AI巨头隐秘扫货二手书，纸质文献成训练数据新矿藏

【科技纵览】当互联网被低质生成内容淹没，人工智能行业正悄然转向实体世界，试图从泛黄的纸页中挖掘未被污染的“纯净”语料。据调查媒体404 Media披露，多家头部AI企业正借助中间商渠道，大规模收购二手图书。这一举动旨在获取高质量的人类原创文本以优化模型训练，同时规避直接抓取网络数据可能引发的舆论风暴。

回溯至2022年之前出版的纸质书籍，因其大概率未受AI生成内容的侵染，被视为极具价值的原始素材。这种对“人类智慧结晶”的渴求并非空穴来风。此前卷入版权纠纷的Anthropic公司，曾斥资数百万美元从Better World Books等平台批量购入纸质书，用于提炼内容训练其Claude模型，随后竟将这些书籍销毁。尽管法院裁定使用正版图书进行训练属“合理使用”，但Anthropic因长期持有包含700万本盗版书的数据库，最终被判赔偿15亿美元（约合人民币101.62亿元）。无独有偶，出版商联盟近期也对谷歌提起诉讼，指控其未经授权利用数百万本受版权保护的图书训练Gemini模型。

在此背景下，拥有逾1.11亿条图书目录信息的在线平台ISBNdb调整了业务航向，推出了面向AI企业的大宗图书采购服务。据报道，单笔订单规模跨度极大，从千本至百万本不等。一位匿名职业书商透露，自今年4月起，其销量呈现爆发式增长：以往周销约20本，如今已飙升至数百本，增幅达五倍左右。Alibris、Biblio等二手交易平台上的其他商户也证实了这一异常的大宗采购现象。

虽然尚无铁证指向具体买家，但交易特征显露出强烈的工业化采集意图。采购对象几乎全为带有13位国际标准书号（ISBN）的图书，且毫无题材偏好，小说、教材、专著均在列。更令人诧异的是，买方对价格极不敏感，即便标价高于市场价亦照单全收。前Google Books项目成员、现负责Anthropic“巴拿马计划”的汤姆·哈维证实，该公司聘请了如Datamation Information Services等专业扫描机构。为了追求效率与低成本，业界普遍采用破坏性扫描——即拆解书籍后高速录入，这导致数百万册纸质书在数字化过程中被物理毁灭。

这种将公共知识资源私有化的做法引发了深层伦理忧虑。批评者指出，若珍稀或绝版书籍在扫描中被毁，它们将永久退出流通领域。更为严峻的是，这些被数字化的内容最终仅存于AI公司的封闭数据库中，公众无法访问。这意味着，我们或许迎来了更智能的助手，却可能以牺牲人类知识遗产的公开性与可及性为代价，让后世失去直接接触原始文献的机会。