液压切割机和“巴拿马项目”

“咔嚓。”

伴随着沉重的机械轰鸣声，锋利的钢刀在旧书的书脊旁瞬间切下。

就这样，一本厚重的在某东欧国家的图书馆静静躺了几个世纪的硬皮书籍，被这样整齐的把书脊切掉。

书页就像是几百张泛黄的扑克牌一样散落下来。随后这些书籍被自动的传送给高速馈纸扫描仪（自动进纸、双面速扫、智能矫正）。几分钟的时间，这本书就化作了服务器里的0和1。

而失去了书脊的书脊，变成了废纸一样的散页，就像是抽掉龙骨的巨龙，只剩下巨身和龙爪，再也无法腾空，像软泥一样成吨的被塞入卡车，送向工厂，在刺鼻的化学药剂的作用下被搅碎，融化为普通的纸浆。

上述的野蛮的高速工业化的操作流程，在AI业界有一个术语，叫做“破坏性扫描（Destructive Scanning）”。

这种人类智慧结晶的破坏行为可不是不入流的小公司的动作。根据华盛顿邮报和美国联邦法庭公开文件的披露和解密了一份4000多页的内部文件显示，这正是Anthropic内部的一项名叫“巴拿马计划”的保密项目。这个保密项目的目标令人内心一颤，一位Anthropic的高管在邮件中恐怖的写到：“毁灭性地扫描全球所有书籍”（destructively scan all the books in the world），以此来训练其大语言模型 Claude。记住，我们绝对不能让外界知道我们在做这件事。”

Anthropic为了训练更加智能的模型，互联网上的高质量语料已经爬的差不多了。他们决定希望从没有被AI污染过的线下书籍入手，他们认为2022年前出版的书籍是黄金训练素材。于是他们全球疯狂扫货，斥资千万美金在Better World Books、World of Books 等二手书商及数据库平台秘密成吨购买数百万册实体书。然后使用上述的液压切割机强行去掉书籍，扫描，最后全部销毁，化为纸浆。

有几个问题也许你感兴趣：

大模型公司为什么最早盯上的是“东欧”？

因为东欧国家（例如波兰、罗马尼亚、匈牙利等）在冷战时期积累了很多多语言的著作和学术文献，工程技术手册，而且这些资料都是没有线上化的。而且东欧的图书馆大多是陷入在财政危机当中，硅谷的模型大厂可以成吨的低廉价格来购得这些书籍（几十万册这个量级）。而且相对于西欧（如德国法国等），东欧的监管相对放松，对于转移数字化的法律相对盲区更大，让这些书籍贩卖的二道贩子公司的法律风险减轻。

古书的知识是陈旧的，为什么大模型公司盯上这些？

首先他们盯上的根本不是知识本身，而是没有被AI污染过的信息。因为我们知道如今互联网上充斥着AI加工出来的内容，如果继续使用这些互联网数据来训练模型，会出现模型的“近亲繁殖”现象，会产生模型坍塌（Model Collapse），让模型的智商越来越低。

而这些古书有的是长句语法，复杂的修辞和多门冷门的语言之间的互相翻译，虽然书中的地理信息和观点是过时的，但是这对于模型训练语言流畅度、文本理解力和强大的推理能力是非常有好处的。

而且还可以补充一些冷门的视角来补充模型，例如一些区域民俗、地方方言、古老的技法等等，可以帮助AI来补充对于文明全貌的理解，在做一些小语种作业的时候会更加地道和聪明。

为什么是Anthropic？

从古书中压榨然后销毁的思路，其实我认为也是Anthropic在现实世界中训练行动的“增强学习”结果，简单说就是他们不是一上来就想到要这么做的，是在自己真金白银被罚过，而且极有可能是在做之前就看到美国法律的漏洞。

依据美国版权法律，如果AI公司从网上下载盗版电子书籍（如著名的“影子图书馆” LibGen），就会被作家和出版社起诉侵权并要求依法赔偿添加罚单。例如Bartz 诉 Anthropic 案，就是指控Anthropic从从一些盗版的途径下载70万册书籍，用于训练模型。最终在2026年7月美国联邦法院批准了15亿美金的天价集体和解协议。每一部被侵权的作品平均可以获得3000美金的现金赔偿。

而在美国联邦和欧洲现行的法律中，有一个原则叫作首次销售原则（First-sale doctrine），就是说当你购买一本正版实体书后，你就拥有了这本物理书籍的绝对处理权。你可以转赠、出借甚至销毁。所以套用这个法律，AI公司购买了这些实体书，属于版权中的“合理使用”（Fair Use）。因此，“买正版、撕掉、扫描、扔掉”成了最安全的法律洗白手段。

以上这套就是完整的无耻的法律洗白逻辑。他们“购买一本”、“销毁一本”，并没有在市面上创造出更多盗版版本流通以及扩散。至少训练模型的场景在法律中还没有被写入。但这让这些古书在世界上消失。

这是一场AI时代的文化献祭。这个事情让我感到细思极恐，在之前绝大多数的知识在互联网上被集中化的储存，还有一些小众的去中心化的知识散落在全球的图书馆和旧书摊中。达成了一种微妙的平衡，一种在人们使用方便与没有被某一个强权所拥有的平衡中。

但现在大模型公司通过“破坏性扫描”打破了这种平衡，他们把这种去中性化的小众知识据为己有，变为他们模型中的参数，然后闭源，私有化。

恐怖之处在于，这些纸质书籍逐渐消失，人类未来再想要了解前辈的思想、某个小众的价值观、一个小语种的文化，就只能去询问他们的AI模型。这种独裁和垄断当然可耻，但先不说，重要的是，你读到的内容全部是这些公司经过“对齐”和“过滤”的内容，原版长什么样子，没有人再知道。

简直就是从“百家争鸣”变成“圈养的猪”，这无疑是某些个体自私导致的全人类的“作茧自缚”。

我们总以为数字化意味着永生，却没发现它正在带来一场物理上的清算。当最后一张纸质书被送进化浆池，当人类所有的记忆都被打包锁进硅谷的服务器，我们交付出去的，究竟是文明的火种，还是人类对历史的解释权？