美国一AI公司要“破坏性扫描世界上所有书籍”，马斯克都看不下去了

今日快讯 2026年07月30日 08:20 1 admin

当地时间7月27日，美国企业家埃隆·马斯克在社交平台X发文表示，他已要求旗下的人工智能（AI）公司SpaceXAI将处理过的珍稀书籍保存在一个图书馆，并以不损坏书籍的方式扫描，而不是直接切断书脊后扫描。

马斯克的此番表态针对的是另一家美国AI公司Anthropic的“焚书”做法。据美国《华盛顿邮报》此前披露，Anthropic公司于2024年初启动代号为“巴拿马计划”的项目。公司内部文件写道：“巴拿马计划是指我们破坏性扫描世界上所有书籍……我们不希望外界知道我们在做这件事。”

2024年，一些书籍的作者开始起诉Anthropic侵犯版权。法庭文件显示，该公司创始人本·曼恩曾亲自参与下载盗版电子书，公司还花费数千万美元购买数百万册印刷书籍。为提高效率，公司拆除书脊后，使用高速扫描仪将书页内容数字化，然后将原书销毁回收。采集到的数据用于训练其Claude大模型。2024年，Anthropic还聘请谷歌公司图书项目原负责人，帮助获取“世界上所有的书”。

据美国科技媒体The Verge援引路透社报道，美国联邦法官近日正式批准Anthropic与原告作者们达成的15亿美元和解协议，预计每部被侵权作品的赔偿约为3000美元。原告方律师称，这是“已知最大规模的版权赔偿”。

近日，相关消息再次在X平台上引发网民讨论。网民担忧，如果这种破坏性的扫描方式扩展至存世数量极少的珍稀书籍或绝版书，可能造成文化资源损失。

扫描纸质图书内容训练AI大模型后并销毁纸质书，这一行为的披露源于美国加利福尼亚北区联邦地区法院官网在今年7月中旬发布的《Bartz v. Anthropic PBC：关于合理使用的裁定》，这篇法律裁定书背后是一场美国史上最高昂的AI版权和解案，Anthropic为自己非法获取图书训练大语言模型而付出了高达15亿美元（约101亿元人民币）的代价。

根据法院公开的判决文书，此次版权诉讼始于2025年，由美国恐怖小说家安德里亚·巴茨（Andrea Bartz）等为首的一批作家向 Anthropic发起集体诉讼。2023年，被AI公司广泛使用的大型训练文本库“The Pile”被曝光，其中一个名为“BOOK3”的数据集引起了作家群体的注意，这是一个包含有近20万册图书的在线图书馆数据集，而这些图书的来源是盗版网站，作家巴茨发现自己的作品赫然在列，自己精心创作的作品被“蒸馏”，作为作家的她无法忍受，因此巴茨与其他同样情况的作家联合起来开始对Anthropic发起集体诉讼，美国作家协会也参与到这场诉讼当中。随着司法调查的介入，Anthropic的AI大语言模型数据来源及方式被公开披露。

该公司主要使用了两种方法“吃”掉作家们的文字，第一种方法是批量下载盗版图书资源，其中最开始被曝光的BOOK3就是盗版图书资源的一个合集，此外公司还从更多盗版网站下载了超700万本盗版图书，这些盗版图书包罗万象，不管是畅销书还是滞销书，是通俗读物还是冷门学术研究，统统被“喂”给了AI。

第二种方法就是令网友们不寒而栗的纸质书摧毁法。为了获取“干净”的训练数据，该公司早前曾尝试过和出版社洽谈AI训练版权授权合作，后相关合作被搁置，公司转而斥资数百万美元采购二手纸质图书。Anthropic采用了一种相当冷酷的方式对待这些二手书，直接切掉二手书的书脊，扫描图书内容将之转化为机器可以阅读的文本，最后销毁纸质书。由于破坏性扫描效率更高、成本更低，因此AI公司普遍选择这一方式，最终导致数百万本纸质图书被拆毁。

法庭文件显示，大约200万本实体书在这一过程中被销毁了，这些遭销毁的纸质图书具体目录并没有公开，但这种毁灭性破坏图书的行为引起了普遍的担忧，在纸质书被数字化的过程中，无法确定AI公司是否会区分普通图书和珍本、绝版图书，这也就意味着，很有可能一些流散在二手市场的绝版图书、珍本图书已经在这样的毁灭性电子化扫描行为中彻底的消失了。

耐人寻味的是，Anthropic被判赔偿15亿美元的原因是持有盗版图书数据库，是明确的侵权行为，但采购纸质书扫描生成的资料库数字副本得到了法院的支持，认为这没有构成侵权。

AI大语言模型使用出版图书进行训练早就不是什么秘密，相关的诉讼官司数不胜数，但其中的授权纠纷、伦理争议至今都没有被厘清。有相当数量的出版机构、作家不愿意将自己的作品“喂”给AI用来训练数据，但是却并没有有效的办法抵抗AI未经许可的抓取行为。Anthropic一案反倒是让人们发现了AI公司如何通过当前版权法的漏洞合法取得图书数据的办法，就是购买二手旧书后扫描并摧毁纸质书，一种并没有违反法律但是充满伦理争议的路径。尽管有人认为AI公司购入的这些二手图书大多没有什么商业价值可言，然而这样的破坏行为或许摧毁的不仅是一本书，而是未来的一种可能性，当下被视作 “无用废纸”的私人记录、边缘学科文稿，数十年后也许会成为社会史、文化史、民间研究无可替代的一手佐证，这种未来的可能性不应该被私人公司为寻求AI产业利益所断绝。

中国《生成式人工智能服务管理暂行办法》第七条明确规定，生成式AI服务商必须使用具备合法来源的训练数据，并留存完整的溯源台账。在今年6月，国家版权局、工业和信息化部、公安部、国家互联网信息办公室联合启动打击网络侵权盗版“剑网2026”专项行动，其中特别提到了“从源头规范大模型训练，督促AI企业自查训练数据集、补齐素材版权授权，严禁未经许可抓取原创内容喂养模型。”同时也禁止使用AI扒取已出版内容拼凑新书，严禁使用AI洗稿现有作品。虽然法律在不断用新规来规范AI大模型抓取数据的行为，但这场版权战争还远不到结束的那一刻。

（综合：环球时报、扬子晚报）