AI公司批量抢购旧书：一场争夺高质量语料的“数据淘金热”
在刚刚过去的2025年图书市场，出现了一股不容忽视的新势力。不同于传统读者为知识或情怀买单，一批人工智能公司正以惊人的速度，在各大旧书平台、古籍书店乃至私人藏家手中批量“扫货”。从绝版的学术专著到泛黄的地方县志，从早期的科幻杂志到上个世纪的文学期刊，这些曾经无人问津的“冷门货”，如今正成为AI大模型训练数据领域的“香饽饽”。
这场被业内称为“数据淘金热”的浪潮，其核心动因在于一个日益严峻的现实：高质量训练数据的枯竭。随着人工智能大模型在过去两年间的指数级发展，互联网上可公开获取的文本数据几乎已被“榨干”。研究机构Epoch AI曾预测，高质量的文本数据可能在2026年前后耗尽。为了“喂养”规模越来越庞大的模型，AI公司不得不将目光转向更深、更难获取的“断层带”——实体旧书。
旧书之所以成为“金矿”，在于其无可替代的内容深度与筛选价值。相较于充斥着重复、浅薄甚至AI生成垃圾信息的互联网内容，旧书是经过编辑、出版、市场检验的优质信息载体。尤其是一些专业领域的绝版书、冷门学术著作，其蕴含的知识密度和逻辑严谨性，是网络语料无法比拟的。对于需要理解复杂世界、掌握严谨逻辑的AI模型而言，这些文本是提升其推理能力与专业知识储备的“理想食材”。
这并非空穴来风。此前有报道称，Meta公司为了训练其Llama模型，曾与图书出版商谈判获取数百万本书的版权；而在国内，大量科技公司或初创团队也开始通过“数据服务商”与旧书供应链建立隐秘合作。在某知名二手书平台上，一些关于特定历史时期经济数据或地方风物的书籍，被不留痕迹地批量买断，卖家甚至注意到，买家的收货地址多位于互联网科技园或数据中心附近。
然而，这场“扫货”风潮也带来了复杂的涟漪效应。
首先，价格体系被重塑。在部分古籍市场，与AI训练相关的书籍价格出现了剧烈波动。原本几元到几十元不等的旧书，在批量购买需求刺激下，价格翻了数倍甚至数十倍。一些稀缺品直接被“截胡”，普通读者和研究者获取资料的难度无形增加。这种“价格扭曲”虽然让部分旧书商获利，却也引发了市场失序的担忧。
其次，版权与伦理困境浮出水面。旧书的版权状况极其复杂，大量作品处于“孤儿作品”或版权失效的边缘地带。AI公司的大规模复制与利用，究竟是“合理使用”还是“侵权行为”？目前法律界尚无定论。更深层的伦理问题在于，当人类知识的结晶被当作原材料投入商业模型的“熔炉”，原作者并未得到任何补偿或知情权，这无疑触碰了创造与知识共享的底线。
从更宏观的视角看，AI公司抢购旧书，是一种“舍近求远”的无奈之举，同时也是一次数据价值评估体系的革命。它标志着人工智能的竞争已从纯粹的算力比拼，升级为对“数据资产”的精细化争夺。谁能掌握更独特、更高质量的历史语料，谁就更有可能在未来的通用人工智能（AGI）竞赛中占据先机。
但真正的产业化挑战在于，如何构建一个“数据—版权—利益”的良性循环。如果AI公司只把旧书视为一次性“燃料”，那么这种淘金热注定难以持久，并会耗尽文化传承的公共信任。未来的解决方案，或许在于建立更透明、更公正的数据授权机制，通过“数据信托”或“版税分成”等方式，让知识生产的源头也能分享AI技术进步的红利。
当人工智能开始“啃”起故纸堆，这既是技术对过去的一次回望，也是它对未来生存空间的开拓。在算法与油墨的交汇处，人类必须以清醒的头脑，为知识与技术划定一条互利共生的边界。