为何AI公司正将数百万本书籍化为纸屑

消失的书

一群作者、档案管理员、图书馆员和独立书商联合提出了迄今为止针对人工智能行业最具体的指控。他们的投诉不是关于对齐问题或合成声音的抽象讨论——而是以纸张、粘合剂和油墨的形式呈现，那些曾经存在、如今却已不复存在的东西。

今年公开并解封的法院 filing 披露了 Anthropic 内部称为"巴拿马项目"（Project Panama）的计划细节。该行动涉及通过二级市场渠道购买数百万册实体书，委托专业公司拆除其装订，以机器速度扫描每一页，然后丢弃原件。此后，多家其他人工智能实验室的操作模式也得到了证实。这些书从未被数字化并保存下来以备后人查阅。它们被当作原材料消耗掉了。

一本书的轨迹

404 Media——一家专注报道人工智能开发背后基础设施的技术新闻机构——的调查报道使整个行动的规模更加清晰。记者匿名要求加利福尼亚州一位古籍书商提供近一千册书籍。在其中一册书里，他们藏入了一个 Apple AirTag。

该设备追踪包裹从加利福尼亚州出发，经密尔沃基的中转设施，再到科罗拉多泉市，最终抵达代号 VGT3 的亚马逊仓库。建筑外墙印有霸王龙扑向一本打开的书的图案——这一图像或许无意之间捕捉到了这场争议的核心动态。记者采访的工人用直白的语言描述了这份工作：整天扫描书，仅此而已。没有编目，没有品相报告，没有保存协议，也没有档案意图。工作流只有吞入。

从来不只是畅销书

2022 年之前记录的实体书采购激增的初步报告集中在商业书籍上——流行小说、非虚构类畅销书以及广泛发行的再版 editions。仅这一趋势就足以让图书行业感到担忧。经销商指出，出现异常购买模式，与任何季节性或文化周期都不相符。

但 404 Media 的调查整合了 AirTag 样本的物理追踪数据，证明采购范围远远超出主流库存。购买的书籍包括罕见版本、绝版学术著作、印量极少的地方志，以及除原始实体副本外无任何现存版本的书册。当这类书籍被裁切、装订、扫描和碎纸处理后，损失是永久且不可挽回的。扫描设施不是典藏机构。如果纸张被销毁，并不存在物理世界的镜像副本可供替代。

扫描为何意味着破坏而非保存

数字化与毁灭之间的区别之所以重要，是因为大规模扫描的标准辩护建立在一个假设之上：实体文物因此得以保存，只是转移到了另一种介质。但当工作流是为吞吐量而非保管而设计时，这一假设便不成立。

裁切书脊让书页能够通过高速行星式扫描仪输送，速度远比逐本装订送入快得多。对于处理数百万册书籍的机构而言，这种速度差异并非微不足道——它是运营成本和财务崩溃之间的区别。经济逻辑一目了然。代价是：这本书不再作为一本书发挥作用。它变成了废弃物。

讽刺意味深重：如今正利用几个世纪的文化成果训练模型的那些公司和科技企业，正在积极拆解这些模型所依赖的主要资料来源。对训练数据的渴求如此彻底，以至于保存源材料被视为不必要的开销——一项可以无后果地剔除的支出。

扫描之物归谁所有

法律格局依然未定。美国和其他许多司法管辖区的版权法尚未最终裁定：为训练语言模型而大规模扫描合法购买的书籍是否构成合理使用。Anthropic 和几家其他公司目前正在应对作者提起的诉讼，这些作者认为这种做法构成了对其独占权利的系统性侵犯。这些案件仍在法院审理中。

无论法律结果如何，一个既成事实已经明确：那就是物质后果。即使法院最终裁定扫描活动合法，原件的毁灭也意味着无法回到源头。一页数字化文本并不等同于拥有来源证明、页边注释、历史装订细节、水印或纸张成分数据的实体书。每一个上下文层面都在裁切中被抹除。

对图书贸易的次级影响

这一需求带来的连锁效应已经开始扭曲二级市场。在经销商报告有关 AI 关联采购活动的地区，老版本、断版库存和相对稀有的书册价格大幅上涨。预算有限的图书馆、小型学术机构和个体收藏家被排除在他们曾经能够触及的藏书之外。

经销商面临新的伦理不确定性：他们无法再向买家保证某本书册会重新进入流通。一笔购买可能消失在扫描流水线中。这种不透明本身就在损害一个始终依赖来源诚信和买卖双方信任的行业。

一些经销商已经开始不问原因就拒绝某些经纪商或中间人的销售——这种做法在几年前 would have been unusual and potentially rude。另一些经销商则开始直接向买家询问其 intended use，这种对话在 2022 年之前并不存在。

下一步会发生什么

迄今为止调查的直接结果是公众愤怒和新闻曝光，而非政策改革。没有任何联邦要求迫使 AI 公司保存他们为模型训练而购买的实体副本。没有公开注册记录哪些书册进入流水线、哪些被销毁。不存在任何透明度强制规定。

对档案管理员和图书馆员而言，这一问题日益被界定为供应链危机。如今构建的模型依赖一条未被补充的物理输入流。如果当前的采购率持续下去，2022 年之前的纸质出版物库将稳步缩减，同时机构对这些文本的依赖却在加剧。

组织批评的作者和倡导者并非要求停止技术发展。他们要求成本变得可见——要求从购买到毁灭的链条可追溯，要求被消耗的实体物什遵守适用于进入数字数据库的任何文化材料的同一保存标准，并要求公众和学术界保留对被取走之物的访问权。

眼下，这些保障措施尚不存在。书籍仍在消失。而没有人被要求交代它们的去向。