2024 年头，，，，，，，在美国某处的蓝图修建设计院有限公司一座客栈里，，，，，，，工人们正在做一件看起来有些希奇的事：把书一本本送进机械，，，，，，，切掉书脊，，，，，，，扫描，，，，，，，然后把剩下的纸送去接纳。 。。。 。
这些书是刚买来的，，，，，，，有些甚至是新的。 。。。 。没有人会读它们，，，，，，，它们保存的唯一目的，，，，，，，就是被销毁。 。。。 。
下令做这件事的，，，，，，，是一家叫 Anthropic 的 AI 公司。 。。。 。
在他们的内部文件里，，，，，，，这项妄想有个代号：「巴拿马项目」。 。。。 。一份妄想文件写得很直白：「这是我们以破损性方法扫描全球所有书籍的妄想，，，，，，，我们不希望外界知道我们正在做这件事。 。。。 。」
这件事最终照旧被人知道了。 。。。 。
去年，，，，，，，一名联邦法官解封了一批与版权诉讼相关的文件，，，，，，，总计凌驾 4000 页。 。。。 。外界由此看到的，，，，，，，不但是一家公司的神秘，，，，，，，而是整个 AI 行业在数据争取战中的真实面目。 。。。 。
被大模子「吃」掉的实体书
为什么这些处于手艺前沿的科技巨头，，，，，，，会用云云原始甚至粗暴的方法看待纸质书？？？？？？谜底着实藏在 AI 对高质量数据的极端渴求里。 。。。 。
Anthropic 内部很早就意识到，，，，，，，训练 AI 模子光靠网络上的内容不敷用。 。。。 。
凭证《华盛顿邮报》报道，，，，，，，一位Anthropic 团结首创人在 2023 年 1 月的文件中写道，，，，，，，用书籍训练模子，，，，，，，可以让 AI 学会「怎样写得更好」，，，，，，，而不是只会模拟质量狼籍不齐的网络语言。 。。。 。
书籍经由严酷编辑和校对，，，，，，，内容结构清晰，，，，，，，是网络文本难以替换的高质量语料。 。。。 。
这个逻辑自己并不难明确，，，，，，，但问题是，，，，，，，既然认可书籍有价值，，，，，，，为什么不付钱？？？？？？究其缘故原由，，，，，，，挨个找出书社和作者谈授权，，，，，，，费时艰辛，，，，，，，本钱也高。 。。。 。于是 Anthropic 启动了「巴拿马项目」。 。。。 。一句「不希望外界知道」，，，，，，，说明它也清晰这件事站不住脚。 。。。 。
甚至「巴拿马项目」还没启动的时间，，，，，，，Anthropic 已经实验通过另一种方法获取书籍。 。。。 。
法院文件显示，，，，，，，公司团结首创人 Ben Mann 曾在 2021 年 6 月的 11 天里，，，，，，，从一个叫 LibGen 的网站下载了大宗小说和非小说类书籍。 。。。 。LibGen 是个「影子图书馆」，，，，，，，上面的资源大多涉嫌侵权，，，，，，，文件中附带的浏览器截图显示，，，，，，，他使用文件共享软件完成了这些下载。 。。。 。
一年后，，，，，，，另一个网站 Pirate Library Mirror 于 2022 年 7 月上线，，，，，，，该网站果真宣称「在大大都国家居心违反版权法」。 。。。 。Mann 把这个网站的链接发给了其他 Anthropic 员工，，，，，，，并留言写道：「来得正是时间！� 。。。 。。 。。。 。 �
这句叹息号背后，，，，，，，是一位公司高管对一个果真认可违法的盗版网站表达的真实态度。 。。。 。
Anthropic 事后体现，，，，，，，公司从未用这些数据训练过正式宣布的商业模子。 。。。 。但这种诠释几多有些委屈，，，，，，，下载了，，，，，，，存着，，，，，，，只是「没有用在正式模子上」，，，，，，，这条线事实划在那里，，，，，，，生怕连 Anthropic 自己也说不清晰。 。。。 。
为了「巴拿马项目」，，，，，，，Anthropic 还专门约请了 Tom Turvey 来主持这项事情。 。。。 。Turvey 曾加入建设谷歌图书项目，，，，，，，谁人项目同样因大规模扫描书籍引发了长达多年的版权争议。 。。。 。Anthropic 选择这小我私家来主导这件事，，，，，，，很难说是一种巧合。 。。。 。
最终，，，，，，，Anthropic 主要依赖两家信商批量供货：
美国二手书零售商 Better World Books，，，，，，，以及总部位于英国的 World of Books，，，，，，，每次采购动辄数万册。 。。。 。内部文件还显示，，，，，，，员工曾讨论联系纽约公共图书馆，，，，，，，甚至提到可以找某家恒久资金缺乏的新图书馆。 。。。 。
采购完之后，，，，，，，整个扫描历程，，，，，，，就像一条工业流水线。 。。。 。
供应商用液压切割机把书脊整齐切掉，，，，，，，散开的书页随即被送进高速工业扫描仪，，，，，，，扫完之后，，，，，，，剩下的纸张交给接纳公司处置惩罚。 。。。 。一家加入报价的扫描效劳商在提案中写道，，，，，，，Anthropic 希望在六个月内完成 50 万到 200 万册书的数字化事情。 。。。 。
Anthropic 副总执法照料 Aparna Sridhar 回应称，，，，，，，法院已裁定 AI 训练「实质上具有转化性」，，，，，，，Anthropic 选择息争的问题在于「部分质料的获取方法，，，，，，，而不是我们是否可以使用这些质料」。 。。。 。
这套说辞在执法上也许站得住脚，，，，，，，但它同时也展现了一件事：这家公司从未以为自己做错了什么，，，，，，，只是某些手段不敷清洁。 。。。 。
拿你的书训练，，，，，，，再抢你的饭碗
同样的事情，，，，，，，也在其他公司身上爆发着，，，，，，，并且有些细节更为戏剧性。 。。。 。
针对 Meta 的诉讼文件显示，，，，，，，有员工在 2023 年直接写道：「用公司条记本举行种子下载感受不太对劲。 。。。 。」他厥后还专门向法务团队反应，，，，，，，称使用种子网站可能意味着向他人分发盗版作品，，，，，，，「这在执法上可能行欠亨。 。。。 。」
但这些记挂最终没有改变任何事情。 。。。 。
2023 年 12 月的一封内部邮件显示，，，，，，，使用 LibGen 已在「上报至 MZ」之后获批，，，，，，，MZ 指的是 CEO 马克·扎克伯格。 。。。 。邮件还坦率地写明晰他们自己都清晰的危害：「若是媒体报道体现我们使用了已知为盗版的数据集，，，，，，，这可能会削弱我们在羁系问题上的谈判态度。 。。。 。」
换句话说，，，，，，，他们不是不知道这样做差池，，，，，，，只是在权衡被抓包的价钱。 。。。 。为了降低这个危害，，，，，，，员工们特意租用亚马逊的效劳器来做种子下载，，，，，，，而不是用 Meta 自己的效劳器，，，，，，，缘故原由是阻止被追踪到 Meta 公司。 。。。 。
OpenAI 和微软同样面临图书作者的版权指控。 。。。 。OpenAI 甚至认可曾下载过 LibGen，，，，，，，但称在 ChatGPT 宣布前已删除相关文件。 。。。 。
而 AI 公司与创作者之间的版权冲突，，，，，，，并非从 Anthropic 才最先。 。。。 。
早在 2000 年月初，，，，，，，Google 就曾大规模扫描图书馆馆藏，，，，，，，同样引发了长达十年的诉讼。 。。。 。最终法院认定Google 的做法属于「合理使用」，，，，，，，由于它只提供片断摘要，，，，，，，目的是指导读者找到书，，，，，，，而不是取代书自己。 。。。 。
这个讯断在其时看来通情达理，，，，，，，却在二十年后为整个 AI 行业提供了一块挡箭牌。 。。。 。
Google 图书是个索引工具，，，，，，，而天生式 AI 直接消化书籍内容，，，，，，，然后输出文字，，，，，，，在某些情形下与作者爆发直接竞争。 。。。 。性子变了，，，，，，，但援引的执法逻辑照旧统一套，，，，，，，这自己就值得思索。 。。。 。
去年 6 月，，，，，，，联邦法官 William Alsup 裁定，，，，，，，Anthropic 用书籍训练 AI 属于正当行为，，，，，，，他将这个历程比作西席「训练学生写好文章」。 。。。 。这个比喻听起来温顺，，，，，，，但现实中的先生不会同时训练几百万个学生，，，，，，，也不会靠这些学生赚几十亿美元。 。。。 。
最终，，，，，，，Anthropic 选择支付 15 亿美元息争金，，，，，，，在 AI 版权诉讼史上创下纪录，，，，，，，但细看之下，，，，，，，账算得并不亏。 。。。 。凭证美国版权法，，，，，，，每件作品的法定赔偿上限可达 15 万美元，，，，，，，而此次息争折算下来，，，，，，，每本书约赔 3000 美元，，，，，，，仅为上限的 2%。 。。。 。
赔偿金由作者和出书商中分，，，，，，，只是，，，，，，，这一安排在创作者群体内部引发了争议。 。。。 。
不少作者以为，，，，，，，出书商在�；；；；；；；ぷ髌凡槐� AI 滥用这件事上没有起劲，，，，，，，却拿走了一半赔偿。 。。。 。更要害的是，，，，，，，息争协议并不要求 Anthropic 认可任何违法行为，，，，，，，法院对「AI 训练属于合理使用」的认定照样有用。 。。。 。
换句话说，，，，，，，Anthropic 用 15 亿美元买到的，，，，，，，不但是息争，，，，，，，尚有一份背书：我们可以继续这么做。 。。。 。有剖析人士指出，，，，，，，随着这个先例确立，，，，，，，版权侵权对 AI 公司来说已经不再是一条红线，，，，，，，而是一笔可以提前计入本钱的「过盘费」。 。。。 。
对许多写书的人来说，，，，，，，这件事意味着的远不止一张支票。 。。。 。美国作家的年收入中位数约为 2 万美元，，，，，，，而市值数千亿的 AI 公司在未获授权的情形下大宗使用他们的作品，，，，，，，事后折算的赔偿标准远低于执法上限。 。。。 。
更让人忧虑的是，，，，，，，AI 正在批量天生文字内容，，，，，，，这些低本钱的文本涌入市场，，，，，，，让原本就艰难的写作营生变得更难。 。。。 。训练 AI 用的是人写的书，，，，，，，而 AI 产出的内容，，，，，，，正在挤压人继续写书的空间，，，，，，，循环往复。 。。。 。
支持者自有另一套逻辑：AI 并不贮存书里的内容，，，，，，，而是从中提取语言纪律，，，，，，，这更像是一小我私家博览群书之后形成自己的表达。 。。。 。这个类比并非毫无原理，，，，，，，但却省略了一个要害差别：
人读了一本书，，，，，，，不会同时读一百万本；；；；；；；而 AI 在几个月内消化了人类几十年的写作积累，，，，，，，随后以极低的边际本钱无限复制输出，，，，，，，规模改变了性子，，，，，，，把两件事等同起来着实并不对理。 。。。 。
数百万册书被切开、扫描、接纳，，，，，，，最后换来一份息争协议。 。。。 。那些书，，，，，，，早已不在了。 。。。 。而 AI 还在继续写作，，，，，，，且会越来越快。 。。。 。这或许就是这件事最让人担心的地方：关于书被销毁，，，，，，，被肆意用来训练 AI 这件事，，，，，，，没有人真正支付了价钱。 。。。 。
附上参考地点：https:/蓝图修建设计院有限公司/www.washingtonpost.com/technology/2026/01/27/anthropic-ai-scan-destroy-books/