近日，一则关于“多家AI公司大量收购旧书用于训练模型后销毁”的消息在出版界和知识界引发热议。据业内人士透露，部分人工智能企业正通过二手书商、废品站甚至私人藏书家手中大量收购老旧书籍，尤其是1940年代至1990年代出版的学术专著、文学作品和工具书。这些书籍被扫描为数字文本后，原件随即被销毁或送往造纸厂回收。消息一出，立即引发公众对数据合规性、版权边界以及文化遗产保护的激烈讨论。
事件背景：旧书成AI训练“新矿”
随着大语言模型技术的飞速发展，高质量文本数据成为AI企业竞争的“燃料”。网络公开数据虽量大，但常存在噪声、重复和侵犯版权隐患。相比之下，旧书——尤其是不再版或版权归属模糊的图书——提供了纯净、结构化且知识密度高的语料。据知情人士向媒体透露，某头部AI公司曾一次性收购某城市图书馆淘汰的二十余万册书籍，仅保留扫描件后便将纸质书毁弃。另有公司以每公斤几元的价格从回收站购买大学教材，处理流程高度相似。
法律先例：谷歌图书案为何成为挡箭牌？
此类行为并非无章可循。2015年，美国联邦第二巡回上诉法院在 Authors Guild v. Google 案中裁定，谷歌扫描数百万册图书并建立搜索数据库的行为属于“合理使用”。法院认为，谷歌并未向读者提供完整作品的可读版本，其目的是为社会提供信息检索功能，且未对原书市场造成实质性替代。这一判例成为此后多家科技公司处理版权问题时援引的依据。
然而，当前AI公司的做法与谷歌存在本质区别：谷歌的扫描件长期保存并用于公共服务，而部分AI企业却在提取数据后销毁原书——这意味着原书作为文化载体的物理形态被彻底抹除。法律学者指出，如果销毁行为导致原书成为孤本或绝版，可能触发《著作权法》中“保护作品完整性”条款，甚至涉及故意毁坏文物（若涉古籍）。但多数旧书不具备文物属性，且版权状态复杂，维权成本极高。
会成为常态吗？三大趋势支撑长期化
从产业逻辑看，AI公司大规模收购旧书可能成为常态。第一，高质量训练数据缺口持续扩大。据测算，下一代大模型需要的文本量级将达到数万亿Token，而全球可公开获取的电子书总量不足此需求的十分之一。第二，版权风险催生“灰色地带”操作。比起与出版商谈判高昂授权费，购买已不再流通的旧书成本更低，且法律风险集中在“合理使用”的边界争议，而非明显侵权。第三，旧书回收产业正主动对接AI需求。部分地区二手书商已形成固定供应链，专供AI公司筛选有扫描价值的书籍。
但常态化也面临制约：一是公众舆论压力。欧洲部分国家已出现图书馆员联名抵制，担忧知识被垄断；二是国际知识产权局可能出台新规。世界知识产权组织（WIPO）近期已启动AI与版权问题专项研究，销毁原书的行为若被认定为损害文化多样性，可能触发更严格监管。
潜在影响：利弊交织的变局
对AI行业：加速模型能力跃升
旧书包含了大量未被数字化的人类知识精华，尤其20世纪中后期的学术成果、地方文献和冷门语言资料。若被合理利用，可显著提升AI在专业领域的推理准确性和文化包容性。但过度依赖非授权数据可能导致模型在偏见和事实错误方面更难溯源。
对出版与藏书市场：供需重构
旧书价格可能短期上涨，尤其是被AI公司圈定的“训练黄金期”著作（如1950-2000年出版的教材、哲学、历史类书籍）。但长期看，若原书被大量销毁，藏书市场将加速两极分化——绝版书成为稀缺金融品，普通旧书则从商品沦为一堆待处理的纸张。中小书商面临生存压力，回收站则获得新业务增长点。
对文化遗产：不可逆的风险
历史学家担忧，依赖单一数字副本可能造成信息丢失。扫描技术的误差、文件格式过时或公司倒闭后的数据丢弃，都可能导致原始文本彻底消失。以2020年某公司数据中心火灾导致大量未备份文档被毁为例，纸质书作为最稳定的存储介质，其物理留存价值无可替代。
结语：平衡创新与传统
AI公司收购旧书训练模型的行为，折射出数字时代知识利用与保护之间的深层矛盾。法律先例虽提供了暂时合理性，但销毁原书的做法无疑撕开了传统合理使用原则的裂口。未来，行业可能需要一套自有的数据采集伦理准则：如建立“先数字化、后保留原件”的托管机制，或与图书馆、版权集体管理组织建立数据共享池。否则，当最后一本旧书被送进碎纸机，ChatGPT或许能完美回答“《尤利西斯》中莫莉的独白”，但人类将再也无法亲手触摸到1922年那本初版书的封面——那样的世界，真的更智能了吗？