AI公司销毁书籍的真相 | CBC

人工智能公司Anthropic为了训练其聊天机器人Claude，购买了数百万本实体书，并对这些书进行了“破坏性扫描”——即拆解书本逐页扫描后不再保留原书。这一做法在出版界和作者群体中引发了广泛争议，也让外界重新审视AI公司获取训练数据的灰色地带。 所谓“破坏性扫描”，是指将实体书拆开、裁切，用高速扫描仪逐页数字化，完成后这些书通常无法再复原或使用。Anthropic此举并非孤例，多家AI公司都在通过购买实体书来规避版权争议，因为公开网络上的文本质量参差不齐，而书籍内容结构严谨、信息密度高，是训练大语言模型的理想素材。但问题在于，这些书籍大多仍受版权保护，AI公司并未获得作者或出版社的明确授权，只是利用“购买实体书”这一物理行为绕开了数字版权限制。 对中国跨境电商卖家和AI从业者而言，这一事件释放出几个信号：其一，AI训练数据的版权问题正在成为全球性监管焦点，未来数据获取成本和法律风险只会更高；其二，依赖高质量文本训练的AI模型，其“知识来源”并非免费午餐，企业若自建垂直模型，需提前规划合规的数据获取路径；其三，出版行业与AI公司的博弈可能催生新的授权模式，比如按次付费或订阅制数据许可，这或将改变内容产业的商业逻辑。目前，Anthropic尚未就书籍来源和授权情况做出详细说明，但业内普遍预期，类似争议将推动更透明的数据披露规则出台。