文章核心观点 文章通过拟人化一本书的视角，揭示了AI公司Anthropic为训练模型而大规模采购、破坏性扫描并销毁数百万册纸质书的“Project Panama”项目，指出这一行为在追求信息高效数字化的同时，牺牲了书籍的物理实体，并意外地在版权诉讼中成为其有利的法律证据，最终引发了对文化保存与AI数据获取之间矛盾的思考 Anthropic的“Project Panama”项目 - Anthropic正在建立一座庞大的研究资料库，目标是获得“世界上所有的书”，书籍进入资料库后会被建立书目和ISBN信息，再由工程师从中选择不同的集合放进不同模型的训练数据[14] - 2024年，Anthropic聘请曾参与Google Books项目的Tom Turvey，开始大规模采购纸书，公司花费数千万美元购入数百万本书，其中许多来自二手市场，再交给服务商拆解、裁切和扫描[26] - 内部材料将该项目命名为“Project Panama”，项目书将其形容为“破坏性扫描世界上所有的书”，同时要求员工不要对外谈论，某份供应商方案预计仅用六个月便可处理50万至200万本书[26] - 工作人员将书籍放在液压裁切机下，切掉书脊，使平整的散页可以直接进入高速馈纸扫描仪，像普通办公文件一样连续完成双面扫描[17][24] - 破坏性扫描是高吞吐量数字化的一条常规生产线，面对几十万甚至数百万本书，速度和成本的差距足以决定整个项目能否执行[22][24] 图书数据的用途与存储 - 无论来自购买扫描还是来自Books3、LibGen、PiLiMi等盗版书库，图书首先都会进入一个中央“研究资料库”[29] - Anthropic计划把这些文件永久保存，即便已经确定某本书不会再用于模型训练，也没有必要删除[32] - 训练只是这座资料库的用途之一，两个模型采用的纸书来源子集都只占所有扫描图书的一小部分，工程师会根据语言、主题、作者等信息挑选不同的图书子集，再复制成某一代模型的数据组合[32] - 一本书可能付出了书脊、装订和整个物理身体，最后却从未进入任何完整模型的训练，它只是被永久保存在企业内部，等待一种尚未发生、甚至永远不会发生的用途[33] - Anthropic要建造的是一座来源混杂、用途开放并且准备永久保留的私人数字图书馆，模型训练只是捎带手做一下[34] 版权诉讼与法律论证 - 作家Andrea Bartz等人在2024年起诉Anthropic，指控公司未经许可复制其作品[36] - 法官认为Claude学习书中的语言和表达方式是为了生成新的文本，而不是向公众提供原书的替代品，因此这一用途具有高度转换性，可以构成合理使用[39] - 把合法购买的纸书扫描成数字文件，最关键的一环是原书已经被销毁，Anthropic每买入一本纸书就用一份内部PDF取代它，从副本数量来看“没有从一本变成两本”，而是让一个数字副本替换了一个纸质副本[40] - 在法院看来，销毁反而能够证明世界上没有凭空多出第二个副本，这成了Anthropic最有利的证据[40] - Anthropic曾从Books3、LibGen和PiLiMi获得超过700万本盗版书，并将它们收入准备永久保存的中央资料库[44] - 这些电子文件没有遭受任何物理伤害，却因为取得方式不同，不能自动得到合理使用的保护，Anthropic会受罚仅仅是因为下载了盗版书[46] - 2026年7月，法院正式批准Anthropic以15亿美元了结盗版书库相关的集体诉讼[46] 实体书采购产业链的形成 - 判决发布后，404 Media调查发现一条面向AI公司的实体书采购产业正在形成，ISBNdb等服务商可以一次帮助匿名客户采购1000本至100万本书，并特别强调2022年以前的纸书尚未受到AI生成内容污染，是更加“干净”的训练材料[48] - 一些欧洲书商也发现绝版、外文和冷门专业书开始收到反常的大宗订单[49] - 休斯顿一家二手书店收到一份70本冷门书籍的订单，迫使其暂停了所有线上销售[50] - 这些大宗订单购买的书籍大多来自图书馆的藏书注销等渠道，而非书店库存，书籍类型包括《丹佛都市区内幕指南》(1995年版)和1991年版WordPerfect使用手册等冷门但不珍贵的书籍[52] - 有证据表明存在资金雄厚的公司利用算法套利，低价或缺货的书籍被收购后，再以更高的价格重新上架亚马逊，这些书籍被送到亚马逊物流的预处理公司，是准备转售而非拆解[53][54] - 那些无法通过亚马逊物流售出的书籍最终会被清算，可能导致一些书籍的最后几本被送进一个可能永远无法取回的平台[55] 对文化保存的影响 - 许多书籍在互联网上几乎没有元数据，只是分散在专有数据库中的零散列表，然后就没有了[56] - Project Panama展示了一条可以被复制的路线：在数字资料越来越昂贵、混杂甚至受到AI内容污染之后，公司可以回到实体世界，购买纸书，拆除装订，把它们重新转化为机器可以处理的数据[57] - 这种保存建立在一个奇怪的交换之上：文字获得“数字永生”，书的身体则成为一次性耗材，信息被永久留在企业的资料库里，原本可以从公共书架上取下的那一本书却不复存在[60]