AI公司为获取训练数据，大量收购稀有纸质书并销毁

大模型训练依赖高质量文本，但互联网语料库正被AI生成内容污染，导致“模型坍塌”——模型在自身输出上反复训练，质量退化。因此，2022年前出版的纸质书成为最后的干净数据源，它们由人类撰写，不含AI生成内容。

稀有书籍因发行量少，成为AI公司争夺的独家优势。2026年4月起，美国书商发现订单激增，买家只列ISBN清单，不问品相不砍价；荷兰、德国等地书商也收到来自新加坡2077AI、加拿大Zoom Books的大批量订单。调查揭示，这些订单来自AI公司，书籍被扫描后销毁。

2026年初解封的法庭文件曝光了Anthropic的“巴拿马计划”，始于2024年初，旨在“破坏性扫描世界上所有书籍”。公司从二手书商采购纸质书，切掉书脊后高速扫描，纸张回收，数字副本仅供内部使用。项目规模为6个月内处理50万至200万本，花费数千万美元。

Anthropic此前因使用盗版书籍面临法律风险，2026年7月达成15亿美元和解协议，覆盖48万余部作品，但仅占其年营收470亿美元的3%。

2025年6月，美国加州北区联邦法院在Bartz诉Anthropic案中裁定：扫描合法购买的实体书用于AI训练属于“转化性合理使用”。逻辑是：书合法购买（首次销售原则），复制为数字版具转化性，数字副本未再分发。销毁原件反而强化了“替代”主张，使企业在法庭上更有利。

此后其他联邦法官在涉及OpenAI和Meta的案件中作出类似裁定。但Anthropic早年使用的盗版扫描已被认定侵权。

中间商ISBNdb公开提供AI训练数据采购服务，承诺保密，每单规模从1000本到100万本。曝光后曾删除相关页面，但很快恢复并引用判决作为法律背书。其他中间商如2077AI、Zoom Books也参与其中，但大客户身份未知。

人类历史上约1.3亿本独特书籍仅能提供30-40万亿tokens，而下一代模型需求达100万亿tokens，即使扫尽所有书也无法满足。

埃隆·马斯克要求其AI团队保留稀有书籍，非破坏性扫描。前AI高管埃德·牛顿-雷克斯称这是科技巨头与创作者权力失衡的证据。白宫科技顾问大卫·萨克斯批评Anthropic伪善：自己免费使用世界产出，却反对竞争对手用其输出训练。

书商态度复杂：经济上受益，但不喜欢稀有书籍被变成纸浆。作者群体愤怒于未经许可使用创造性劳动，而Anthropic购买的书籍作者可能已去世数十年，著作权追讨困难。