AI为何要“焚书”？这背后隐藏着怎样的秘密？
“巴拿马计划”浮出水面
AI公司的惊人之举
2026年7月，Anthropic与图书作家们15亿美元版权和解协议敲定，“巴拿马计划”曝光。该公司斥资数千万美元，批量采购2022年前出版的纸质书，切除书脊、高速扫描后粉碎销毁，只为获取未经AI“污染”的训练语料。此行为引发全球舆论哗然。
法院裁定与舆论反应
美国联邦法院裁定这一做法属于“合理使用”，消息传出后舆论沸腾。马斯克要求旗下团队保存珍贵书籍并采用无损扫描。国内图书行业也有行动，部分书籍版权信息页标注禁止用于AI训练，而国内对AI训练数据来源监管较宽松。
AI公司为何毁书
训练数据被污染
过去大模型训练语料多来自互联网，生成式AI爆发后，大量AI生成内容涌入，污染了公共语料库。用AI生成内容训练模型会导致“模型塌缩”，所以2022年之前的纸质书成了“黄金数据”。
纸质书的独特优势
2022年之前出版的纸质书在物理层面不可能包含AI生成内容，是纯净的人类原生语料。AI公司为获取这些“干净”数据，搭建起全球性隐秘采购链，引发旧书商关注。
隐秘的产业链
异常的采购订单
世界各地旧书商收到异常买书订单，全部夜间下单，采购书籍小众且多年无人问津，下单人阔气，运费高昂且预付。书商们怀疑这些订单与AI训练有关。
中间商与保密协议
书籍元数据平台ISBNdb作为中间商，为AI实验室匿名批量采购书籍，还提供保密协议。产业链曝光后，ISBNdb删除相关页面，否认推出此类服务。
15亿美元和解的舆论风暴
法官的裁决理由
法官在Bartz诉Anthropic案中裁决，使用合法购买的图书训练大模型属于合理使用，从盗版网站下载图书训练AI则构成侵权。Anthropic同意支付15亿美元和解金。
舆论发酵与行业行动
此裁决引发舆论热议，马斯克采取行动，国内图书行业也有举措，如部分书籍标注禁止用于AI训练，但国内对AI训练数据来源监管仍待加强。
知识数字化不等于公共化
文献数字化的现状
大量有学术价值的文献仍未数字化，更多文献数字化能让知识进入公共空间。但书籍进入大模型后被拆解，知识数字化未必能实现公共化。
市场派的观点
乐观的市场派认为真正挑战是缺乏有效共享和利用数据的基础设施，市场机制会解决大模型训练数据问题，然而人们也需思考知识最终服务的对象。
相关问答
“巴拿马计划”是怎么回事？
Anthropic公司的“巴拿马计划”，斥资采购2022年前纸质书，销毁以获“干净”训练语料，引发全球关注，法院裁定其属“合理使用”。
为什么AI公司要采购旧书？
因互联网语料被AI生成内容污染，2022年前纸质书是纯净原生语料，能避免“模型塌缩”，所以被AI公司视为“黄金数据”。
旧书商发现了哪些异常订单？
订单夜间下单，采购书籍小众冷门、毫无关联，买家阔气，运费高昂且预付，书商怀疑与AI训练有关。
法官对Anthropic案是如何裁决的？
法官裁定Anthropic合法购买图书训练大模型属合理使用，从盗版网站下载图书训练AI构成侵权，Anthropic需支付15亿美元和解金。
知识数字化与公共化是怎样的关系？
大量文献未数字化，更多文献数字化能让知识进公共空间，但书籍进大模型后被拆解，知识数字化未必能实现公共化。
市场派对于大模型训练数据问题有什么看法？
市场派认为真正挑战是缺乏有效共享和利用数据的基础设施，市场机制会解决大模型训练数据匮乏问题。
