一本厚书被推进液压切纸机。压板落下，刀片切下，书脊被干脆利落地削掉。原本连接在一起的书页变成整齐的一沓纸张，随即被送进高速工业扫描仪。数分钟后，这些纸张连同封面、封底一起，被送入回收厂的粉碎机。 如果没有任何解释，看到这样一段视频，你甚至可能会觉得“引起舒适”、非常解压。 可如果告诉你，AI公司正在用这套办法成批处理纸质书，其中还包括存世量极少的绝版古籍——相信你八成就舒服不起来了。 这不是科幻小说里的场景。这是2026年正在发生的事情。 2026年7月，独立媒体404 Media的一则报道引爆了全球舆论：美国人工智能巨头Anthropic正在执行一个代号为“巴拿马计划”（Project Panama）的秘密项目，大规模收购纸质书籍，用液压切割机切除书脊后高速扫描，再将书籍粉碎销毁。 消息一出，舆论哗然。连一向对技术激进主义保持宽容的埃隆·马斯克都坐不住了，在社交媒体上回应称，已要求自家AI团队以无损方式扫描书籍、避免破坏书脊。 镰刀挥向的不仅仅是欧美旧书，还有大量流失海外的明清刻本、地方方志、家族族谱、民国文献——那些承载着独一无二中华文脉的遗存——正通过二手市场与私人藏家之手，源源不断地流入这场资本绞肉机。 这不是简单的技术迭代。这是一场披着科技外衣、实则行掠夺之实的文明侵占。 要理解AI公司为何要毁书，必须先理解一个词：模型塌缩（Model Collapse）。 2024年7月，牛津大学、剑桥大学等机构的联合研究登上了《自然》杂志封面。研究者用Meta的OPT-125m模型输入一段关于14世纪教堂塔楼的维基百科文本，第一代输出还在讨论建筑，第五代就偏离到语言翻译，第九代模型开始热情洋溢地介绍各种不存在的兔子物种。 从教堂到兔子，只用了九次迭代。 论文证明了一个令人不安的事实：当AI模型用AI生成的内容继续训练时，塌缩是数学必然。统计近似误差、函数表达误差、函数近似误差——只要其中任何一类存在，塌缩就不可避免。 而现实比实验室更残酷。斯坦福大学2026年AI指数报告显示，自2025年初以来，新发布的互联网内容中AI生成的比例已超过一半（51.72%）。Cloudflare的数据同样印证了这一趋势：其托管网站的网络访问请求中，约57.4%来自人工智能和自动化程序。 互联网正在被AI自己的排泄物淹没。Epoch AI的测算给出了明确的时间窗：语言模型将在2026年到2032年间耗尽人类公开的高质量文本数据。 在这种情况下，2022年大模型浪潮兴起之前出版的纸质书籍，就成了稀缺的“纯净语料”——内容完全源自人类原创，经过编辑层层校对，信息密度高、逻辑严谨，不存在AI生成内容的干扰。 那些网上搜不到、没有电子版的冷门书和绝版书，更是“上上品”。 图书数据库公司ISBNdb在官方博客中直白地写道：“2022年之前印刷的纸质书，在结构上保证没有受到过这种污染。仅此一点，就是巨大的优势。 ” 于是，一场对“纯净语料”的军备竞赛拉开了帷幕。 一条灰色的产业链 Anthropic并非一开始就选择买书毁书。这家开发Claude大模型的公司，最初的做法更“省事”——从Books3、LibGen和PiLiMi等资源库下载了超过700万本电子书，其中相当一部分来自盗版网站。 2024年8月，三名作家将Anthropic告上法庭。2025年，Anthropic同意支付15亿美元的和解金，创下AI版权诉讼纪录——覆盖超48.2万部作品，每部赔偿约3000美元。 15亿美元买来的教训是什么？Anthropic的答案是：转向实体书。 公司聘请了曾参与Google Books项目的资深高管，投入巨资从二手书商处批量采购图书。内部规划文件称其为“以破坏性方式扫描全球所有书籍的计划”，并表示不希望外界知晓。项目配套预算达数千万美元，服务商招标文件明确要求具备半年内处理50万至200万册图书的承载能力。 整套流程高度工业化：利用液压切割机切除书脊拆分书页，依靠高速工业扫描仪完成文字提取；一旦文本数据入库，所有实体原版图书统一粉碎制浆，不再留存任何实物。 而这场采购行动的规模令人咋舌。404 Media的调查显示，多家AI公司通过数据中间商ISBNdb大规模收购二手图书，单次订单从1000本到100万本不等，书商们销量在数月内飙升了五倍。冷门学术著作、绝版读物订单持续激增，采购方身份隐秘。 支撑这一切的法律基础，是美国联邦法院2025年的一项裁决：合法购买纸质书，仅生成一份内部数字副本并销毁原件，可纳入版权法下的“合理使用”范畴。法官认为，大模型读取一本书不是为了向用户复述或出售这本书，而是从中学习语言、知识和表达方式，这种用途具有“转化性”。 至于那些买来的纸质书，Anthropic已经为每一本付过钱。公司扫描一本，就销毁对应的实体书，只在内部留下一个数字替代品，没有多制造一份拿到市场上出售的副本。法官因此认为这部分也没有侵犯版权。 合法，但不代表合理。法律没禁止的，不代表文化能承受。 “合法”背后的不可逆代价 批评者将这场行动比作“现代亚历山大图书馆焚毁”。这个比喻也许并不夸张。 绝版书和孤本的价值不只在文字内容。纸张、版本、批注乃至装帧，都是出版史和文化史的一部分。扫描可以保存字符，却无法保存这些信息。当存世数量有限的版本被成批销毁，损失一旦发生便无法弥补。 与此同时，扫描形成的语料库只掌握在少数公司手中，公共知识资源在事实上完成了一次私有化转移。 更令人忧虑的是知识验证依据的消失。当前大模型生成内容的准确性问题已引起广泛重视，学界和公众普遍要求训练语料可追溯、可核查。原始载体一旦销毁，后世研究者若想核对一处引文、一个版本的原始出处，将无从入手。语料库由此成为无法回溯的黑箱，这与技术透明的大方向背道而驰。 有学者将这个过程称为“数字圈地运动”：扫描并销毁的过程，是资本利用物理占有的合法性，取消了知识在物理世界中进行非资本化流通的可能性。它买下了实体，在技术上完成了对知识衍生价值和解释权的垄断。 那些被销毁的实体书，本可在图书馆、二手书店、私人藏家之间无限流转，邂逅某个需要的读者。如今，它们被转化成独家训练数据，藏于“算法黑箱”之中。 中华古籍：被忽视的“上上品” 这场风波目前被舆论关注的焦点，主要集中在欧美近代的绝版书籍和外文文献。客观地说，得益于我国现有的文物保护体系，馆藏国宝级古籍与传世善本尚能守住安全底线，暂未出现大规模实体损毁的情况。 然而，隐患已真实落地且触目惊心。 大量流失海外的明清刻本、地方方志、家族族谱、民国文献以及散落在民间的绝版典籍，正成为境外资本重点收割的目标。 这些承载着独一无二中华文脉的遗存，正通过二手市场与私人藏家之手，源源不断地流入商业资本的绞肉机。 你或许以为这是个例。但事实是，AI公司的收购逻辑决定了它们不会放过任何有价值的人类文本——而中文古籍，尤其是那些没有电子化、存世量稀少的地方文献和族谱，正是它们眼中的“上上品”。 更令人担忧的是操作方式的隐蔽性。AI公司通过多家二手书批发商匿名采购，通过保密协议藏住买家身份和采购书目。当一本流失海外的明刻本被匿名买家买走、拆解、扫描、粉碎，没有人会知道。当一部记载了一个家族数百年迁徙史的地方族谱在某个北美仓库里变成纸浆，没有人会知道。 而这些数字化的成果——那些唯一留存下来的数字副本——将被一家商业公司独占，成为其AI模型的私有训练数据。 这不是收藏，这是掠夺。这不是数字化，这是消灭。 正规的文博数字化工程，始终秉持“无损扫描、妥善珍藏、公益开放、传承共享”的原则，旨在服务于文明延续、学术研究与大众普及。相比之下，商业资本的操作逻辑是对文明与公益的双重背离。 为了获取独家训练数据以实现商业变现，他们采取粗暴拆毁书脊、高速扫描录入、随后直接粉碎实体原书的极端手段。这种行为的本质，是将不可再生的历史载体永久抹除，将全民共有的公共文脉强行私有化。 如果说海外资本的毁书行为是物理消灭，那么国内部分商业机构的做法则是一种更隐蔽的数字垄断。 部分商业机构肆意扫描珍稀古籍、绝版史料及地方文献，在数字化后独占版权、垄断资源并高价牟利。原本属于全社会的历史文化资源，异化为少数资本的敛财工具。 南京图书馆就曾发布严正声明，指出其古籍自建数字资源遭盗版商家兜售，相关行为严重侵害了该馆的合法权益，破坏了公共文化服务体系的良性运转。 一方面是公藏机构耗尽心力将古籍数字化、免费向公众开放；另一方面是商业机构将这些公共资源“搬运”后据为己有、高价倒卖。 古籍数字化产品的形态、质量与交互模式正在发生结构性变革。但与此同时，知识产权界定愈发困难——古籍整理包含标点、注释、校勘、翻译等对文本内容的加工，其知识产权存在争议，现行著作权法对古籍整理成果保护模糊，侵权维权困难。 更让人忧虑的是数据孤岛问题。古籍数字化实现了从“文字考古”到“知识重构”的转变，但也存在技术瓶颈、版权争议、数据孤岛等问题亟待解决。商业公司推出的系列大型史学数据库，以其先发优势与规模效应占领了市场，数据库的价格日益高昂，由此引发巨大争议。 从“物理消灭”到“数字垄断”，本质上是同一场文明收割——只是手法不同。 有人可能会问：这种事情会发生在中国吗？ 综合判断，大规模“买书毁书”的操作在中国境内大规模复制的难度确实更高。原因有三： 一是制度层面。 我国《生成式人工智能服务管理暂行办法》对训练数据的来源合法性、可追溯性作出明确规定，监管实践要求训练数据做到可核查。“扫描即销毁”的操作模式会灭失原始载体，导致难以完成溯源核验，与合规要求相抵触。 二是成本层面。 国内有收藏价值的古籍孤本多保存于公立图书馆和私人藏家手中，价格高、流通少，批量收购再销毁既不经济也不现实。 三是舆论层面。 损毁书籍在公众观念中接受度很低，企业采取此类做法面临较高的声誉成本。 但风险有限不等于可以高枕无忧。 流失海外的中华古籍——那是另一个故事。那些散落在海外图书馆、博物馆、私人藏家手中的明清刻本、地方志、族谱，不受中国法律保护。它们可以在二手市场上被匿名买走、被拆解、被扫描、被粉碎——整个过程合法、隐秘、不可追溯。 更值得警惕的是，这种“合法买书、毁书扫描”的模式正在形成示范效应。404 Media的跟踪调查显示，多家未公开名称的AI初创企业纷纷效仿同类操作。ISBNdb公开宣称可以接活儿给AI公司找书，能从旧书店、图书馆和绝版书目录中一次采购1000至100万本纸质书。 当这条产业链完全成熟，当“破坏性扫描”成为行业标准操作，那些散落在海外的中华典籍——那些尚未被数字化、尚未被保护的文明遗存——将面临前所未有的生存危机。 面对这场全球性的文化危机，仅靠呼吁已远远不够。 值得肯定的是，国内已经在行动。《四川省古籍保护利用条例》已于2026年1月1日起施行，这是国内首部关于古籍保护利用工作的地方性法规。条例规定国有古籍收藏单位应当“通过修复、数字化、再造等手段，加强对濒危、珍贵、特色古籍的抢救性保护”。 但一部地方法规远远不够。面对资本逐利无边界、道德约束乏力以及行业自律不足的现状，立法设防刻不容缓。 国家亟需出台专项法规，明确划定红线： 第一，严禁商业主体对珍贵典籍进行破坏性扫描。 任何以获取训练数据为目的、以毁坏实体书籍为手段的数字化行为，都应被法律明令禁止。对于那些存世量稀少、具有不可替代文化价值的典籍，更应设置最高级别的保护屏障。 第二，严控中华古籍及绝版文献非法外流。 流失海外的中华古籍是中华民族的共同记忆，是无可替代的文化资产。应当建立海外中华古籍的动态监测机制，对于可能被用于“破坏性扫描”的古籍交易，应建立预警和干预机制。 第三，建立严格的古籍数字化备案审查机制。 任何机构对中华古籍进行大规模数字化，都应当向国家古籍保护部门备案，接受审查。数字化成果应当依法向公众开放，不得以任何形式独占公共文化资源。 第四，坚决禁止资本独占公共文史数据进行变相牟利。 古籍是全民共有的文化遗产，其数字化成果属于公共文化资源。任何商业机构不得将公共古籍的数字化成果据为己有、高价垄断。全国政协委员、商务印书馆执行董事顾青曾建议：建立强制归集机制，通过制度要求境内企业、机构定期将生产的文化数据上报国家统一数据集进行统筹保存。 与此同时，我们也需要正视一个更根本的问题：中国自己的古籍数字化进程，必须加快、再加快。 国家图书馆（国家古籍保护中心）多年来持续推进“中华古籍资源库”建设，秉持“边建设、边服务”的理念，积极与国内外众多古籍收藏机构合作。2025年，国家图书馆迈出了关键一步，研发了“全国智慧图书馆古籍服务平台”，首批发布一万部古籍的全文检索和知识系统。 但与流失海外的海量中华古籍相比，与AI资本蚕食鲸吞的速度相比，这些努力还远远不够。 每一本未被数字化的中华古籍，都是一颗定时炸弹。当它还在某个海外二手书店的书架上静静躺着时，它随时可能被匿名买家买走、被拆解、被扫描、被粉碎——然后，永远消失。 在关于AI训练的辩论中，技术官僚常发表极具欺骗性的“知识开源”叙事。他们声称，大语言模型通过阅读人类千百年来的文明结晶，以极低乃至免费的价格，将凝练后的知识反哺给公众。 这是一个精心编织的谎言。 当一本实体书被拆解、扫描、粉碎，它承载的不仅仅是文字——还有纸张的质感、版本的流变、藏家的批注、历史的痕迹。这些无法被数字化的信息，连同实体书本身，一起消失了。 当唯一的数据副本被锁在一家商业公司的服务器里，当这些数据成为AI模型的私有训练语料——知识没有“开源”，知识被私有化了。 历史文脉属于民族、属于大众、更属于后世。 文脉不灭，文明不绝。守护千年典籍，即是护住民族的根脉。 我们必须用法治利剑斩断资本对文化遗产的无序掠夺，确保历史遗存真正归藏于民、传承于世，让文明的火种在公正与共享中生生不息。 否则，当我们的后代想要翻阅一部明刻本的某个版本、想要考证一段家族迁徙史、想要触摸祖先留下的文字痕迹时——他们能看到的，可能只有一个商业化AI模型的“输出结果”。而那本真正的书，早已在某年某月某日，在一台液压切纸机下，化作了纸浆。 这不是危言耸听。这是正在发生的事。 |
微信打赏
