旧书又开始值钱了

本文来自微信公众号： 碳基智 ，作者：碳基智

两年前我参加了机械工业出版社的年度作译者大会，了解到了出版行业所面临的挑战与困境，总体上看，整个行业是很明显走在下行路线上的。机工社是国内在计算机科学等方面做得很突出的出版社，很多高校在使用的计算机教材也是机工社出的，但这样的头部出版社的日子都不好过。

我还有一个朋友，毕业以后就去了北京的某出版集团，这两年年终奖也是从晚发到不发，集团也开始了改制，员工都要去二级单位下放挂职，美其名曰锻炼，不愿意接受的，年纪大的可以提前退休，没到年纪的可以协商离职拿大礼包。

出版行业的境遇已经大不如前，AI时代下出一本书的周期尚且还要3个月左右的流程，而从openclaw刚开始火到无人问津的时间，满打满算都到不了3个月。人类学习的主流方式，已经从阅读书籍转向AI交互了。一句简单的“豆包豆包”，比买一本书，翻到具体的章节，再去自己思考咀嚼文字，沉淀为自己的知识，省心太多。

但最近，事情有了新的变化。

1

在生成式AI大行其道之前，互联网上的信息爆炸已经持续发生了很多年，人类生产者各种各样的文本数据，文章也好、商品说明也好、论坛撕逼盖楼也好、包括所谓的内容农场生成的各种垃圾信息，归根结底的默认前提还是——由人或团队组成。

但当生成式AI开始流行之后，这个前提失效了。互联网史上积累的海量文本数据，迅速地被模型训练这个无底洞给吃空了，以至于现在甚至是AI生成语料数据以供AI训练，一整个左脚踩右脚，武当梯云纵了。模型数据团队面对的问题从“哪里还有更多文字”变成了，“这些字究竟从哪里来”。

这时，纸质旧书说，Now you see me。

2022年后，各大内容平台的AI过拟合现象已经开始达到令人发指的状态：无论是各类文章文案中的不是而是句式，还是各大短视频平台的AI短剧中，男男女女老老少少，同样的皱眉瞪眼表情神态，都说明了同样的一个问题，当模型训练数据开始趋同时，AI的外显表现将会产生令人不适的特征，说人话就是没有活人感。

前一阵看到雨果奖得主郝景芳说自己最新小说一半由AI完成，这令我非常反感。但凡你在写作方面深度使用过AI，你就能知道AI写不出一个稍微有点文字审美追求人所能接受的东西。

2022年前出版的旧书，不能保证内容正确，也不能保证写得好，却能在很大程度上排除现代生成式AI参与到正文生产流程。对训练团队来说，这种排除能力就是确定性。

当互联网上的训练语料已经被穷尽时，那些没有被传到网上的，冷门的、无人问津的旧书，反而开始值钱了。

2

旧书的优势常被缩成一句“没有AI污染”，这只说完了一半。互联网上没有被AI“改造”过的旧网页也很多，其中照样充满转载、营销软文、断章取义、标题党和没人校对的废话。

纸质出版物真正有用的地方，在于它通常经过一条专业的生产链的检验：作者完成长篇表达，编辑判断是否值得出版，校对处理错误，章节结构维持上下文，出版社承担品牌和法律责任。

从机器学习的视角看，这套流程很像人类提前完成的筛选、标注和格式化。一本三百页的书围绕同一主题展开，术语和叙述口径相对稳定，论证能跨越数万字保持上下文。

普通网页往往只有几百字，链接失效、广告插入、页面模板和SEO内容又制造大量噪音。书籍当然并不天然正确，出版业也出过无数烂书，但从平均来看，它依然提供了比随机网页更密集、更连续的语言信号，而这，对大语言模型就是足够珍贵的价值。

3

传统旧书市场里，冷门通常意味着卖不动，但模型训练改变了这个关系。

畅销名著已经被多次数字化、引用、节选和讨论，它们很可能重复出现在公开语料中；一本地方铁路志、九十年代软件手册、少数语种植物图谱或绝版行业年鉴，读者很少，反而可能提供模型从未见过的术语、事实和表达。

Nature 2024年关于模型坍塌的研究解释了这个现象。模型递归学习模型生成的数据时，最早丢失的是原始分布的尾部，也就是低概率事件和少见表达。高频内容会越来越高频，冷门知识更容易被抹掉。研究还发现，保留一部分原始训练数据能明显减轻退化。对下一代模型来说，旧书的价值不只在干净纯粹，还在于保存那些统计意义上不常见的东西。

西班牙书商Marçal Font发现，有买家愿意为四本长期积压的加泰罗尼亚语非虚构支付35欧元书款和67欧元运费。荷兰书商收到的清单包含指定语言和版本。相关买家的真实用途仍有争议，Zoom Books也公开否认参与AI抓取；这些订单至少说明，过去由终端读者决定的“有没有用”，正在被另一套采购标准改写。

冷门旧书没有突然拥有更多读者。它只是突然拥有了一个不阅读、却愿意为稀有信息付钱的新买家，并且这个买家又有钱，胃口还大得惊人。

A÷就曾花费数百万美元购买数百万本纸质书，拆解扫描，每本生成带有机器可读文本的PDF，它还从盗版库里取得大量电子书，用于模型训练。

而因为它干过的这些事，让它在和解时支付了超过15亿美刀的费用，但它老老实实掏钱买的作为训练用途的，则被法院认定是可以支持的。

这还是挺有意思的，你觉得类似这样的现象还会发生在哪些领域？