一枚追踪器，跨越四个州

据科技媒体 404 Media 的调查报道，该媒体记者 Emanuel Maiberg 从 2026 年 7 月开始与一位二手书商合作：书商接到一笔约 1000 册的批量订单，订单通过独立旧书交易平台 Biblio 下达，而 Biblio 会隐去买家身份。记者征得同意后，在其中一册珍稀书籍里塞进了一枚苹果 AirTag。

这枚售价 29 美元的追踪器随后走完了一段并不起眼的旅程：先飞抵密尔沃基，在威斯康星州基诺沙郊外的一处配送仓库停留约两周，接着由卡车向西运输，途中在科罗拉多州大章克申过夜，最终信号定位在拉斯维加斯东北部一处亚马逊仓储园区——代号 LAS8。

LAS8 主体是一座按需印刷工厂，本职是”做书”。但园区北侧运行着另一条独立业务线。据在内部员工论坛发帖的亚马逊员工透露，这个单元的代号是 VGT3，门口的标识是一只霸王龙叼着一本摊开的书，龇着牙。

“我们只干一件事：扫书”

多名员工向 404 Media 描述了 VGT3 的工作流程：成托盘的印刷书籍运抵后，工人先把书脊裁掉，让散页能够高速通过工业扫描仪，扫完之后纸质原书就被丢弃。整条流水线的产物只有一份数字文件，实体书无法留存。”我们只干一件事，就是扫书。”一名员工在论坛上这样写道。

一处细节格外关键：据员工说法，工人在扫描内页之前，会先扫描每本书的 ISBN 条码。ISBN 是自 1970 年起为几乎所有正式出版物分配的 13 位国际标准书号，已被 ISO 2108 标准化并覆盖 150 多个国家和地区。先扫条码再扫内容，意味着这条流水线在建立一份”已消化书目”的台账——只要和公开的 ISBN 数据库交叉比对，就能算出还缺哪些书，从而系统性地按缺口下采购单。有书商提到一个印证：这类大额订单里”从来不包含”没有 ISBN 的珍本。

针对 404 Media 与 Ars Technica 的问询，亚马逊给出的回应是同一句话：公司”通过商业渠道采购图书，以帮助开发和改进客户所使用的产品与服务”。这份声明没有提及人工智能，也没有说明书籍在采购之后如何处理。

为什么偏偏要买旧书

AI 公司对旧纸书的胃口，来自训练数据本身的两个变化。

一方面，公开网页这块最容易取用的语料已被反复抓取，而绝版书、稀见书里的大量文字在互联网上根本找不到。另一方面，2022 年之后出版的内容越来越可能包含由 AI 生成或深度润色的文字——尽管出版合同通常明令禁止作者使用 AI 生成内容，仍会有人不遵守，自出版渠道更是缺乏有效约束。用 AI 的产物去训练下一代 AI，容易触发所谓”模型崩塌”，即模型输出的质量与多样性在一轮轮训练中持续退化。于是，2022 年之前的人类原创文本成了稀缺资源，旧书随之被重新定价。

对书商来说，这些订单确实带来了收入。一位爱尔兰书商、Kennys Bookshop 的 Tomás Kenny 曾收到一笔 5000 册的订单，书单杂乱无章：”有的是《A History of Connemara》这类高质量非虚构，下一本可能就是《The Eddie Hobbs Guide to your SSIA》。”还有书商提到，一本售价 5 欧元的书产生了 40 欧元运费，而这项业务整体带来了五位数中段的营收。

但下单方在意的东西非常单一。那位放置追踪器的书商对 404 Media 说：”价值有很多种。金钱价值当然算一种，但还有历史价值、知识价值、情感价值，各种各样的价值——而这些 AI 公司统统不在乎，他们只想要内容，只想要一串串词。”

版权这边还没跟上

破坏性扫描并非新事，但过去的做法要温和得多。2005 年谷歌启动 Google Books 项目时，用专门的 V 形扫描设备对校内图书馆的公共领域图书进行数字化，书本身会完整归还。VGT3 的做法则是先裁书脊、再走高速扫描仪，成本更低、吞吐更快。

法律层面的争议同样在积累。今年早些时候的法庭文件披露了 Anthropic 自 2024 年启动的”巴拿马计划”（Project Panama），一份内部规划文档写得很直白：”巴拿马计划是我们对全世界所有图书进行破坏性扫描的努力。”法官认定 Anthropic 可以用图书训练模型，但因其在中央库中保存了 700 万本盗版书籍，公司被罚 15 亿美元。2025 年针对 Meta 的一起诉讼则显示，该公司曾盗取近 82TB 的图书数据。

判例的方向目前并不统一。美国 2025 年的一项裁定将此类使用认定为对版权材料的”转换性使用”，因而合法；而在英国等版权规则更严格的司法辖区，同样的做法很可能违法。

需要说明的是，这枚 AirTag 只能证明其中一批货最终抵达了一处与扫书作业相关的亚马逊场地，并不足以说明这条流水线的整体规模，也无法确认具体是哪些模型使用了这些数据。但对长期只能靠猜测的书商而言，追踪器第一次把”书去哪儿了”这个问题，从怀疑变成了一条可以指认的路线。

「这组合实在太怪」

英格兰诺森伯兰郡 Barter Books 的合伙老板 Stuart Manley 说，订单大约从三个月前开始出现，反常之处在于它们不像普通订单那样按主题归类。一笔近期订单里同时出现了爱沙尼亚语译本的《使命之歌》、某个特定版本的女作家安妮·勃朗特作品《艾格妮丝·格雷》，以及 1983 年 10 月的《战舰》月刊。他说自己已经向三名买家卖出「成百上千」本随机书籍，总额约合 4000 英镑。

爱尔兰克莱尔郡的 MW Books 老板 Jim Shaughnessy 也表示，自 5 月以来店里不断收到量大且杂乱的订单，「推测是由机器驱动，几乎没有主题逻辑」。英国巴斯 BookLovers 的老板 David Gower-Spence 则在 5 到 7 月间收到约 200 本书的集中订单。有书商发现，不同买家下的随机订单竟被送到同一个地址——伦敦希思罗机场附近的一组货运仓库。

一本书为何值得被「买断」

这股订单潮让人联想到大模型的「数据饥渴」。今年《华盛顿邮报》披露，开发 Claude 聊天机器人的头部 AI 公司 Anthropic 曾花费数千万美元收购书籍、裁掉书脊以便扫描内容，随后送去回收。Anthropic 回应称，其训练数据来自公开网络、商业采购数据集与自产数据，采购书籍是行业通行做法，且从未购买或销毁珍稀古籍。

技术媒体 404 Media 上月报道，一个图书数据库曾向书商暗示「世界上最好的 AI 训练数据就摆在书架上」，并称 2022 年以前出版的书籍是理想材料，因为它们的文本尚未被聊天机器人生成的内容「污染」。对 AI 公司而言，那些早于 ChatGPT 走红、又未上网的二手书，恰好是难得的干净语料。在书商论坛里，有人感慨这些书「注定要进 AI 训练，封面被撕掉，最终化作纸浆」。澳大利亚书商近期也报告了类似的异常订单。

来源：The Guardian

据 404 Media 调查，今年 4 月起，二手书商陆续接到规模异常的订单，单笔从 1000 册到 100 万册不等。买家不挑题材、不挑作者，对价格也不敏感，溢价照收，唯一的硬条件是出版时间早于 2022 年——那是生成式模型大规模铺开之前，最后一批确定由人写成、没被机器文本污染过的内容。一位不愿具名的书商说，他从前一周卖出约 20 本，现在一周能走几百本。

书买回去并不入库。为了扫得快、扫得平，通行做法是用切割机削掉书脊，把散页送进工业扫描仪高速成像，扫完的纸页当废品处理。今年 1 月公开的法庭文件披露，Anthropic 内部有个代号「巴拿马计划」的项目，目标正是尽可能多地买书、扫描、销毁。法官认定购买后自行扫描属于合理使用，而该公司因早期囤积盗版书库，另与作者方达成 15 亿美元和解。

争议随后烧到了图书数据库网站 ISBNdb。它曾上线一个撮合页面，写着「世界上最好的训练数据就在书架上」。舆论发酵后页面被删，官方声明称自己从不训练模型，那只是一次市场需求测试。

说白了，问题不在扫描，而在扫描之后。绝版书退出流通，内容进了不对外开放的私有库，公众反倒读不到了。

你怎么看：花钱买下一本书，就有权把它变成纸浆吗？

图片来源：Hackley Public Library / Flickr（CC BY 2.0）

来源：404 Media、IT之家