花几千万美元买下全世界的纸书，AI 焚书开始了？

本文来自微信公众号： 酷玩实验室 ，作者：酷玩实验室

今年7月，一本普普通通的二手书，突然享受到了很少见的待遇：有人往它的封皮里塞了一枚AirTag。

它和近千本八竿子打不着的旧书一起被打包、装箱，从加州一路来到拉斯维加斯，最后停进亚马逊的一座仓库。仓库里有个小组叫VGT3，标志是一只捧着书的霸王龙。员工说，他们每天切掉书脊、扫描书页，再处理掉无法复原的散页。

全网围观的网友们，给这场神秘行动起了个毛骨悚然的名字：AI焚书。

01：全世界的旧书，正在流向AI碎纸机

最近几个月，英国、爱尔兰和澳大利亚的二手书商，陆续遇到了一位让人摸不透的新客人。

它买书不讲价，不心疼跨国运费，也没有固定偏好。一次订单里，可能同时出现约翰·勒卡雷小说的爱沙尼亚语译本、1983年10月号的《Warship》杂志和安妮·勃朗特《阿格尼丝·格雷》的某个指定版本。另一个包裹里，1970年代的土力学手册，和新西兰自行车冠军史、澳大利亚早期诗歌选、墨尔本郊区霍桑的地方史挤在一起。

澳大利亚书商约翰·塞恩斯伯里发现，这些订单专挑冷门、老旧、长期无人问津的库存。其中一本售价9澳元的诗集，已经在货架上躺了20年。按照旧书店的正常节奏，它或许还要再躺十年；神秘买家出现后，它突然获得了一张昂贵的国际机票。

有英国卖家称，今年以来，类似买家已经订走约6000本书。几个看似毫无关系的账户，最后却把书送往希思罗机场附近的同一片货运仓库，像是有人拿着一份看不见的书目，在全世界打捞那些无人问津的文字。

可谁会这样买书？买来又准备做什么？

最初，书商只能猜测。直到美国科技媒体404 Media和一名卖家，把一枚AirTag藏进一批约1000本书的订单里。

定位最终停在亚马逊位于拉斯维加斯的LAS8园区。园区内的VGT3小组负责收书、扫ISBN、切书、扫描。员工说：“我们做的全部工作就是扫描书。”

亚马逊随后承认，公司确实会通过商业渠道购买图书，用于“开发和改进客户使用的产品与服务”。可什么样的业务，需要大批量收购旧书、扫完再销毁呢？

这份回应模棱两可，很多人猜测这些旧书的最终去处，是喂给AI。

网友们的猜测并不是空穴来风，这事可以从美国人工智能公司Anthropic此前曝光的Project Panama（巴拿马计划）说起。

2024年初，Anthropic聘请曾参与Google Books项目的Tom Turvey为公司找书。内部文件写道：“Project Panama是我们破坏性扫描全世界所有书籍的行动。”使用代号的理由是“公司不希望外界知道”。

紧接着，Anthropic砸下几千万美元，在市场上疯狂采购数百万本纸质书。供应商的流水线半年就能吃掉50万到200万本：液压切纸机咔嚓一刀切掉书脊，散页塞进高速扫描仪生成PDF和OCR文本，至于残余的纸片？直接由回收公司当垃圾拉走。

这些被“嚼碎”的书，一部分直接喂进大模型的训练集，另一部分数字副本则留存进Anthropic的永久研究资料库，留着以后慢慢消化。

有意思的是，美国法院居然给这套流程开了绿灯。法官认为，Anthropic是合法买下的实体书，扫描后又销毁了原件，这无非是把属于自己的一份纸质副本换成了数字副本，“用一个取代了另一个”。既然纸本书和扫描件没有同时在市场上二次流通，那就符合“合理使用”。

但真正让人愤怒的，恰恰也是“销毁原件”这四个字。Anthropic的采购清单里有许多还没被数字化的冷门书。它们未必值钱，却可能已经绝版；每切掉一本，二手市场上可供下一位读者买到的副本就少一本。

现有调查不能证明AI公司在有计划地扫荡“孤本”（Anthropic声明不买珍本古籍，书商也表示大单基本只要有ISBN码的书），但问题在于——很多学术专著、专业手册、地方志和小语种译本，它们本来就少得可怜啊！有出版业调查显示，绝大多数商业出版社和大学出版社的专著，前三年纸本销量甚至卖不到400册，很多甚至连200册都不到。

这些书进不了昂贵的珍本库，也没人会去统计全球到底还剩几本。一本绝版的地方史从二手书架上被抽走销毁，世上究竟还剩300本、30本还是3本？根本无人知晓。

澳大利亚书商尼克·道斯坦言，清掉普通库存固然高兴；但如果卖掉的是这世上已知的最后一本，他宁可烂在手心里。另一位书商更直白：“如果它是独一无二的，那这事可太可怕了。”

其实，想数字化一本书，并不只有切书这一条路。图书馆和Google Books早就用上了V形托架等方法，可以在不破坏装订的情况下扫描书页。破坏性扫描赢在速度快、成本低、流水线稳定。科技公司只是选了更快的那条路。

至于这些书在二手市场上还剩下多少本，那就不是他们会关心的事了。

02：AI写得越多，人类作品就越值钱

互联网明明装着比任何图书馆都多的文字，AI公司为什么还要花几千万美元，雇人从纸堆里抢救数据？

主要是现在的互联网信息，太太太太不可靠了。

ChatGPT出现以后，新闻摘要、博客、商品介绍、论文、旅游攻略、网友评论，甚至悼念死者的讣告里，都开始混入机器生成内容。生产这些内容的人未必真的有什么想说，只是想批量占领搜索结果、赚广告费、骗点击，或者每天在社交平台完成几十次更新。

AI可以一刻不停地写，但写得多，不等于写得出新东西。

康奈尔大学研究者让OpenAI、Anthropic、Google和AI2的四种模型写了2万篇故事，结果一半以上出现了灯塔，26.5%使用了Elias这个名字，守塔人、钟表匠和图书管理员也一再登场。模型来自不同公司，只要收到“给我讲个故事”这种宽泛指令，就很容易绕回同一批人物和场景。

一篇这样的内容可能只是无聊，成千上万篇一起发布，就会让搜索结果充满换汤不换药的车轱辘话，正着说完反着说，经常说着说着还说错了。

2025年，《芝加哥太阳报》和《费城问询报》随报附赠了一份夏季生活增刊，极其郑重地向读者推荐了15本“暑期必读好书”。结果读者兴冲冲一查直接傻眼：其中10本书根本不存在！AI凭空给真实作家安排了虚构新作：伊莎贝尔·阿连德“出版”了《潮水之梦》，安迪·威尔“写出”了《最后的算法》，连故事简介和推荐语都编得有模有样。

后来的撰稿人这才承认，自己用AI辅助写作，却压根没去核实。这些AI凭空捏造的幻觉，就这么夹杂在严肃新闻里投递给了读者，让人真假难辨。

如果下一代大模型继续不加区分地吞下这些垃圾，问题就会像滚雪球一样放大。2024年《自然》杂志的一篇研究就把这叫作“模型坍塌”（Model Collapse）：当模型一遍遍学习上一代AI生成的数据，它对真实世界的理解就会开始扭曲。

最先被抹杀掉的，往往是边缘化的信息——那些低频、少见、不符合统计平均规律的内容。

这就好比你把一张原稿连续复印十次，粗线条可能还在，但细小的阴影和纹理会最先糊成一片。对应到文字世界，最先被“复印糊掉”的，恰恰是小语种表达、地方独特经验、冷门专业知识，以及那些古怪却真实的人类叙述。

回过头来再看二手书店里那些古怪的订单，一切突然就说得通了。

名著、畅销小说和热门教材早已被反复数字化。模型真正缺少的，是图书数据库没有收录、搜索引擎也找不到全文的部分。这也解释了为什么神秘买家的清单如此离奇：一本书越冷门，就越可能贡献出大模型还没啃过的全新词汇、事实和表达方式。

Anthropic内部曾讨论，书籍可以教模型“怎样好好写作”，让它少模仿互联网里的“低质量说话方式”。毕竟，一本书凝聚着作者长年累月的思考、编辑的严苛审校，能维持几十万字的严密结构；而网页上的段落早就被拆得七零八落、抄来抄去，连原作者是谁都认不出来。

旧书当然也会写错，但至少在那个时代，“一本正经地胡说八道”还是一件门槛极高的体力活。想凑够几百页，作者得真真切切坐在桌前抓破头皮，编辑得一页页帮忙抓虫。因此，在数据商的心目中，2022年是一条特殊的分界线，在这之前出版的书，基本可以百分百排除ChatGPT的污染——它们是带着明确生产日期和配料表、纯天然无污染的“有机数据”。

AI公司花几千万美元购买的，正是这种可追溯性。网页可能经过多次转载和改写，一本出版物却带着作者、编辑、出版年份和版本记录。公司可以知道一段文字来自哪里，也更容易判断它值不值得放进训练集。

有点讽刺的是，AI一天可以生产成千上万篇内容，把互联网填得满满当当；而真正昂贵的原料，依然是一个人花几年写完，又在旧书仓库里沉睡了几十年的那一本。

03：创作者开始给作品安装“防盗门”

当人类的心血被AI搞成了可以随意开采的“矿产资源”，创作者们终于坐不住了，开始在互联网的田地周围筑起高墙。

早在2023年，就有超过1.5万名作家联署公开信，要求AI公司取得许可、注明来源，并为使用作品支付报酬。此后，作家、画师、媒体和出版社陆续把争议送上法庭。

到了2026年7月，美国法院最终批准了Anthropic支付15亿美元与作者及出版商和解，赔偿覆盖了超过48.2万部作品，算下来一本大约赔3000美元。但这笔赔偿只针对于他们从盗版网站搜刮的电子书；而他们合法买书、切书扫描的“巴拿马计划”，依然获得了法院的合理使用认定。

法律管不到切书机，出版行业开始把拒绝直接印进书里。

企鹅兰登在所有新书和再版书的版权页里明确加了一句话：严禁将本书用于AI训练。2026年，国内华夏出版社的《新译黄庭经阴符经》等书页上也赫然印着：“禁止将本书内容用于人工智能训练，违者必究。”一句声明或许拦不住切书机和爬虫，却可以提前说清权利人的态度，为后续投诉或诉讼留下一份明确的书面依据。

美国作家协会则推出“Human Authored”认证。作者核验身份并承诺正文由人类完成后，可以在书封上使用“人类创作”标志。到2026年3月，约3000名作者认证了5000本书。

文学出版走到这一步，多少带点黑色幽默。过去是食品包装袋上写着“手工制造、零添加”，现在居然连一本书也要被迫高呼：这真是我亲手写的啊！

至于网上的创作者们，防守战打得更像一场游击打法。

画师们开始在作品上铺满密集的水印，只敢上传低清缩略图；芝加哥大学团队还研发了防抓取工具Glaze，能给图像加上肉眼看不出、但能搞糊AI的干扰纹路。他们甚至推出了更狠的“毒药”工具Nightshade——如果AI强行抓取涂了Nightshade的图片，大模型的逻辑链就会发生错乱，把狗学成猫，把飞船学成挂毯。

文字写作者们则纷纷在网站根目录下设置robots.txt协议。这相当于贴在门口的一张告示：“爬虫与AI请勿入内”。不过，这份说明没有强制力。守规矩的爬虫会绕开，完全不理会它的机器人依然可以继续抓取。

著名同人创作网站AO3更是直接开启了访问限速，防止爬虫在短时间内批量搬运作品；不少作者干脆把文章锁死，设置成“仅登录用户可见”。

这些办法带来一个令人头疼的困境：创作者必须把作品公之于众，才有可能被真读者、编辑和买家看到；可一旦彻底公开，又分分钟会被AI搬空。把大门死死关上，固然挡住了盗贼，却也顺手把还没认识你的真人读者拒之门外。

结果就是，创作者像防贼一样防着科技大厂，越来越多人选择锁文、加水印、退出搜索，公共互联网上的“活人内容”正以肉眼可见的速度枯竭，互联网原本最迷人的“开放与共享”精神，逐渐宣告死亡。

与此形成鲜明对比的是，科技大厂们正通过买书、版权和私有数据库，建立起普通人根本触碰不到的顶级知识高墙。公开的互联网上漂浮着海量廉价的AI垃圾，而真真切切的人类智慧，却正在被迫退缩到登录墙、付费墙和巨头的服务器深处。

这或许也将改变我们每个人获取知识的方式。

过去，一本纸书被买下来以后，可以永久保存、借给朋友、捐给图书馆或者卖进二手市场。出版社倒闭、书店关门，书仍然可以脱离原来的商业系统继续活着。可AI模型学到的知识，却被永久锁在了大厂的服务器里。我们得到的只是一次临时的调用权限——需要注册、付费，默默忍受涨价、服务下线、模型迭代，甚至同一个问题今天和明天的回答完全相反。

纸书至少允许读者翻回原文。遇到一个可疑说法，你可以按书名和页码找回上下文，看看作者究竟写了什么。模型通常不公开训练书目。向它追问来源，它可能临时编出一本书和一串页码。拿着正确答案质问它时，它才会轻飘飘地承认自己错了。

在这个时代，答案早已不再稀缺，但核实一次答案，却比寻找答案本身还要艰难。如果原始资料全躺在不公开的数据库里，普通人甚至连去哪里查证都无从下手。

当然，纸张本身不会自动赋予一本书真理，AI也不会因为切过书脊就夺走人类的创造力。人们对“AI焚书”感到难过，牵挂的是书所拥有的另一种生命：它能脱离作者、出版社和平台，在人和人之间自由流动。

那本售价9澳元的诗集，在货架上冷清地躺了20年。它看起来卖不掉，却始终保留着一种可能——也许在第二十一年，会有一个刚好需要它的灵魂把它带回家；读完之后，它还会再次漂流到另一家旧书店，等待下一次相遇。

而当它被AI公司买走的那一刻，这种奇妙的流动就戛然而止了。

如果一本旧书的最后一位读者是一台冷冰冰的机器，机器确实“读”完了它，吸收了它的观点、知识与表达，看似让这本书在某种意义上得到了“永生”——可人类，却再也没有机会翻开同一本书了。

酷玩实验室整理编辑

首发于微信公众号：酷玩实验室（ID：coollabs）