这都21世纪了，居然还发生“焚书”！AI巨头们为了抢干净的训练数据，开始疯抢古董孤本书，扫描后直接搅碎！问题是，这里面可能有绝版古籍呀。

2026年7月，调查媒体404 Media的一篇报道揭开了这个秘密。多家AI公司正在通过中间商大规模收购2022年以前出版的实体书。这些书被送入工厂，用液压切割机切除书脊，单页送入高速工业扫描仪。内容被提取后，实体书被直接粉碎销毁。

其中，AI公司Anthropic的行动规模最大。它启动了内部代号“巴拿马计划”的项目，投入数百万美元购买大量实体书，用于训练其AI大模型Claude。据披露，仅Anthropic一家就销毁了约200万本实体书。

这些书籍的来源，包括Better World Books等二手书商。服务商ISBNdb被曝协助完成了最高达百万册的订单，并保持买家匿名。这意味着，很多人捐赠或卖掉的二手书，很可能已经变成了一堆纸浆。

为什么要“焚书”？答案很残酷，最根本的原因就是为了竞争！

2022年底ChatGPT爆火后，互联网上充斥着大量AI生成的内容。如果用这些“二手数据”训练新模型，会导致模型质量下降。因此，2022年以前出版的、未受AI“污染”的书籍，成了大模型训练最稀缺、最宝贵的高质量语料。越是年代久远、越冷门稀缺的书，价值越高。

如果AI公司只是扫描，然后把书完好无损地还回去或卖掉，这些实体书可能再次流入市场，成为其他AI公司的训练数据。销毁实体书，等于物理上切断了数据“二次流通”的可能，防止竞争对手获得同样的“干净”数据。

更让人没想到的是，AI公司这么做，居然是美国法院“促成”的。

2025年，北加州联邦地方法院法官William Alsup在一份判例中裁定：合法购买的纸质书，如果一对一转为数字馆藏、销毁纸本、且不对外散布，这道格式转换可算“合理使用”。2026年，在针对Anthropic的版权诉讼中，法院再次认定，将正版图书用于AI训练属于版权法下的“合理使用”。

但法院同时认定，Anthropic曾长期保存一个包含700万本盗版图书的数据库，侵犯了作者和出版商版权。为此，Anthropic被判赔偿高达15亿美元。这个逻辑好理解：合法购买并销毁来训练AI，可以免责；非法爬取并永久囤积，必须重罚。

但问题是，为了获取高质量数据，牺牲实体书的物理存在，代价是不是太大了？

AI公司用“焚书”来获取“干净”数据，目的是发展AI，这无可厚非。扫描后粉碎书籍，既解决了版权问题，也变相将知识保存下来。在如今实体书供应充足的情况下，这种做法对存量书籍的影响，至少目前还在可控范围内。

但问题在于，这种“破坏性扫描”如果只是针对普通流通书籍尚可承受；一旦涉及存世量极少的绝版古籍、孤本，就触及了文化保护的底线。希望AI公司充分考虑这一点，别让技术进步，成为文明传承的代价。

不得不说，历史总是充满讽刺。古时候，焚书是为了消灭思想；现在，焚书是为了把思想存进AI的数据库。只是不知道，这一回，是好还是坏。