2024 年初，在美國(guó)某處的一座倉(cāng)庫(kù)里，工人們正在做一件看起來(lái)有些奇怪的事：把書一本本送進(jìn)機(jī)器，切掉書脊，掃描，然后把剩下的紙送去回收。

這些書是剛買來(lái)的，有些甚至是新的。沒(méi)有人會(huì)讀它們，它們存在的唯一目的，就是被銷毀。

下令做這件事的，是一家叫 Anthropic 的 AI 公司。

在他們的內(nèi)部文件里，這項(xiàng)計(jì)劃有個(gè)代號(hào)：「巴拿馬項(xiàng)目」。一份規(guī)劃文件寫得很直白：「這是我們以破壞性方式掃描全球所有書籍的計(jì)劃，我們不希望外界知道我們正在做這件事。」

這件事最終還是被人知道了。

去年，一名聯(lián)邦法官解封了一批與版權(quán)訴訟相關(guān)的文件，總計(jì)超過(guò) 4000 頁(yè)。外界由此看到的，不只是一家公司的秘密，而是整個(gè) AI 行業(yè)在數(shù)據(jù)爭(zhēng)奪戰(zhàn)中的真實(shí)面目。

被大模型「吃」掉的實(shí)體書

為什么這些處于技術(shù)前沿的科技巨頭，會(huì)用如此原始甚至粗暴的方式對(duì)待紙質(zhì)書？答案其實(shí)藏在 AI 對(duì)高質(zhì)量數(shù)據(jù)的極度渴求里。

Anthropic 內(nèi)部很早就意識(shí)到，訓(xùn)練 AI 模型光靠網(wǎng)絡(luò)上的內(nèi)容不夠用。

根據(jù)《華盛頓郵報(bào)》報(bào)道，一位Anthropic 聯(lián)合創(chuàng)始人在 2023 年 1 月的文件中寫道，用書籍訓(xùn)練模型，可以讓 AI 學(xué)會(huì)「如何寫得更好」，而不是只會(huì)模仿質(zhì)量參差不齊的網(wǎng)絡(luò)語(yǔ)言。

書籍經(jīng)過(guò)嚴(yán)格編輯和校對(duì)，內(nèi)容結(jié)構(gòu)清晰，是網(wǎng)絡(luò)文本難以替代的高質(zhì)量語(yǔ)料。

這個(gè)邏輯本身并不難理解，但問(wèn)題是，既然承認(rèn)書籍有價(jià)值，為什么不付錢？究其原因，挨個(gè)找出版社和作者談授權(quán)，費(fèi)時(shí)費(fèi)力，成本也高。于是 Anthropic 啟動(dòng)了「巴拿馬項(xiàng)目」。一句「不希望外界知道」，說(shuō)明它也清楚這件事站不住腳。

甚至「巴拿馬項(xiàng)目」還沒(méi)啟動(dòng)的時(shí)候，Anthropic 已經(jīng)嘗試通過(guò)另一種方式獲取書籍。

法院文件顯示，公司聯(lián)合創(chuàng)始人 Ben Mann 曾在 2021 年 6 月的 11 天里，從一個(gè)叫 LibGen 的網(wǎng)站下載了大量小說(shuō)和非小說(shuō)類書籍。LibGen 是個(gè)「影子圖書館」，上面的資源大多涉嫌侵權(quán)，文件中附帶的瀏覽器截圖顯示，他使用文件共享軟件完成了這些下載。

一年后，另一個(gè)網(wǎng)站 Pirate Library Mirror 于 2022 年 7 月上線，該網(wǎng)站公開(kāi)宣稱「在大多數(shù)國(guó)家故意違反版權(quán)法」。Mann 把這個(gè)網(wǎng)站的鏈接發(fā)給了其他 Anthropic 員工，并留言寫道：「來(lái)得正是時(shí)候！！！」

這句感嘆號(hào)背后，是一位公司高管對(duì)一個(gè)公開(kāi)承認(rèn)違法的盜版網(wǎng)站表達(dá)的真實(shí)態(tài)度。

Anthropic 事后表示，公司從未用這些數(shù)據(jù)訓(xùn)練過(guò)正式發(fā)布的商業(yè)模型。但這種解釋多少有些勉強(qiáng)，下載了，存著，只是「沒(méi)有用在正式模型上」，這條線究竟劃在哪里，恐怕連 Anthropic 自己也說(shuō)不清楚。

為了「巴拿馬項(xiàng)目」，Anthropic 還專門聘請(qǐng)了 Tom Turvey 來(lái)主持這項(xiàng)工作。Turvey 曾參與創(chuàng)建谷歌圖書項(xiàng)目，那個(gè)項(xiàng)目同樣因大規(guī)模掃描書籍引發(fā)了長(zhǎng)達(dá)多年的版權(quán)爭(zhēng)議。Anthropic 選擇這個(gè)人來(lái)主導(dǎo)這件事，很難說(shuō)是一種巧合。

最終，Anthropic 主要依賴兩家書商批量供貨：

美國(guó)二手書零售商 Better World Books，以及總部位于英國(guó)的 World of Books，每次采購(gòu)動(dòng)輒數(shù)萬(wàn)冊(cè)。內(nèi)部文件還顯示，員工曾討論接洽紐約公共圖書館，甚至提到可以找某家長(zhǎng)期資金不足的新圖書館。

采購(gòu)?fù)曛?，整個(gè)掃描過(guò)程，就像一條工業(yè)流水線。

供應(yīng)商用液壓切割機(jī)把書脊整齊切掉，散開(kāi)的書頁(yè)隨即被送進(jìn)高速工業(yè)掃描儀，掃完之后，剩下的紙張交給回收公司處理。一家參與報(bào)價(jià)的掃描服務(wù)商在提案中寫道，Anthropic 希望在六個(gè)月內(nèi)完成 50 萬(wàn)到 200 萬(wàn)冊(cè)書的數(shù)字化工作。

Anthropic 副總法律顧問(wèn) Aparna Sridhar 回應(yīng)稱，法院已裁定 AI 訓(xùn)練「本質(zhì)上具有轉(zhuǎn)化性」，Anthropic 選擇和解的問(wèn)題在于「部分材料的獲取方式，而不是我們是否可以使用這些材料」。

這套說(shuō)辭在法律上也許站得住腳，但它同時(shí)也揭示了一件事：這家公司從未認(rèn)為自己做錯(cuò)了什么，只是某些手段不夠干凈。

拿你的書訓(xùn)練，再搶你的飯碗

同樣的事情，也在其他公司身上發(fā)生著，而且有些細(xì)節(jié)更為戲劇性。

針對(duì) Meta 的訴訟文件顯示，有員工在 2023 年直接寫道：「用公司筆記本進(jìn)行種子下載感覺(jué)不太對(duì)勁?！顾髞?lái)還專門向法務(wù)團(tuán)隊(duì)反映，稱使用種子網(wǎng)站可能意味著向他人分發(fā)盜版作品，「這在法律上可能行不通?！?/p>

但這些顧慮最終沒(méi)有改變?nèi)魏问虑椤?/p>

2023 年 12 月的一封內(nèi)部郵件顯示，使用 LibGen 已在「上報(bào)至 MZ」之后獲批，MZ 指的是 CEO 馬克·扎克伯格。郵件還坦率地寫明了他們自己都清楚的風(fēng)險(xiǎn)：「如果媒體報(bào)道暗示我們使用了已知為盜版的數(shù)據(jù)集，這可能會(huì)削弱我們?cè)诒O(jiān)管問(wèn)題上的談判立場(chǎng)?！?/p>

換句話說(shuō)，他們不是不知道這樣做不對(duì)，只是在權(quán)衡被抓包的代價(jià)。為了降低這個(gè)風(fēng)險(xiǎn)，員工們特意租用亞馬遜的服務(wù)器來(lái)做種子下載，而不是用 Meta 自己的服務(wù)器，原因是避免被追蹤到 Meta 公司。

OpenAI 和微軟同樣面臨圖書作者的版權(quán)指控。OpenAI 甚至承認(rèn)曾下載過(guò) LibGen，但稱在 ChatGPT 發(fā)布前已刪除相關(guān)文件。

而 AI 公司與創(chuàng)作者之間的版權(quán)沖突，并非從 Anthropic 才開(kāi)始。

早在 2000 年代初，Google 就曾大規(guī)模掃描圖書館館藏，同樣引發(fā)了長(zhǎng)達(dá)十年的訴訟。最終法院認(rèn)定Google 的做法屬于「合理使用」，因?yàn)樗惶峁┢握康氖且龑?dǎo)讀者找到書，而不是取代書本身。

這個(gè)判決在當(dāng)時(shí)看來(lái)合情合理，卻在二十年后為整個(gè) AI 行業(yè)提供了一塊擋箭牌。

Google 圖書是個(gè)索引工具，而生成式 AI 直接消化書籍內(nèi)容，然后輸出文字，在某些情況下與作者產(chǎn)生直接競(jìng)爭(zhēng)。性質(zhì)變了，但援引的法律邏輯還是同一套，這本身就值得思考。

去年 6 月，聯(lián)邦法官 William Alsup 裁定，Anthropic 用書籍訓(xùn)練 AI 屬于合法行為，他將這個(gè)過(guò)程比作教師「訓(xùn)練學(xué)生寫好文章」。這個(gè)比喻聽(tīng)起來(lái)溫和，但現(xiàn)實(shí)中的老師不會(huì)同時(shí)訓(xùn)練幾百萬(wàn)個(gè)學(xué)生，也不會(huì)靠這些學(xué)生賺幾十億美元。

最終，Anthropic 選擇支付 15 億美元和解金，在 AI 版權(quán)訴訟史上創(chuàng)下紀(jì)錄，但細(xì)看之下，賬算得并不虧。按照美國(guó)版權(quán)法，每件作品的法定賠償上限可達(dá) 15 萬(wàn)美元，而此次和解折算下來(lái)，每本書約賠 3000 美元，僅為上限的 2%。

賠償金由作者和出版商平分，只是，這一安排在創(chuàng)作者群體內(nèi)部引發(fā)了爭(zhēng)議。

不少作者認(rèn)為，出版商在保護(hù)作品不被 AI 濫用這件事上沒(méi)有盡力，卻拿走了一半賠償。更關(guān)鍵的是，和解協(xié)議并不要求 Anthropic 承認(rèn)任何違法行為，法院對(duì)「AI 訓(xùn)練屬于合理使用」的認(rèn)定照樣有效。

換句話說(shuō)，Anthropic 用 15 億美元買到的，不只是和解，還有一份背書：我們可以繼續(xù)這么做。有分析人士指出，隨著這個(gè)先例確立，版權(quán)侵權(quán)對(duì) AI 公司來(lái)說(shuō)已經(jīng)不再是一條紅線，而是一筆可以提前計(jì)入成本的「過(guò)路費(fèi)」。

對(duì)許多寫書的人來(lái)說(shuō)，這件事意味著的遠(yuǎn)不止一張支票。美國(guó)作家的年收入中位數(shù)約為 2 萬(wàn)美元，而市值數(shù)千億的 AI 公司在未獲授權(quán)的情況下大量使用他們的作品，事后折算的賠償標(biāo)準(zhǔn)遠(yuǎn)低于法律上限。

更讓人憂慮的是，AI 正在批量生成文字內(nèi)容，這些低成本的文本涌入市場(chǎng)，讓原本就艱難的寫作謀生變得更難。訓(xùn)練 AI 用的是人寫的書，而 AI 產(chǎn)出的內(nèi)容，正在擠壓人繼續(xù)寫書的空間，循環(huán)往復(fù)。

支持者自有另一套邏輯：AI 并不儲(chǔ)存書里的內(nèi)容，而是從中提取語(yǔ)言規(guī)律，這更像是一個(gè)人博覽群書之后形成自己的表達(dá)。這個(gè)類比并非毫無(wú)道理，但卻省略了一個(gè)關(guān)鍵差異：

人讀了一本書，不會(huì)同時(shí)讀一百萬(wàn)本；而 AI 在幾個(gè)月內(nèi)消化了人類幾十年的寫作積累，隨后以極低的邊際成本無(wú)限復(fù)制輸出，規(guī)模改變了性質(zhì)，把兩件事等同起來(lái)其實(shí)并不合理。

數(shù)百萬(wàn)冊(cè)書被切開(kāi)、掃描、回收，最后換來(lái)一份和解協(xié)議。那些書，早已不在了。而 AI 還在繼續(xù)寫作，且會(huì)越來(lái)越快。這大概就是這件事最讓人不安的地方：對(duì)于書被銷毀，被肆意用來(lái)訓(xùn)練 AI 這件事，沒(méi)有人真正付出了代價(jià)。

附上參考地址：
https://www.washingtonpost.com/technology/2026/01/27/anthropic-ai-scan-destroy-books/