从“知识矿藏”到“数据燃料”：揭秘AI巨头背后的毁书产业链
消失在扫描仪下的文化遗产：隐秘的“毁书”产业链
在人工智能技术飞速发展的今天，一个令人震惊的现象正在某些实验室和仓库中上演：数百万本实体书正被成批切开书脊、高速扫描，随后被统一销毁。 这并非某种极端的艺术行为，而是美国部分领先AI公司为了获取“高质量训练数据”而采取的日常工业化操作。随着这一隐秘产业链逐渐浮出水面，关于技术进步是否在牺牲人类文明的实体遗产，一场关于文化保护与技术扩张的激烈辩论正式拉开序幕。
从Anthropic代号为“Project Panama”的毁书扫描计划，到图书数据库公司ISBNdb公开兜售“保证不含AI内容”的旧书，再到一批稀有书籍被追踪至亚马逊拉斯维加斯的特定仓库，这些碎片化的信息拼凑出了一个巨大的逻辑闭环。驱动这一切的，是AI行业对“干净数据”近乎饥渴的需求。当互联网被机器生成的内容（AIGC）大规模污染，旧书成了最可靠的“人类知识矿藏”。然而，当买书、扫描、销毁这一系列行为被法院判定为“合理使用”时，这场数据争夺战便在合规的外衣下，将文化遗产保护推到了危险的边缘。
核心驱动力：模型崩溃的阴影与“数据投毒”
AI公司为何如此执着于这些“旧物”？其核心原因在于人工智能领域目前面临的两大技术挑战：模型崩溃（Model Collapse）与数据污染（Data Poisoning）。
- 模型崩溃的威胁：根据《自然》杂志的研究，如果AI模型反复在上一代模型生成的数据上进行训练，模型就会产生“退化”。最初，那些不常见、属于少数派的内容会率先消失；随着迭代深入，模型输出的内容会变得极其单一，最终陷入一种单调、重复且缺乏创造力的模式。为了缓解这一现象，保留高比例的真实人类原创数据至关重要。
- 互联网的“数据投毒”：当前的互联网环境正经历前所未有的“内容污染”。研究显示，目前互联网上新增的英文网页中，AI生成内容的占比已显著提升。当AI生成的文章数量甚至超过人类撰写时，互联网就像一个被循环播放的“回声室”。
在这种背景下，2022年ChatGPT发布之前出版的图书成为了完美的“避风港”。它们天然不含AI生成的文本，代表了经过人类深度思考、策展、同行评审和特定领域积累的知识。正如ISBNdb所宣称的：“世界上最好的AI训练数据就在书架上。”对于AI公司而言，书籍不仅仅是文字的载体，更是高纯度的知识浓缩液，能够教会模型“如何写好”，而非仅仅模仿网络上的低质量腔调。
工业化操作：从“Project Panama”到“霸王龙”仓库
这一数据掠夺的手段极其高效且具有高度的隐秘性。通过解封的法庭文件可以清晰看到Anthropic的“Project Panama”行动：
- 规模化采购：公司斥资数千万美元，从Better World Books和World of Books等大型二手书商处大量购入数百万本图书。
- 破坏性扫描：内部文件甚至明确提到，这是对全球图书进行“破坏性扫描”的努力，旨在最短时间内处理50万至200万本图书。
- 隐秘操作：文件甚至提醒相关人员，不希望外界知晓这些操作的具体细节。
与此同时，这一产业链正走向公开化。在欧洲，一些匿名大额订单引发了“反乌托邦式”的搜寻警报。通过AirTag追踪，调查人员发现这些书籍最终流向了亚马逊拉斯维加斯的VGT3仓库。该仓库的标志是一只抓着书的霸王龙，其核心工作正是切书脊、高速扫描并销毁实体书。虽然亚马逊官方称其行为是为了“改进产品与服务”，但其背后的数据流向显然指向了AI模型的迭代。
法律的“通行证”与文化的“不可逆”流失
目前，这一行为在法律层面正处于一个微妙的灰色地带。在美国现行版权法框架下，AI公司的操作逻辑逻辑几乎无懈可击：
- 合法取得权：买下实体书意味着合法获得了所有权。
- 一对一替换原则：扫描并销毁原书被视为一种“实物到数字”的转化，不产生额外的盗版副本，因此在许多判例中被视为“合理使用”。
然而，法律上的合规并不等同于伦理上的正义。这场争议的核心在于“不可逆性”。对于文献学和文化保护来说，毁掉实体书意味着人类公共知识财富的永久流失。如果某些流传极少的珍本或冷门书籍在匿名的大宗采购中悄然消失，这种损失是任何数字化的“备份”都无法完全弥补的。
目前，美国法律倾向于为AI公司的“合法购得即销毁”行为颁发通行证。这虽然为技术狂奔提供了动力，但也为未来的文化遗产保护埋下了深重的隐患。相比之下，制度先行的价值在此时愈发清晰。我国早在2023年便施行《生成式人工智能服务管理暂行办法》，明确要求训练数据来源合法、不得侵害知识产权，并强调数据的真实性与多样性。这种在产业狂奔前设立规则的逻辑，正是为了在技术高度繁荣与人类文明保护之间，寻找一条可持续发展的平衡之路。