当书被切开、扫描、喂进模型，知识正在被重新分配

导语

“AI 焚书”这个词，听起来很像科幻小说标题。一个巨大的模型站在图书馆中央，身后是发光的服务器，面前是一排排被吞进去的书。火光不再是红色，而是冷蓝色的数据流。但这件事并不完全是想象。最近围绕 Anthropic 的一起版权诉讼，把一个 2024 年启动的内部项目推到了公众面前：Project Panama，中文可以叫“巴拿马计划”。

它最刺眼的地方，不是 Anthropic 训练 AI 用了书。真正刺眼的是，据法院文件和媒体报道，Anthropic 为了构建训练资料库，大规模购买纸质图书，拆掉书脊，扫描成数字文件，然后把这些纸书处理掉。也就是说，书从“可以被阅读、借阅、收藏、流通的实体”，变成了“模型训练管线里的原材料”。

这就让“AI 焚书”这个词变得很复杂。它不是古代那种把书烧成灰的焚书。它更像一种现代版本：书没有被火烧掉，而是被数据化、私有化、消化进模型里，然后原来的书本身消失了。这件事到底意味着什么？

它意味着 AI 时代对知识的需求，已经不只是“读书”，而是开始把整个人类知识体系当成燃料。

配图 1：所谓 AI 焚书，不是火焰烧毁纸张，而是书被数据化并流向模型。

一、先说清楚：巴拿马计划到底是什么

按照公开报道和法院材料，Project Panama 是 Anthropic 在 2024 年启动的一个内部项目。它的目标并不神秘：为 Claude 等模型训练准备大量高质量文本。问题在于它的做法。Anthropic 被报道购买了大量纸质图书，包括二手书和库存书，然后通过破坏性扫描的方式把它们转成数字文本。所谓破坏性扫描，就是把书脊切掉，把页面送进高速扫描设备。这样效率高、成本低、方便 OCR，但代价也很明显：书基本不再是原来的书。

听起来是不是很像办公室里处理厚资料？以前我们是“把合同拆了扫成 PDF”，现在 AI 公司是“把图书拆了喂给模型”。从技术角度看，这套逻辑很好理解。大模型需要大量高质量文本，网络上的内容虽然多，但质量参差不齐，重复、垃圾、广告、低质搬运都很多。相比之下，出版书籍经过作者、编辑、出版社层层处理，语言更完整，结构更稳定，知识密度更高。

对模型来说，书就是上好的饲料。这话听着不好听，但很接近事实。AI 不是像人一样坐在窗边慢慢读书。它不是在某个下午喝着咖啡翻完一本小说，然后产生人生感悟。它是在数据中心里，把文本拆成 token，把句子变成统计关系，把整本书融进参数更新和训练样本里。

所以 Project Panama 最让人不适的地方在于：它把“读书”这件事，变成了“吞书”。

配图 2：巴拿马计划的刺眼之处，在于书从阅读对象变成训练管线原料。

二、为什么它会被叫成“AI 焚书”

严格说，Anthropic 不是把书烧了。它更像是把书切开、扫描、数字化，然后让纸质书退出流通。但为什么很多人还是会把它和“焚书”联系在一起？

因为它触碰到了书的象征意义。书不只是纸张。一本书是作者劳动、编辑判断、出版体系、读者记忆和公共文化的一部分。它可以在书店被买走，可以在图书馆被借阅，可以从一个人手里传到另一个人手里。它的价值不只在内容，也在流通。

而破坏性扫描改变了这件事。书被买下的那一刻，仍然是商品；被拆开的那一刻，它开始变成原料；被扫描进模型的那一刻，它进入了一个普通读者无法进入的黑箱。过去书的命运是被阅读。现在书的命运可能是被训练。

这就是“AI 焚书”的隐喻：不是知识消失了，而是知识换了一种存在方式，而且这种方式不再由读者、作者、图书馆和公共文化共同决定，而是由少数 AI 公司、模型管线和商业目标决定。以前焚书，是为了让人看不到。今天的“AI 焚书”，反而是为了让机器看得太多。这才是它最吊诡的地方。

三、法律上的荒诞：买来的书，能不能喂给 AI？

这件事最有争议的部分，还不是“买书扫描”本身，而是法律怎么判断。在相关诉讼中，法院对不同来源的数据给出了不同态度。简单说，法官认为 Anthropic 使用购买来的书进行训练，在某些条件下可能构成合理使用；但如果是来自盗版库的书，则问题完全不同。这就出现了一个很微妙的局面。

如果一本书是盗版来的，拿去训练模型，问题很大。如果一本书是买来的，拆掉扫描，拿去训练模型，法律评价可能就变得复杂。普通人听到这里，脑子大概会卡一下：所以我买一本书，是不是也能把它切了、扫了、训练一个“小区门口煎饼摊大模型”？

当然，现实没这么简单。法律讨论的是合理使用、转换性使用、市场影响、购买渠道、训练用途、作品替代性等一堆复杂问题。它不是一句“买了就随便用”，也不是一句“训练就一定侵权”。

但公众的不适感并不难理解。因为在普通人的直觉里，买书通常意味着我可以买来读、收藏、送人、二手转卖。它不天然意味着我可以把作者几十年的经验拆成训练材料，再用训练出来的模型去提供商业服务。

这就是 AI 时代版权问题最麻烦的地方。旧规则是围绕“人怎么阅读、复制、传播作品”建立的。新问题却是“机器如何吸收、压缩、重组作品”。当阅读者从人变成模型，很多旧概念都开始摇晃。

四、真正的问题：知识正在从公共空间进入模型黑箱

如果 Project Panama 只是“买书扫描”，它已经足够有争议。但更深的问题是：这些书被扫描之后，进入了哪里？

它们没有进入一个人人可访问的公共图书馆。它们进入了模型训练体系，变成了一家商业公司的能力。这就是最值得警惕的地方。很多书本来可以在公共空间里流通。一本旧书可以被买走，可以被捐给图书馆，可以被二手转卖，可以被另一个读者在很多年后偶然翻到。

但当它被拆解、扫描、训练、处理掉，它原本的流通生命就结束了。知识并没有消失，但它变成了模型能力的一部分。这个能力由谁控制？

由公司控制。谁能访问？取决于产品、订阅、API、权限和价格。谁能知道模型到底从哪些书里学到了什么？大多数时候，不知道。这就是“AI 焚书”最现代的意味：书不是被禁止了，而是被吸收了；知识不是被毁灭了，而是被封装了；公共文化不是被明火焚烧，而是被转化成私有模型能力。

这比传统焚书更难让人警惕。因为它看起来甚至很先进。它不冒烟，不留灰，不需要广场，只需要扫描仪、存储、训练集和服务器。

配图 3：知识没有消失，但进入了更难追溯的模型黑箱。

五、AI 公司为什么这么饥饿

站在 AI 公司的角度，它们为什么要这么做？原因也不难理解：高质量数据越来越稀缺。大模型早期吃的是互联网。网页、论坛、百科、代码、论文、问答、新闻、社交媒体，只要能抓，几乎都被纳入过训练视野。但越往后，模型越大，数据越多，能用的新鲜高质量文本反而越来越难找。网络上充斥着重复内容、垃圾内容、营销内容，还有大量 AI 生成内容。模型如果继续吃这些东西，就有点像人天天吃预制菜还想练成顶级运动员，不能说完全不行，但身体迟早会抗议。

于是书重新变得珍贵。书是慢知识。它通常经过写作、编辑、校对、出版，有结构、有观点、有上下文。它不像短视频评论区那样五秒一场大战，也不像信息流那样热闹但碎。对大模型来说，书是非常适合学习语言、叙事、推理、专业知识和世界经验的材料。问题是，AI 公司越需要书，书就越容易从“人类阅读对象”变成“机器训练燃料”。

这不是 Anthropic 一家的问题。这是整个大模型行业的胃口问题。当模型越来越大，商业竞争越来越激烈，高质量数据就变成了新的资源矿。以前抢的是算力。后来抢的是工程师。现在抢的是人类留下来的高质量文本。

六、这对作者意味着什么

对作者来说，这件事更刺痛。写一本书不是复制粘贴。一本书背后可能是几年研究、几十次采访、无数次修改、长期经验和个人表达。作者把这些东西写成书，卖给读者，进入市场和公共文化空间。结果到了 AI 时代，它可能被买走、拆掉、扫描、训练，然后成为某个模型回答问题、写文章、做总结、生成内容的能力来源。

作者未必知道。作者未必同意。作者也未必能获得新的收益。这就是为什么很多创作者对 AI 训练很敏感。他们不是单纯反对技术进步。他们真正担心的是：自己的作品变成了 AI 公司的原材料，但自己被排除在价值分配之外。更微妙的是，AI 模型训练完之后，可能反过来进入创作者所在的市场。

它能写小说，能写评论，能写科普，能写商业文案，能模仿风格，能快速生成大量内容。这会让作者感到一种很奇怪的循环：我的作品训练了你。你又回来和我竞争。这不是简单的“学习”。这是一种产业级别的再生产。

配图 4：创作者的作品被吸收进模型后，可能反过来进入同一个内容市场。

七、这对普通人意味着什么

可能有人会说：这事离我很远，我又不是作家，也不是出版社老板。但其实不远。因为普通人也是知识生态的一部分。你读的书、看的文章、写的帖子、发的评论、做的教程、上传的文档，都可能成为 AI 时代的数据。过去我们以为，自己只是内容消费者。现在我们慢慢发现，自己也是数据生产者。

你在网上留下的每一句话，都可能进入某个模型的训练、评测、微调、检索或产品改进流程。这不是说我们以后都要停止表达。那就太悲观了。但我们至少要意识到，AI 时代的核心资源不只是芯片和算法，还有人类长期积累的表达、经验和知识。当这些东西被商业模型吸收之后，普通人得到的可能是更好用的工具，也可能是更高的订阅费、更强的信息依赖，以及一个越来越难看清来源的知识黑箱。

所以“AI 焚书”不是一个只属于出版业的故事。它是在提醒我们：知识进入 AI 之后，权力结构变了。以前你面对的是一本书。现在你面对的是一个模型。书会告诉你作者是谁、出版社是谁、参考文献在哪里。模型常常只给你一个答案。它像知道很多，但不一定告诉你它从哪里知道。

八、不要把问题简单化成“AI 邪恶”

写到这里，也不能把问题简单化。AI 公司需要数据，这是真的。高质量书籍对模型有价值，这也是真的。AI 工具确实能提高很多人的效率，这还是事实。如果我们只喊一句“AI 焚书，科技完蛋”，那很容易变成情绪宣泄。真正的问题不是 AI 能不能读书。真正的问题是：AI 读书的边界在哪里？作者是否被尊重？版权如何处理？公共知识是否会被私有化？训练数据是否应该更透明？模型公司能不能在技术效率之外，承担文化责任？

这才是 Project Panama 留给我们的关键问题。不是“要不要 AI”。而是“AI 如何进入人类知识体系”。它是像图书馆一样扩展知识，还是像矿场一样开采知识？

它是让更多人接触知识，还是把知识压缩进少数平台的黑箱？它是帮助作者获得新机会，还是把作者变成隐形燃料？这些问题，比一句“AI 又进化了”更重要。

九、结尾：真正被烧掉的，可能不是书

所以，“AI 焚书”到底意味着什么？它当然不是传统意义上的烧书。没有火堆，没有灰烬，也没有人在广场上高喊口号。但它确实让我们看见了 AI 时代一种新的危险：书还在，知识还在，文本还在，可它们存在的位置变了。它们从书架上进入服务器。从公共流通进入商业模型。从作者署名进入参数黑箱。

从读者慢慢阅读，变成机器高速吸收。这就是它让人不安的地方。真正被烧掉的，可能不是书本身。而是我们过去对知识的那种朴素想象：书属于作者，也属于读者；知识可以流通，可以追溯，可以共享，可以在公共空间里慢慢生长。AI 时代当然不会停止。模型会继续训练，公司会继续竞争，数据会继续被寻找。

但我们至少应该在技术狂奔的时候问一句：如果整个人类的知识都要被喂进机器，那机器吐出来的价值，应该只属于少数公司吗？

这才是“AI 焚书”真正的意味。不是书被烧了。而是知识正在被重新分配。

公众号摘要