近日，一则关于亚马逊销毁书籍用于训练AI工具的新闻引发广泛关注。调查人员利用苹果AirTag追踪到，亚马逊将购入的珍贵书籍切掉书脊后扫描，随后直接销毁原书，所获数据用于训练其Nova模型。这一事件不仅暴露了AI工具训练中的资源获取方式，更引发了关于知识私有化与版权保护的激烈讨论。以下从多个角度深入分析。
追踪真相：AirTag如何揭露亚马逊的“毁书”行动
事件的起点源于一次看似普通的快递追踪。外媒调查人员将一批苹果AirTag藏入多本珍贵书籍的货件中，这些书籍来自不同书店，目的地却指向同一坐标——亚马逊位于拉斯维加斯的一座仓库。当快递被签收后，AirTag信号稳定在仓库内部，显示书籍并未被上架销售，而是进入了某个特定区域。
深入调查发现，该仓库内有一支代号为VGT3的团队，其标志是一只手持书本的霸王龙，颇具讽刺意味。团队员工透露，他们接到的工作指令非常简单：将书籍的封面与书脊切除，然后通过高速扫描仪将每一页内容数字化。完成扫描后，剩余的纸张堆被直接送入碎纸机，原书在物理上彻底消失。亚马逊发言人后来承认，公司通过正常商业渠道采购书籍，用于“改进产品”——实际就是训练其自研的Nova大模型。
这一追踪手段揭示了AI工具训练数据获取的隐秘链条。传统上，大型科技公司通过爬取互联网公开数据来训练模型，但互联网上的文字内容有限，且大量出版于2022年之后，充斥着AI生成内容，质量参差不齐。而纸质书籍，尤其是那些出版于2022年以前、未经数字化的图书，被视为“高质量训练数据”的宝库。亚马逊的做法并非孤例，AI Agent技术的快速发展催生了更多企业效仿。
扫描与销毁：AI工具训练背后的资源掠夺
为何要采取“切掉书脊—扫描—销毁”这种极端方式？从技术角度看，扫描纸质书时，书脊处的弯曲会导致页面变形，影响OCR识别精度。直接切除书脊后，每一页都能平整地通过自动进纸器，大幅提升扫描效率。但对于图书本身而言，这意味着不可逆的破坏——一本被切除书脊的书，即使内容被数字化，其物理形态也永远消失了。
更令人担忧的是，这种“数字化即销毁”的做法正在系统化。一些书商怀疑，AI公司正在按照ISBN编号逐本扫描所有出版过的书籍。亚马逊的Nova模型需要海量训练数据，而纸质书的价值在于它们包含大量从未出现在互联网上的内容，同时避免了AI生成内容的污染。然而，这种掠夺式的数据采集方式，与企业数字化转型中倡导的“可持续创新”理念背道而驰。
值得注意的是，Anthropic公司也执行过类似项目，内部代号“巴拿马计划”。该公司从电商平台购入书籍，同样切除书脊后数字化。这些行为揭示了一个残酷现实：在最新科技浪潮中，AI工具的训练需求正在驱使科技公司以近乎“焚书”的方式获取数据。AI工具箱中不乏开源数据集，但大公司依然选择这种高成本手段，因为独家数据意味着模型性能的护城河。
法律与争议：合理使用还是版权侵犯？
围绕“毁书”行为的法律争议，在法庭上得到了一个令人意外的裁决。审理Anthropic相关案件的法官裁定，这种扫描行为属于合理使用，不构成版权侵权。裁决的一项关键依据正是：纸质原件已经被销毁，因此不存在原书被复制后再次出售的情况，也就不会对原书市场造成损害。
这一逻辑引发轩然大波。批评者指出，销毁原件恰恰是问题的核心——它阻止了知识以物理形式继续流传。如果只是“扫描+保存原件”，那还可以视为知识备份；但“扫描+销毁”则意味着知识被彻底私有化。更讽刺的是，一旦原件被销毁，AI公司就可以声称“没有复制行为”，因为原书已不存在，数字化版本成为唯一的“原件”。这种法律漏洞可能被更多AI工具训练项目利用。
从版权法角度看，合理使用通常考虑四个因素：使用目的、作品性质、使用比例、对市场的影响。但本案中，法官似乎过度强调了“原件销毁”这一事实。实际上，AI公司不仅获得了商业利益（通过训练模型），还消灭了未来可能流通的二手书市场。如果这种模式被推广，出版社和作者将面临更严峻的挑战——他们可能永远无法知道自己的书被“毁掉”了。
行业影响：AI技术发展下的知识私有化隐忧
更深层的影响在于知识传播的生态。一本被销毁的珍贵书籍，可能来自私人图书馆、小型出版社，甚至是绝版珍藏。它们原本属于公共知识领域，任何人都有机会借阅、购买或参考。但一旦被数字化并封存在AI公司的封闭模型内部，这些知识就变成了只有少数人才能通过API调用的“私有商品”。
这与AI画图领域的争议如出一辙——当训练数据来自未授权的图片时，生成的作品隐含了版权纠纷。但书籍销毁问题更严重：它直接消灭了物理载体。试想，如果所有出版于20世纪的小说都被亚马逊买去扫描销毁，几十年后，图书馆里可能再也找不到原版，只能通过AI模型“生成”一个近似版本。知识的原真性将荡然无存。
一些图书馆和档案馆已经开始行动，试图通过数字化存储来对抗这种趋势。他们利用抠图技术清理扫描瑕疵，将古籍转为高清电子版，并开放给公众使用。但这一过程需要大量资金和人力，远不及科技公司直接购买销毁来得高效。AI工具导航上虽然有很多免费的开源OCR工具，但质量参差不齐，难以满足大规模精细化需求。
未来展望：如何平衡AI训练与知识传承？
面对这一困境，科技行业需要重新思考训练数据的获取伦理。完全禁止使用纸质书数据既不现实，也会阻碍AI技术发展。但“买书即销毁”的做法必须被制止。一个可行的折中方案是：AI公司可以采购书籍进行扫描，但必须保留物理原件，并捐赠给公共图书馆或档案馆。这样既能获得训练数据，又能保存知识载体。
此外，版权制度也需要与时俱进。当前法律对“数字化复制”和“物理销毁”的界定过于模糊，导致AI公司钻了空子。立法者应当明确：即使原件被销毁，数字副本仍属于复制行为，且应支付合理版税。同时，建立“AI训练数据登记制度”，公开每本书的使用去向，让作者和出版社能够追踪自己作品的使用情况。
对于普通读者和创作者而言，这一事件也是一个警示：在享受最新科技带来的便利时，也要警惕其背后的代价。AI诗词生成器可以模仿李白杜甫，但它的训练数据可能来自某本被销毁的古籍。当我们用AI工具生成内容时，或许应该问问：这些数据从何而来？它是否经历了不可逆的破坏？
最终，科技的发展不应以牺牲人类文化遗产为代价。亚马逊的AirTag暴露了AI工具训练中的暗面，但这也是一次推动行业走向透明与伦理的契机。只有平衡好创新与传承，AI技术才能真正成为人类文明的助推器，而非掘墓人。