文 | 字母AI
液压切纸机的压板重重落下，刀片干脆利落地削去书脊。原本装订在一起的厚书，瞬间变成一沓散落的纸张。
若是没人解释，这画面或许能让人产生一种“极度舒适”的解压感。
但倘若你得知，这是AI公司为了获取训练数据，对包括冷门绝版书在内的纸质出版物进行的批量处理，那股舒适劲儿恐怕会瞬间消失。
为了扩充语料库，AI巨头们的触角已从公开互联网、盗版电子书，一路延伸到了现实世界的纸质书中。尤其是2022年之前出版的书籍，因未混入AI生成内容，也未被现代数据投毒工具污染，被视为难得的优质素材。
那些在网络中难以检索、缺乏电子版的冷门与绝版书，更能提供互联网抓取不到的独特信息，堪称“上上品”。
Anthropic被曝光的“巴拿马计划”，其核心诉求便是隐秘行事，极力避免外界知晓。
图书数据库服务商ISBNdb则公开宣称承接此类业务，能从旧书店、图书馆及绝版书目录中，单次采购1000至100万本纸质书，并依靠保密协议隐藏买家身份及具体书目。
AI行业对此心知肚明，这类操作确实“难登大雅之堂”。
追溯AI公司对纸质书的觊觎，最早源于Anthropic卷入的一场诉讼。
2024年8月，三位作家将Anthropic告上法庭，指控其在未经授权的情况下，利用他们的作品训练Claude模型。
说实话，自OpenAI推出ChatGPT以来，此类争议便从未停歇，类似的法律诉讼也已屡见不鲜。
核心分歧在于：AI公司抓取全人类互联网数据进行模型训练，是否构成侵权？作者的作品进入训练集，是否需经本人同意并支付版权费？
在这场官司初期，纸质书并非焦点。
为了让Claude更博学、文笔更佳，Anthropic首先扫荡了公开互联网。鉴于网页内容良莠不齐，经过作者创作、编辑筛选及出版社校对的书籍随即成为目标。
最直接的路径自然是获取电子书。
法庭文件显示，Anthropic曾从Books3、LibGen和PiLiMi等资源库下载逾700万本书籍。其中大量来源为盗版网站。公司并未在使用后删除，而是将这些文件存入长期保留的“中央图书馆”，供未来模型训练与研究复用。
随后，代号为“巴拿马计划”的项目正式启动。简言之，即Anthropic大规模购入纸质书，进行扫描并喂给AI。
彼时，法庭关注的焦点仍是Anthropic获取及使用这些内容的合法性。
2025年6月，法官威廉·阿尔萨普作出了一套对Anthropic极为有利的裁决。
他认为，大模型阅读书籍并非为了向用户复述或出售原书，而是从中学习语言、知识及表达方式，进而生成新内容。这种用途具有强烈的“转化性”，类似于人读书获知知识后进行再创作，因此属于合理使用范畴。
至于购买的纸质书，Anthropic已为每一本付费。每扫描一本，便销毁对应的实体书，仅在内部保留数字替代品，未制造额外副本流入市场。法官据此认定此举未侵犯版权。
然而，那700多万本从盗版资源库下载的电子书，则无法令人信服。
法官指出，模型训练可能属合理使用，但这不能反向证明盗版获取行为的合法性。如何使用书是一回事，书如何到手是另一回事。
在美国法律体系中，判例影响深远。这位法官的裁决为AI公司开辟了一条路径：只要通过合法途径获取作品，AI便可学习人类创作的内容。
因此，在去年的Anthropic诉讼中，尽管其购买并扫描纸质书的做法已曝光，但法庭及公众的关注点仍集中在“用人类知识训练AI的法律边界”这一老生常谈的话题上。
直到今年，两篇报道接连发布，人们才猛然意识到问题的严峻性。
绝版纸质书面临永久消失的风险？
今年1月，《华盛顿邮报》从刚刚解封的4000多页法庭材料中，挖掘出“巴拿马计划”的更多内幕。
Anthropic在约一年时间内花费数千万美元，购入数百万本纸质书。供应商切除书脊，将散页送入高速扫描仪，剩余纸张则交由回收公司处理。仅一份项目方案，便计划在半年内处理50万至200万本书。
规模已然惊人，Anthropic内部文件中的两句话更是致命：
“巴拿马计划，是我们对全球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。”
这两句话叠加，使得整件事显得极不妥当。
Anthropic一贯强调AI的安全、道德与责任，背地里却启动了一项旨在摧毁数百万本书的秘密工程。
切书尚可解释为追求效率的扫描手段，“不希望外界知道”则引人深思：Anthropic自身也清楚，此事一旦公开，必然难以自圆其说。
Anthropic究竟偷偷毁了多少书？
《华盛顿邮报》未能获取完整书目，外界也不清楚这些书中多少是常见畅销书，多少已停止再版。人们震惊于工业化切书的规模，却难以评估其造成的具体损失。
半年后，404 Media的一篇报道将担忧聚焦于绝版书。
报道主角为ISBNdb，一家自称拥有全球最大图书数据库的公司。其在官网公开向AI客户兜售纸质书采购服务，宣称单次可采购1000至100万本书，货源涵盖旧书店、图书馆及绝版书目录。
公司将保密作为卖点：每个项目均签署严格保密协议，客户身份、采购策略及目标书目一概不予披露。
更具讽刺意味的是，ISBNdb深知这门生意见不得光。其在宣传中直接提醒客户：“AI公司毁掉200万本书”，绝非一个能博得同情的新闻标题。
另一个值得关注的细节是，AI公司近期尤其青睐2022年以前出版的纸质书。
原因直白：生成式AI爆发后，网络上充斥着大量AI生成内容，甚至有人故意使用数据投毒工具干扰模型训练。相比之下，2022年以前出版的纸质书几乎确认为人类写作，经过编辑、校对和出版流程，且未被现代投毒工具处理。
AI公司亲手制造了越来越多的网络垃圾，最终又回头寻找未被AI污染的旧书。
这股需求已传导至二手书市场。一名专营稀有及低流通量图书的书商告诉404 Media，自今年4月起，他每周处理的订单从约20本猛增至数百本。被买走的书籍主题杂乱、语言各异，彼此间鲜有联系，唯一的共同点是都拥有ISBN编号。
该书商虽无法确认买家即为AI公司，但其库存中包含大量外文书、冷门书和绝版书。
他一方面借此清除了多年滞销的库存，另一方面却感到不适：“我不喜欢这些书最终的用途，也不愿看到那些罕见的书被打成纸浆。”正如前文所述，AI公司扫描纸质书的流程颇为粗暴，这让生意兴隆的二手书商也心生怜悯。
从互联网到盗版电子书，再到可批量购买的纸质书，AI公司拓展训练资源的触角不断延伸。如今，冷门书籍乃至绝版书亦难逃此劫。
绝版不等于孤本。目前尚无证据证明某本书在世界上的最后一册已被AI公司销毁。
外界看不到采购清单，不知哪些公司在购书，更不清楚书送进切割机前，是否有人核查过其存世数量。
但风险显而易见。
极其有限的退让
2025年的判例（至少在美国范围内）已赋予Anthropic一定的法律保护。
法官认为，Anthropic合法购买纸质书，将其扫描为数字文件，再销毁纸质原件，最终仅保留一份副本。数字文件未对外出售，也未增加市场流通量，相当于以一种格式替换另一种格式，故可构成合理使用。
依此逻辑，切书甚至成了证明合法的一环。若原书继续留存市场，Anthropic手中又多出一份数字版，便可能涉及未经授权的复制；而销毁纸质书仅保留数字文件，法律风险反而更低。
康奈尔科技学院数字与信息法教授James Grimmelmann认为，Anthropic放弃盗版书库，转而购买并扫描纸质书，是一个“聪明的选择”，体现了更为克制且符合法律的做法。
对于印量达数十万册的畅销书而言，销毁纸质书的问题尚不尖锐，少一册并不影响他人继续阅读或购买。
但对于冷门书、绝版书及带有特殊历史痕迹的版本，显然不能如此计算。
澳大利亚和新西兰古旧书商协会主席Dawn Albinger指出，古旧书的价值不止于印刷正文。书页上可能有亲历者留下的批注，签名、题赠及历任收藏者的信息可佐证其流传经历，重新装订的封皮里甚至可能藏有更早的手稿。
这些信息依附于具体的实物。即使书页文字已完成扫描，一旦原纸张、装帧及各部分关系被破坏，后人将无法重新查验。
换言之，AI公司获得了一份适合训练模型的数字文件，却可能摧毁了一件无法通过数字文件完整还原的实物。
争议扩大后，科技行业迅速出现退让。
马斯克在X平台表示，已要求SpaceX AI团队将稀有书籍保存于图书馆，并采用更繁琐的无损方式扫描，不再简单切除书脊。他未公布SpaceX AI的购书数量，也未界定何为“稀有”，此番回应更像是一种姿态性的站队。
ISBNdb的退让更为迅速。
404 Media报道发布9天后，ISBNdb删除了面向AI公司的纸质书采购页面，撤下了关于保密采购及破坏性扫描的宣传。公司随后改口称，相关页面仅为一次市场需求测试，服务从未真正上线，ISBNdb也从未为AI训练购买、扫描或出售过任何一本书。
此前还在宣传单次采购100万本书，遭遇舆论反弹后，整门生意突然变成了“一次测试”。
这番解释能否令人信服另当别论，但它至少表明，匿名协助AI公司大批量采购纸质书，已成为企业不愿承担的声誉风险。
不过，马斯克的一句承诺和ISBNdb删除几个网页，都无法替代真正的规则制定。
谁负责在扫描前判断一本书是否稀有？判断依据是出版年份、版本和存世数量，还是书中的签名、批注和装帧？AI公司是否应公开大规模采购的书目？若某书已绝版，是否只能采用无损扫描，并在扫描后交予图书馆保存？
目前，这些问题均无答案。
颇具讽刺意味的是，ISBNdb此前反复强调，2022年以前的纸质书之所以珍贵，正是因为它们保存了未受AI污染、经过作者写作和编辑筛选的人类知识。AI公司越承认这些内容不可替代，就越难解释为何承载它们的实体可被视为一次性耗材。
