刺客信条

为获“干净数据”，AI公司毁书引争议_我的网站

绅士的品格

一 | 　　数百万本实体书正被切开书脊、高速扫描、统一销毁。　　在持续火爆的AI交易势头中，美国知名投行Evercore ISI的分析师 Amit Daryanani认为，存储设备制造商、网络供应商和苹果公司未来将迎来强劲增长。

二 | 　　在给客户的最新报告中，Daryanani推荐了2026年下半年“最值得持有的六大人工智能（AI）股票”，其中包括存储设备制造商和网络供应商，由于今年以来在人工智能硬件方面的强劲支出，这些公司已经为投资者带来了丰厚的利润。

三 | 　　具体而言，他指出，存储设备的强劲需求让他和他的团队对希捷科技和西部数据的股票未来上涨前景充满信心。　　Daryanani认为，随着存储产品供应持续紧张，希捷的定价能力有望进一步提升。该公司还拥有“两年的技术领先优势，并且这一优势还在不断扩大”，其Mozaic 3+硬盘存储平台已通过认证，并在主要超大规模数据中心投入运营。　　他还补充道，与此同时，Mozaic 4+平台正在与全球两大云服务提供商合作，加速产能提升。这一离奇行为却是美国部分AI公司的日常操作。他表示，后续的Mozaic 5+平台预计将于明年晚些时候开始出货，并接受客户的认证。　　Daryanani表示，推理和智能体人工智能带来的数据生成加速，将进一步提振西部数据的股价。

四 | 他还对西部数据计划在研发投入后将所有自由现金流返还给股东表示赞赏。　　从Anthropic代号“Project Panama”的毁书扫描计划，到图书数据库公司ISBNdb公开兜售“保证不含AI内容”的旧书，再到一批稀有书被苹果蓝牙智能追踪器AirTag追踪至亚马逊拉斯维加斯仓库，一条围绕实体书的隐秘产业链正在浮出水面。　　今年以来，西部数据公司的股票上涨了170%，而希捷公司的股票上涨了207%。

五 | 网络供应商　　另一方面，在数据中心网络供应商中，Daryanani和他的团队提到了线缆连接器巨头安费诺（Amphenol）、美国云网络和交换机巨头Arista Networks和思科系统公司（Cisco Systems）。　　驱动这一切的，是AI行业对“干净数据”近乎饥渴的需求：当互联网被机器生成的内容大面积污染，旧书成了最可靠的“人类知识矿藏”。具体而言：　　安费诺：在他看来，人工智能的需求、安费诺在扩大收购规模方面的优势以及其多元化的终端市场，使其有能力在今年及以后“跑赢大盘”。而当买书、扫描、销毁被法院裁定为合理使用，这场数据争夺战在合规外衣下，也把文化遗产保护的争议推到了台前。　　此外，该公司在铜缆和光纤AI连接器领域处于领先地位。　　毁书产业链浮出水面　　早在今年1月27日，《华盛顿邮报》依据悬疑小说作家安德里亚·巴茨等人诉Anthropic一案中，所解封的4000多页法庭文件披露，这家AI公司于2024年初启动代号“Project Panama”的行动，斥资数千万美元批量购入数百万本二手书，经切脊、高速扫描后销毁原书，用于训练Claude。因此，Daryanani表示，对于那些在铜缆和光纤组件之间犹豫不决的客户而言，该公司是“首选的连接合作伙伴”。　　而且，他还认为，安费诺不仅在人工智能领域，而且在其他领域也有机会受益，因为该公司还生产互连系统和天线解决方案，服务于国防和工业市场。　　Arista Networks：Daryanani表示，云客户群的多元化将对Arista Networks的发展起到推动作用，他预计该公司未来三到四年将实现“超高速增长”。他还指出，部分增长也可能得益于其面向企业的园区网络架构的上线。

六 | 　　一份内部文件写道：“Project Panama是我们对世界上所有图书进行破坏性扫描的努力。

七 | 　　Daryanani还表示，网络领域的潜在市场总量应该会继续显著增长，而Arista Networks正在向规模化网络领域扩张，此时该领域对市场的影响也越来越大。

八 | 　　思科：Daryanani认为思科在2027财年（始于 7 月）有增长潜力，因为网络更新周期可能会带来“第二波增长”，超出其此前预测的75亿美元人工智能收入（该收入已得到现有订单的支持）。”另一份则提醒：“我们不希望外界知道我们在做这件事。　　Daryanani还表示，思科的Silicon One可编程网络架构由于其从芯片到系统设计的全栈方法，对博通的解决方案具有“相当大的”竞争机会。”文件显示，Anthropic曾向供应商寻求在6个月内处理50万至200万本的能力。

九 | 执行负责人是2024年2月受聘的前Google Books合作负责人汤姆·特韦，采购渠道包括书籍在线销售网站Better World Books和英国最大的二手书销售商World of Books。　　到今年夏天，这门生意开始走向台前。苹果公司　　最后，Daryanani和他的团队也对苹果公司的产品和功能路线图持乐观态度。他表示，iPhone的生命周期“依然具有吸引力”。

十 | 　　7月21日，专注科技领域调查性报道的美国新闻网站“404 Media”记者报道，数据库公司ISBNdb在其官网公开向AI公司兜售批量实体书采购服务，单笔1000册至100万册，主打2022年前出版的书，因为这些书“结构性保证不含AI生成文本”“对现代投毒工具天然免疫”，并提供严格保密协议。

十一 | 报道刊发后页面被撤下，ISBNdb已放弃该业务，并称该服务从未实际成交。　　另一起事件出现在欧洲。英国“City AM”网站7月29日报道，伦敦一家珍本书商收到两笔来自匿名邮箱的异常大额专业书籍询价，买家拒绝透露身份和用途。欧洲大陆的古董书商还报告了数千册冷门书的匿名订单。　　“被压抑的需求、iPhone 18 Pro的上市周期以及预计的折叠屏手机发布，应该会支撑需求和（平均售价），尤其是在基础款iPhone 18延迟发布的情况下。”他补充道。报道将这场抢购称为“反乌托邦式”的搜寻。

十二 | 　　匿名买家很快露出踪迹。　　Daryanani表示，尽管一些投资者对苹果智能技术和人工智能驱动的Siri持怀疑态度，但这些功能的成功实施“可能会延长iPhone的生命周期，推动升级换代，并解锁新的盈利机会”。8月17日，“404 Media”刊出追踪调查表明，货物最终被送入亚马逊拉斯维加斯LAS8仓库代号VGT3的区域，而该区域的徽标是一只抓着书的霸王龙。随着对AI工具的需求不断增长，Daryanani认为，苹果未来可能会找到更多从中获利的方式。　　他还指出，尽管苹果应用商店面临压力，但其服务业务在过去12个季度仍保持了两位数的增长。亚马逊员工在内部论坛证实，VGT3的工作就是切书脊、高速扫描并销毁实体书。亚马逊确认其通过商业渠道购书以开发和改进产品与服务，但未明确这批书的具体用途。他认为这对苹果的毛利率是一个利好因素。在他看来，该公司通过分红和股票回购返还约90%的自由现金流，并优先考虑股东利益，这也是一个积极的因素。　　模型崩溃阴影下的选择　　AI公司为何对旧书如此饥渴？2024年7月24日，《自然》杂志在线发表论文认为，模型反复在上一代模型生成的数据上训练，会发生模型崩溃。

十三 | （文章来源：财联社）。一开始，那些不常见、属于少数派的内容会先消失；到最后，模型输出的东西会越来越单一，只剩单调的模式。

十四 | 保留一定比例的真实人类数据可以缓解“崩溃”，不过，真实人类数据正变得越来越稀缺。

十五 | 　　提供搜索引擎优化的新加坡软件公司Ahrefs，在2025年4月分析90万个新建英文网页时，发现74.2%含AI生成内容，其中绝大部分为人机混合，纯AI生成占2.5%；AI代码审查公司Graphite研究则显示，2024年11月AI生成文章数量首次超过人类撰写的文章，此后占比稳定在五成左右。

十六 | 　　人们立刻注意到，在2022年ChatGPT发布之前出版的图书，天然不含AI文本——这正是ISBNdb所谓“保证”的含义。　　这些书籍的价值还不止于“干净”。Anthropic一位联合创始人曾表示，公司内部认为书籍能教模型“如何写好”，而非低质量的网络腔。ISBNdb的兜售话术更直白：“世界上最好的AI训练数据就在书架上……书籍代表经过策展、同行评审、特定领域的人类知识。”　　在美国现行版权法框架下，这套操作甚至被法院认为合法：买下实体书意味着合法取得，扫描后销毁是一对一替换，不产生额外数字副本，美国法律下近乎无懈可击。但这只是版权意义上的合规，无法回答另一个问题：大量实体书被永久销毁，是否意味着人类公共知识财富的不可逆流失？　　合法使用与文化代价之争　　美国法律基本倾向AI公司一侧。上文提到的“巴茨诉Anthropic案”中，美国加州北区联邦法院法官于2025年6月裁定AI公司扫描毁书不违法，但从提供免费电子书的LibGen网站及其他盗版渠道下载700余万册图书，不构成合理使用。　　2025年9月，Anthropic就盗版部分达成至少15亿美元和解，每部作品约3000美元。

十七 | 该和解于2026年7月20日获法院最终批准，最终确定的作品清单约48.2万部。这一裁决也等于为“Project Panama”式操作颁发了通行证。　　非议随之从版权溢出到文化领域。被销毁的书里有没有存世稀少的珍本？目前虽未被核实，但有书商担忧，一些流传极少的书籍可能在匿名大宗采购中悄然消失。问题的核心在于：毁书是不可逆的，对文献学而言，毁掉的就是实物。而在法律层面，AI公司依然可以声称其合法购得的文献，处置权也属于买家。文化保护的诉求与财产权的行使只能继续碰撞。　　正是在这样的真空地带，争议持续发酵。美国国会没有专门针对AI训练数据版权的统一立法，靠判例逐案划定边界，“合法购得即可销毁”的裁决客观上为毁书打开了方便之门，也为日后的声讨与诉讼埋下伏笔。　　与之相对，我国早在2023年8月15日就施行《生成式人工智能服务管理暂行办法》，第七条明确要求训练数据来源合法、不得侵害知识产权，并要求增强数据的真实性、准确性、客观性、多样性。　　把规则立在产业狂奔之前，让规范引导技术发展与权益保护并行。