书商误将大单当垃圾邮件，实为AI公司扫描并摧毁它们

荷兰哈勒姆的一个寻常夏日，古籍书商皮特·德·弗里斯（Pieter de Vries）的邮箱里收到一封不寻常的邮件。发件人自称娜塔莉亚，来自一家名为“2077AI”的公司，想要采购一批“相当大数量”的书籍，附带的表格里列着3000多个国际标准书号（ISBN），要求匹配书名、报价并估算运往中国的运费。德·弗里斯扫了几行就把它丢进了垃圾箱，认定这是垃圾邮件或钓鱼诈骗。直到几周后，一位荷兰记者因调查这起采购请求而联系他，他才得知此事与人工智能有关。“我震惊了！”德·弗里斯对《财富》杂志说。他提供的邮件和表格显示，这3001本书大多是2020年至2021年间由爱墨瑞得出版集团（Emerald Publishing）、爱思唯尔（Elsevier）、威立（Wiley）、劳特利奇（Routledge）和牛津大学出版社（Oxford University Press）等学术出版社出版的，内容涵盖商业、教育、工程、公共政策和医学。德·弗里斯说，其他几家荷兰古籍书商也收到了同样的请求，同样没当回事，“认为是骗局”。虽然这封邮件对他的生意没什么影响，但他指出，对那些专门做二手书批量生意的书商来说，情况可能完全不同。“我做的是珍本和古籍生意，”德·弗里斯说，“这些书昂贵且稀有，我从不做批量交易。” 这封邮件从未提及人工智能，也未说明书籍用途，但它浮出水面之际，正值AI公司越来越不满足于开放互联网上的公开数据，转而寻求高质量书面材料来训练大语言模型。去年夏天，AI公司使用书籍的行为引发公众关注，当时法庭记录披露，Anthropic购买了数百万本实体书，拆掉装订、扫描内容后丢弃原书，以建立可搜索的数字图书馆用于训练AI模型，内部文件称之为“巴拿马计划”。这一过程被称为“破坏性扫描”：先切断书脊，让书页能高速通过扫描仪，之后剩余实体书被丢弃。该案后来达成和解，联邦法官裁定，使用合法购买的书籍训练AI模型属于版权法下的合理使用。Anthropic发言人表示，Claude模型训练数据包括公开网络数据、商业采购数据集和内部生成数据，公司通过常规商业市场购买书籍，其数据采集项目不会获取或销毁珍本或古籍。 法庭记录揭示了书籍到手后的处理方式，却没说明这些公司最初如何采购数百万册实体书。今年早些时候，科技媒体404 Media报道称，ISBNdb——一家以维护国际标准书号元数据而闻名的公司——开始宣传其服务，帮助AI实验室批量采购印刷书籍，数量从1000本到100万本不等。报道称，该公司网站曾写明该服务专为“大语言模型训练需求”定制，“以AI要求的规模交付”。这些网页后来被删除。ISBNdb后来对《财富》表示，该服务从未实际推出。但这一事件揭示了一条隐秘的供应链：AI公司对书籍的渴求，正催生一个专门为它们搜罗实体书的灰色市场。对于像德·弗里斯这样的古籍书商，这封邮件只是数字时代又一个可疑的陌生请求；但对于整个出版行业，AI公司大规模扫描书籍的行为，正在重新定义“合理使用”的边界，也让“书”这一古老媒介在AI时代有了新的命运——被拆解、扫描、数字化，然后被丢弃，成为大模型训练数据中无声的一部分。