数字焚书！为了训 AI，硅谷公司正在批量销毁实体书

硅谷这帮搞 AI 的人最近已经丧心病狂了啊，为了训练 AI，直接搞起了“数字时代的焚书”，甚至有一份规划文件直截了当的就说要破坏性的扫描世界上的每一本书。现在推特上已经讨论疯了，短短一天一千万的阅读量。

大家之所以那么气愤，是因为很多硅谷的 AI 大厂现在都在疯狂购买稀有的纸质书籍，用于训练 AI。他们会直接切开书脊，把书变成散落的纸张，这样机器才能比较容易的自动扫描，扫描之后把它转成文字，然后原版纸质书就直接被销毁掉了。一次订单少则 1000 本，多则 100 多万本。成千上万的珍贵书籍就这样直接变成了废纸。这个任务还有一个很浪漫的口号，说的是“世界上最好的 AI 训练数据，就放在书架上。”

那他们如此大动干戈的原因很简单，因为现在 AI 生成的内容已经占据了互联网的半壁江山。硅谷的 AI 公司已经把全世界能用的训练数据几乎都用了，现在如果继续读网络上的新数据的话，很有可能独到的就是 AI 自己生成的。就像一个复印件一直反复复印一样，噪点会越来越多，错误会一遍遍留下来。这个时候，2022 年以前出版的纸质书突然变得特别珍贵。因为这些书出版的时候，ChatGPT 还没诞生。书上的文字，都是人一个字一个字思考、写出来的，所以对于这帮 AI 公司来说，这些书简直就像沙漠里的水一样宝贵。

干这件事最积极的公司之一就是 Anthropic，我之前视频里多次讲过这家公司，早在 2024 年，Anthropic 的 Tom 就接到了一个特别的任务，就是获得世界上所有的书。那为了得到纯净的人类表达，他们又不想花太多时间，索性直接把这些书切开，用机器一页一页地读取。在接下来一年里，Anthropic 花费了数千万美元去购买、切割并扫描了数百万本书。于是，一卡车接一卡车的书被送进去，被读取完后，就直接从世界上消失。更离谱的是，这样暴力破坏书籍的行为，竟然还是合法的。2025 年 6 月，联邦法官威廉就在一起起诉 Anthropic 的案件中裁定，Anthropic 合法购买纸质书后，将其一对一转换成内部数字副本，并销毁原件，这没有额外增加书的副本数量，版权上没有问题，只是一种格式转换，构成合理使用。

但这真的只是一种格式转换吗？纸质书就算只属于某一个主体，但他会传播，会继承，会转赠，会在几十年上百年之后不经意间落入到需要的人的手中。而转换后的电子版却变成了 Anthropic 公司的私有财产。这些书也许躲过了战争、火灾甚至几代人的搬迁。最后，却没能躲过一张批量采购表。这种操作让类似 Fable 5 这样的模型变得极其强大，所以我根本不反对 AI 阅读书籍，但真正让我无法接受的是，我们明明能同时留下知识和原件，却为了便宜一点、快一点，选择了最不可逆的方式。要知道狠多的是尤其是小众书，是早就绝版了的，当你把纸质书破坏掉，除了这家公司之外，很多人类的印记可能就真的从此消失了。再怎么着，稀有书和绝版书应该禁止破坏式扫描，而保留这些纸质书也应该是 AI 公司的社会责任。

这件事真正可怕的地方不是少了几本书，而是当很多小众书的原始记录全部消失以后，人们再也拿不出任何东西，去反驳那个被 AI 生成出来的版本。当历史原件被销毁，数字副本被锁进私人服务器，我们理解过去的入口，就会一点点集中到少数掌握模型和数据的人手里。用人工智能来重写历史，当然是一句夸张的话。但如果还任由这些AI公司胡作非为，这一天说不定真的会来。