少的冷门书，可能在短时间内被整批买走。对卖家来说，这是一笔生意；对文化保存来说，却可能意味着某类实体文献从市场上永久消失。

因此，很多读者把它称为“数字时代的新式焚书”。这个说法虽然刺耳，却戳中了争议核心：书的价值不只在于里面的文字。

一本旧地方志的纸张、版式、印章和装订方式，可能记录着一个时代的出版状况；书页上的批注、折痕和藏书章，也可能保存着读者与历史的交集。扫描文字可以复制内容，却很难完整还原一本书的物质信息。原版一旦被毁，消失的就不只是纸张，还有它所携带的时代痕迹。

另一个隐患，是知识被少数公司封闭占有。书籍经过扫描后形成的海量数据，通常存放在企业自己的服务器里，服务于自家模型和商业产品。普通人既看不到完整内容，也无法自由利用。人类积累几十年、上百年的知识，经过数字化处理后，可能从公共文化资源变成科技公司的私有资产。

这和图书馆、博物馆保存古籍的数字化，不能混为一谈。公共机构扫描旧书，是为了防止损毁、方便研究和扩大公众 access；AI企业扫描旧书，主要目的是训练商业模型，原件还可能被直接销毁。

目前，这种大规模采购并破坏性扫描旧书的模式，主要出现在海外AI行业。国内如果要使用图书内容训练模型，仍然要面对著作权人、出版社授权以及相关法律责任，海外这种流程很难照搬。但这件事带来的提醒并不只属于国外。

技术可以让知识传播得更快，却不能把文化保存变成一次性消耗。AI要训练得更强，不能靠把人类留下的书先变成数据、再变成垃圾；真正先进的技术，应该让知识更开放，也让原本的记忆继续存在

信息来源：2026-07-29 13:24·竹下抚茶人-AI公司被曝疯狂收购大量旧书！扫描完成直接销毁，其目的让人深思