AI巨头“毁书”求数据引争议，马斯克呼吁无损扫描

【科技纵览】当人工智能生成内容如洪水般漫灌互联网，由人类亲手撰写的“纯净语料”瞬间成了稀缺资源。在此背景下，科技巨头们的目光悄然转向了纸质书籍这一传统载体。日前，独立媒体404 MediaX披露了一则令人咋舌的消息：多家AI公司正批量收购2022年前出版的珍稀图书，通过液压切割机暴力切除书脊后进行扫描，以获取未被AI“污染”的干净数据——毕竟，2022年前的出版物尚不包含机器生成的痕迹。更为极端的是，为防止这些数据二次流入市场，这些书籍在扫描后往往被直接粉碎销毁。

报道特别指出，Anthropic曾执行代号为“巴拿马计划”的行动，销毁了数百万册实体书，其中甚至包括存世量极少的绝版古籍。颇具讽刺意味的是，美国联邦法院裁定该行为合法，认定“购买纸质书并进行破坏性扫描”属于合理使用范畴。消息一经曝光，便在社交媒体引发剧烈震荡。X平台用户Hedgie转述此事时，埃隆·马斯克罕见回复称，已要求SpaceX AI团队保存图书馆中的珍贵书籍，并采用无损扫描方式，以避免对书脊造成物理破坏。Hedgie随即回应，感谢马斯克团队的举措，尽管无损扫描速度较慢，但仍能获取训练数据，并呼吁其他业内公司以此为标准。

无论手段如何，书籍作为AI训练语料核心来源的地位已毋庸置疑。ISBNdb这家号称拥有“全球最大图书数据库”的公司，近年已转型为AI企业的专属数据供应商；《华盛顿邮报》亦发现，Anthropic已与旧书平台Better World Books达成合作。然而，这种掠夺式的数据获取方式正引发激烈的法律对抗。7月22日，新闻集团向加州奥克兰联邦法院提起反诉，指控Brave Software未经授权抓取《华尔街日报》等旗下媒体文章用于模型训练；此前一周，一群主要出版商也对谷歌提起诉讼，指控其非法使用数百万本版权书籍构建Gemini模型，并称此为“历史上最严重的侵犯版权行为之一”。谷歌内部评估显示，若将出版商文本用于Google Play图书，可能面临100亿至1000亿美元的潜在罚款。

从行业视角看，这场博弈背后是巨大的商业价值重构。中信证券研报预测，2026年文化IP数字化运营有望为出版业带来约700亿元增量空间。大模型对优质语料的渴求，使得出版企业拥有的清晰版权归属和垂类内容优势，成为跨越技术周期的底层核心资产。中泰证券亦指出，相关出版公司有望在互联网与AI的双重浪潮中持续获益。