亚马逊切书脊扫描图书训练AI模型

人工智能公司训练大模型需要海量数据，当互联网上的文本被“榨干”后，纸质书籍成为新的数据金矿。近日一项调查揭示，亚马逊正在系统性地购入纸质书籍，通过切除书脊的方式快速扫描，将内容转化为AI训练语料，而原书则在这一过程中被直接销毁。

调查人员将苹果AirTag藏入一批珍贵书籍的货件中，一路追踪这些书在美国境内的去向。最终，货件抵达亚马逊位于拉斯维加斯的一座仓库，仓库内有一支名为VGT3的团队，其标志是一只手持书本的霸王龙。据该团队成员透露，为了提高扫描效率，他们会先切掉书脊，然后进行批量扫描。这意味着，这些书在被数字化后，原本的实体版本已无法继续留存于公共书架。

亚马逊随后使用扫描得到的数据训练自家Nova模型。面对质疑，亚马逊发言人表示，公司通过正常商业渠道采购书籍，用于改进产品。但一些书商怀疑，AI公司正在按照ISBN编号，系统性地逐本扫描过去出版过的书籍。纸质书的价值尤其高，因为大量内容从未出现在互联网上，而且许多书籍出版于2022年以前，其中不含AI生成内容，作为训练数据更为“纯净”。

采取这种方式的不只有亚马逊。Anthropic此前也曾进行类似项目，图书作者提起的诉讼中披露了其内部的“巴拿马计划”：从电商平台购入书籍，切除书脊，再将内容数字化。审理该案的法官裁定，这类扫描属于合理使用，不构成版权侵权。裁决的一项关键依据是：纸质原件已经被销毁，因此不存在原书复制后再出售的情况，这反而使“合理使用”的辩护更容易成立。

争议的焦点在于，一些被销毁的原书可能根本无法替代，尤其是一些珍稀版本或绝版书籍。它们原本承载的知识本可留在公共领域，如今却只被封存在单一公司的封闭AI模型内部。这种做法虽然符合现行法律，但引发了关于文化保存、知识垄断与技术伦理的深层担忧。随着AI训练数据需求持续膨胀，如何平衡技术发展与传统知识资产保护，正成为行业必须面对的课题。