人类花了几个世纪写出来的书，正在被 AI 公司以每分钟几十本的速度拆掉。不是读，是拆。切掉书脊，送进高速工业扫描仪，变成数字文件，然后碎掉。这场隐秘的收购行动背后，是一个 AI 行业不愿公开承认的真相：互联网已经被自己污染了，最后的纯净数据，躺在旧书店的货架上。
旧书收购潮：从一本到一百万本
2026年7月，调查媒体 404 Media 披露了一则令人不安的报道：多家 AI 公司正通过数据中间商 ISBNdb 大规模收购二手图书，用于训练大语言模型，同时严格保密买家身份。
ISBNdb 自称全球最大的图书数据库，拥有超过 1.11 亿本图书的目录信息。这家原本服务于图书馆、书商和发行商的公司，如今正在将业务重心转向 AI 行业。它的官网上赫然写着：全世界最好的 AI 训练数据，正躺在书架上。它把旧书形容为密集、经过编辑、权威的素材。
订单规模惊人。据 404 Media 报道，单次采购从 1000 本到 100 万本不等。一位不愿透露姓名的职业书商表示，今年 4 月以来，他的销量出现了前所未有的增长。过去生意好的时候，一周只能卖出约 20 本书；而近几个月，每周销量已飙升至数百本，是平时的五倍。Alibris、Biblio 等二手书交易平台上的其他书商也反映出现了类似的大宗采购现象。
这些采购行为有几个异常特征：采购对象几乎全部是带有国际标准书号（ISBN）的图书；完全没有主题、类型或作者偏好，小说、教材、专业书籍一视同仁；最关键的是，买家似乎完全不在意价格，即使部分图书明显高于市场价，也会直接买下。
但这批书的下场，远比被买走更令人不安。
AI 的自我污染：为什么旧书成了最后的净土
AI 面临一个自己制造的问题：模型塌缩（model collapse）。
当一个模型用 AI 生成的内容继续训练时，每一代模型的质量都会比上一代更差。细微的语言特征消失，系统性错误累积，输出趋于同质化。这就像复印机不断复印复印件，每一张都比上一张模糊。2026 年，合成数据已占到大模型训练管道的 10% 到 30%，而公开的网络数据集中，超过 60% 来源于 Common Crawl 等开放的网页抓取。这些数据中 AI 生成内容的占比正在快速攀升，学术界已经发出警告：按照当前趋势，高质量文本数据可能在 2026 年之内耗尽。
ISBNdb 在官方博客中指出：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。这里的污染指的是两件事：一是 AI 生成内容的无意污染，二是作者主动发起的数据投毒。
作者们已经开始反击。他们利用 Nightshade 等工具，在文本中嵌入对人类阅读无影响但会让模型中毒的字符。Anthropic 联合英国 AI 安全研究所和艾伦·图灵研究所发布的研究显示，只需 250 份精心构造的恶意文档，就能在数万亿 token 的语料库中为模型植入后门，无论模型本身的规模有多大。这意味着，互联网上爬取的数据即使数量再庞大，也无法保证干净。
而纸质书，出版于 2022 年之前的纸质书，从时间线上就天然免疫。买书，保留发票，法务团队就拥有了一条完整的数据溯源链。ISBNdb 把这套逻辑包装成了一句口号：收据就是新的许可证。
巴拿马计划：两百万本书如何被吃掉
获取旧书只是第一步，更难的是如何把纸质内容变成 AI 能消化的数据。
Anthropic 的巴拿马计划（Project Panama）提供了一个标本级的案例。2024 年初，Anthropic 高管启动了一项他们试图严格保密的计划。内部文件写道：巴拿马计划是我们对全世界所有图书进行破坏性扫描的努力。我们不想让人知道我们在做这件事。
此后一年内，该公司花费了数千万美元，购买了数百万本纸质书。负责这一项目的汤姆·特维（Tom Turvey）是一位曾参与 Google Books 项目的硅谷老兵。Anthropic 切掉书脊，将散页送入高速工业扫描仪，然后销毁了物理副本。据法庭文件显示，供应商提案中标注的扫描量在 50 万到 200 万本之间，完成周期约为六个月。这些书主要通过 Better World Books 和英国 World of Books 等二手书零售商采购，每次批量数千到数万本。
Anthropic 聘请了多家专业文档扫描公司，其中 Datamation Information Services 同时提供非破坏性扫描和破坏性扫描两种服务。非破坏性扫描使用俯拍扫描仪或 V 型扫描设备，不拆解图书；破坏性扫描则直接拆开书籍，效率更高、成本更低。AI 公司普遍选择后者。
ISBNdb 的服务条款中也明确说明了这一点：大规模扫描通常会毁掉书籍。工人切掉书脊，让散页通过机器，这比小心翼翼的替代方案更快、更便宜。因此，他们提供严格保密，每笔合作都签署 NDA，买家姓名永不披露。
该公司自己的营销文案也承认：AI 公司销毁两百万本书确实不是一个能博取同情的标题。它建议客户将这一行为重新包装为数字化保存。
法律的灰色地带：买书合法，但偷书不行
这场买书-拆书-训练的链条，在法律上处于一个微妙的位置。
2025 年 6 月，联邦法官威廉·阿尔苏普（William Alsup）裁定，Anthropic 的破坏性扫描行为属于合理使用，因为训练是变革性的。他将此比作教师教学生写作。但 Anthropic 的麻烦并没有结束。同一法官认定，该公司在启动巴拿马计划之前，曾下载了一个包含 700 万本盗版图书的数据库，侵犯了作者和出版商的版权。2025 年 9 月，阿尔苏普初步批准了 Anthropic 以 15 亿美元（约合 101.62 亿元人民币）和解的提案。2026 年 7 月，法官阿拉塞莉·马丁内斯-奥尔金（Araceli Martínez-Olguin）批准了最终和解。这是美国版权案件中已知的最大和解金额，超过 91% 的作者和出版商已经领取了赔偿份额。
这组判决传递了一个清晰的信号：买书、拆书、扫描，只要书是合法购买的，法院可能不拦你。但如果你先偷了再说，代价会极其昂贵，每本侵权作品最高可判罚 15 万美元。
ISBNdb 显然读懂了这一信号。它向客户提供的核心服务之一就是溯源文档：每笔订单附带发票、批次记录和保管链材料，为法务团队提供完整的合规证据。
与此同时，谷歌也面临类似的诉讼。一个出版商联盟已对谷歌提起诉讼，指控其未经授权使用数百万本受版权保护的图书训练 Gemini AI 模型。这场官司的结果，将决定图书训练数据的法律边界到底在哪里。
盗版路线与合法路线：两种逻辑的冲突
Anthropic 的案例揭示了一个奇怪的产业逻辑。在巴拿马计划之前，该公司曾从盗版网站下载了 700 万本电子书，零成本获取了大量训练数据。但正是这些免费数据，最终让公司付出了 15 亿美元的代价。而巴拿马计划虽然成本高昂，买书、运输、扫描、销毁，每个环节都要花钱，却被法院认定为合法。
这种合法但更贵的路径，正在重塑整个 AI 训练数据的供应链。ISBNdb 的商业模式正是在这一背景下应运而生：它不生产数据，只是图书的搬运工，但搬运的是法律上干净的数据。对于估值数百亿美元的 AI 公司来说，这笔成本是划算的保险。
问题在于，这种模式能否规模化。全球每年出版的纸质书数量有限，而且其中大部分并非 2022 年之前的纯净作品。二手书市场虽然庞大，但高质量、未被数字化过的图书存量正在快速减少。当 AI 公司把旧书店的货架扫空之后，下一站是哪里？
当人类知识被锁进黑箱
这场旧书争夺战揭示了一个反讽的现实：AI 公司一边承诺让人类知识触手可及，一边在悄悄地买断、拆毁人类知识最坚实的载体。
更深层的问题在于，这些扫描后的数字内容最终进入了 AI 公司的私有数据库，仅用于训练其模型，普通公众无法访问。这意味着，公众可能获得更智能的 AI 助手，但代价是人类积累的大量知识资源正在从公共领域消失，被锁进几家公司的黑箱。
批评者还担心，在批量采购中，AI 公司是否会区分普通图书与珍贵或绝版图书。如果稀有书籍被拆毁，它们可能永久退出流通。这与图书馆的数字化使命有着本质区别：图书馆数字化是为了保存和传播，而 AI 公司的数字化是为了消耗和训练，而非保存。
Ingram，美国最大的图书分销商，已经向出版商发出警告，并提供了选择退出的方式。但问题是，当 AI 公司通过中间商匿名采购时，出版商甚至不知道自己的书被谁买走了。正如评论者 Josh Bernoff 所指出的，出版商可以选择退出，但 AI 公司找到绕过这一限制的渠道，并不困难。
还有一个更深层的悖论：即便 AI 公司今天买光了所有旧书，下一代模型训练时，还能找到纯净的数据吗？每一轮 AI 生成的文本都在污染互联网，而新一轮模型又要从这片被污染的海域中捞取训练素材。收购旧书只是延缓了模型塌缩的速度，并没有解决根本问题。当旧书也被耗尽，当二手书店的货架空空如也，AI 将不得不吞下自己制造的毒药。
当 AI 把人类写在纸上的最后一句话也吞进去之后，互联网上剩下的，就只有 AI 自己说过的话了。
快报