Anthropic 销毁图书的说法属实，但珍本图书的说法尚未证实

Anthropic 曾购买数百万本实体书并以破坏性方式扫描，这一做法如今正引发 Google News 上令人担忧的标题：AI 公司正在抹除珍稀书籍。已有记录显示，该操作包括拆除装订、扫描书页，并在之后丢弃纸张。不过，目前最有力的证据并不能证明 Anthropic 专门针对珍本或孤本图书。

这种区分会改变整个故事的性质。已获证实的事实揭示了一项工业化行动：将合法购买的图书转化为私有 AI 训练数据。更广泛传播的说法则加入了多项尚未证实的内容，包括多家未具名公司，以及对文化上不可替代版本的销毁。

这场争议也暴露出更深层的冲突。AI 开发者希望获得干净、经专业编辑的人类写作内容；而作者与保护倡议者则希望得到补偿、访问权与保障措施。Anthropic 的解决方案是销毁每一本购买的实体书，从而降低一种法律风险，但也制造了完全不同的文化与伦理问题。

Anthropic 实际购买、扫描并销毁了什么

就 Anthropic 而言，核心说法基本属实，但其中最引人注目的珍本细节仍缺乏支持。

2025 年 6 月的一项联邦法院判决确立了基本流程。Anthropic 购买了数百万本印刷图书，将每一本转换为数字文件，并丢弃实体副本。该公司将这些文件保存在内部研究图书馆中。

这一过程被称为破坏性扫描。承包商会拆除图书装订，或切掉书脊，使书页彼此分离，从而能快速通过商用扫描仪。这种方法以牺牲实体物件为代价，提高扫描速度。

生成的文件包括页面图像与机器可读文本。光学字符识别（OCR）会将拍摄到的文字转换为可供计算机搜索和处理的字符。Anthropic 随后可以为模型开发准备这些文本。

William Alsup 法官在其合理使用裁定中描述了这一操作。裁定称，Anthropic 花费数千万美元购入数百万本印刷副本，其中许多为二手书。

裁定还指出，每一本印刷书只生成一份数字副本。Anthropic 没有同时保留两个版本，也没有公开分发这一数字图书馆。完成转换后，该公司便丢弃纸质书页。

这种一对一替换在法律上意义重大。Alsup 将这种格式转换视为以节省空间的数字副本替换实体图书馆藏。在该案的具体事实下，他认定这种内部转换属于合理使用。

法院并未宣布所有形式的 AI 图书扫描都合法。它评估的是 Anthropic 购买的副本、私有存储以及破坏性替换。分发、盗版或制作额外副本都会引发另行讨论的问题。

Anthropic 的项目始于该公司早先尝试获取大规模数字图书收藏之后。公司于 2024 年 2 月聘请了 Tom Turvey。Turvey 此前曾参与 Google 图书数字化项目的合作事务。

Turvey 协助 Anthropic 批量获取图书，并安排工业化扫描。基于后来解封记录的报道将这项计划称为 Project Panama。内部表述显示，其目标是扫描世界图书中极为广泛的一部分。

Project Panama 记录披露了承包商、批量订单、液压切割设备和高速扫描仪。一份供应商提案涵盖在六个月内处理 50 万至 200 万本图书。

在公开的项目材料中，最终总数仍被删节。不过，法院在描述 Anthropic 的采购与扫描时确实使用了“数百万”这一表述。因此，其总体规模并非社交媒体的臆测。

被丢弃的纸张并不是该项目的产品。真正有价值的产出是一套私有、可搜索的语料库，即为计算而整理的文本集合。该语料库可支持研究和模型训练。

这正是 Google News 说法背后已获验证的基础。Anthropic 在数字化过程中确实购买并销毁了数百万本实体书。剩余的问题在于涉及哪些书名，以及其他公司是否走过同样的路径。

为什么 AI 实验室想要从未出现在网上的图书

图书为 AI 开发者提供了经编辑的人类语言，而这类内容在日益充斥合成内容的开放网络上愈发难以获得。

大型语言模型从大规模文本集合中学习统计模式。开发者寻求涵盖连贯论述、持续叙事、专业术语和精心编辑文风的多样化材料。图书在众多主题中兼具这些特质。

网页同样可以提供有用材料。但在线文本包含广告、复制内容、搜索引擎填充内容、损坏的格式以及机器生成内容。其来源往往难以确定。

印刷图书还有另一项优势。一本在近期生成式 AI 热潮前出版的实体版本，显然属于人类创作时代的材料。开发者无需猜测原始段落是否由聊天机器人生成。

这种担忧有时被称为模型崩塌或合成数据污染。这两个术语描述的问题并不完全相同，但都涉及模型从早期模型生成的输出中学习。反复循环可能放大错误并减少多样性。

图书还包含普通网络爬虫难以获取的材料。学术专著、地方历史、技术手册、翻译文学和较早的非虚构作品，可能几乎没有可搜索的在线踪迹。它们在网上的稀缺性使实体副本对数据收集者更具吸引力。

网上稀缺并不意味着在古籍意义上珍稀。一本停印教材可能很难以数字形式找到，但仍有数千本二手副本在流通。一部冷门作品也可能普遍到可以安全销毁。

这种区分在社交媒体帖子中已变得模糊。“珍稀”可能意指昂贵、具有文化重要性、在其他地方无法获取，或只是鲜为人知。这些含义不能被视为可以互换。

据报道，Anthropic 从大型二手书零售商和分销商处购买图书。批量采购更倾向于普通副本，即卖家可以通过成熟体系识别、定价和发货的书籍。这不像是对手稿或带有独特批注版本的谨慎收购。

公开记录没有提供逐书目的清单。没有这份清单，公司以外的任何人都无法判定每个被扫描版本的稀缺程度。Anthropic 也没有公开其内部数字图书馆以供独立审计。

该模型开发商还有法律上的理由偏好购买实体书。实体副本的所有权附带首次销售原则下的权利，包括转售或销毁该特定物件的权利。

所有权并不会转让其底层版权。仅因购买了一本书，买家通常不能复制并分发作者的文本。因此，Anthropic 在所获取物件与其内部替代副本之间维持了一对一关系。

销毁行为强化了这一论点。如果 Anthropic 同时保留实体书及其完整数字副本，原告可能会将该项目描述为扩大了可使用副本的数量。

这产生了一种奇怪的激励机制。即使存在更有利于保存的扫描方式，从法律风险角度更谨慎的路径也可能倾向于销毁实体书。版权策略与文化保存指向相反的方向。

Google Books 提供了一个有用的历史对照。该项目扫描图书馆馆藏，同时通常会归还实体书。其可搜索索引经历了漫长诉讼后得以保留，但其设计和用途与 Anthropic 的私有训练语料库不同。

最近，非破坏性合作展示了另一条路径。图书馆可以在保留原件并记录其来源的同时，将公共领域作品数字化。授权也能让 AI 开发者获得访问权，而无需销毁实体书。

这些路径涉及协调、限制与交易成本。Anthropic 的项目将图书采购和扫描转变为工业化采购问题。速度与规模的权重高于保存单个物件。

这一机制解释了为何该事件的意义超出被毁坏的纸张。AI 图书销毁将二手书市场转化为专有模型开发的投入管线。原本公开流通的副本变成了私有控制的数据。

Google News 的说法超出了现有证据

这一病毒式传播的版本将一项已获证实的工业项目，与关于珍稀图书及多家 AI 公司的不确定说法结合在了一起。

有三项彼此独立的主张常常同时出现。AI 开发者重视实体书。Anthropic 在扫描过程中销毁了数百万本购买的图书。AI 公司如今正系统性地销毁珍稀书籍。

前两项主张已有充分记录。第三项尚未获得可比的证据。

当代报道援引了一些书商的说法：他们收到过针对冷门、较旧或绝版作品的异常订单。一些卖家认为，中间商为 AI 客户购买了这些书。该模式值得调查，但怀疑不等于归因。

卖家可以观察到异常需求，却未必知道最终买家。中间商可以为多个行业采购图书。研究机构、转售商、收藏家、图书馆和数字化项目都可能购买不常见的书目。

ISBNdb 为这场争议增添了另一层内容。这家图书数据公司曾发布页面，推广面向大型语言模型开发的大宗实体书采购服务。存档的推广文案提及从数千本到 100 万本不等的订单。

该公司还回应了破坏性扫描带来的声誉问题。这些页面引起关注后，ISBNdb 将其删除，并据报道表示该服务仅测试过市场兴趣。该公司称，此类服务从未实际投入运营。

这一否认留下了验证空白。推广材料表明一家公司曾考虑提供该服务，但并不能证明某家 AI 实验室通过该服务购买了图书，或销毁了其采购的任何书目。

这一空白至关重要，因为网络转述常常将能力转化为已完成的行动。供应商说它可以采购图书，于是帖子便断言未具名 AI 公司使用了它。书商看到异常订单，于是帖子便将这些采购归于 AI 实验室。

这两种推断并非不可能。但它们都尚未通过合同、运输记录、客户名称或经过验证的保管链得到充分证实。

有关珍本图书的证据则更为薄弱。2025 年的扫描调查指出，Anthropic 的法院记录并未显示有珍本被销毁。已有记录的采购主要通过大宗商业渠道完成。

珍稀书目仍有可能混入大宗批次。二手书库存本就杂乱，一些版本可能在并不高价的情况下变得稀少。缺乏证据并不等于证明每一本被销毁的副本都可以替代。

负责任的结论应当更为审慎。Anthropic 为 AI 训练而毁损图书的行为已被证实，规模达数百万册。由于尚未出现可靠的书目清单，涉及稀有或孤本的说法仍未得到验证。

“AI companies”这一复数表述同样需要谨慎对待。Meta、OpenAI、Microsoft 和 Google 都曾面临有关受版权保护训练材料的指控。这些案件通常涉及数字文件、数据集或出版商提供的内容，而非破坏性实体扫描。

Meta 被指控使用盗版图书合集训练 Llama。出版商也曾就 Google 在 Gemini 开发中涉嫌使用图书提起诉讼。这些纠纷强化了更广泛的数据获取脉络，但并不能证明存在完全相同的图书毁损项目。

Google 当前的 Gemini lawsuit 涉及其涉嫌复制为 Google Books 和 Google Play Books 等服务提供的作品。这并不能证明 Google 曾将稀有实体版本拆解扫描。

将每一起版权诉讼合并成一个关于实体毁损的叙事，会让故事更易传播，却更难核实。不同公司使用了不同的数据来源、获取方式和法律论点。

因此，对这项完整的病毒式说法最恰当的评价是：部分属实。Anthropic 确实破坏性扫描了数百万册购入图书。但证据并未表明数百万册珍本已经消失，也未表明每一家大型 AI 开发商都采用相同流程。

真正的冲突：私有数据与公共保存

最有力的批评并非 Anthropic 烧毁了一座失落的图书馆，而是它在毁掉所购得源书的同时，将知识私有化。

实体毁损之所以令人触动，是因为图书不仅是内容容器。版本还保留着字体设计、插图、边注、装帧、所有权标记，以及人们如何制作和阅读文本的证据。

纯文本扫描可能遗漏其中许多特征。即使是完整的页面图像，也未必能保留纸张、油墨、装订结构，或靠近书脊处隐藏的批注。因此，破坏性扫描或许保存了文字，却失去了作为物件的书。

不过，图书馆和出版商本就会淘汰大量图书。受损副本、过时的参考书、滞销库存和需求较低的重复馆藏，都会例行退出流通。仅凭毁损本身，不能证明造成了文化损失。

稀缺性决定了事态的严重程度。销毁一本大批量印刷的近期平装书，与拆解一本已知仅存的地区出版物，意义完全不同。病毒式说法将这些情形压缩成同一幅令人不安的画面。

Anthropic 尚未提供足够透明度来区分它们。公开书目可列出书名、版本、出版日期、购买来源，以及已知存世副本数量。但目前没有这样的完整记录。

其私有化归宿进一步引发担忧。Anthropic 的扫描语料库并不像可访问的保存档案库那样运作。研究人员、作者和读者无法查看完整文件，也无法因为纸本已消失而取回某本书。

该公司获得了一项持久的数据资产，而公众没有得到等价的数字馆藏。Claude 用户可以提问，但模型回答不是被保存的文本。它可能错误概括、遗漏语境，或生成缺乏依据的细节。

语言模型也不是可检索的图书馆目录。其参数编码的是统计关系，而非一排可靠、完整的藏书。训练并不能保证忠实检索某一本特定图书。

这一区别削弱了“书中的知识只是迁移进模型”的说法。私有 AI 系统无法替代对原始页面的访问。保存需要稳定副本、元数据、来源信息和未来的可读性。

作者也面临类似的不平衡。他们的图书提升了具有商业价值的模型，而他们并未就实体购书后的扫描安排进行协商。购买一本二手书通常不会向作者或出版商支付报酬。

Anthropic 早前获取盗版数字图书馆导致了不同的法律结果。Alsup 将训练与获取行为区分开来，认定训练用途具有转换性，同时允许有关盗版副本的诉求继续推进。

Anthropic 后来就符合条件的盗版作品达成和解。一名法官此后已批准这项 copyright settlement，和解总额为 15 亿美元，每本纳入范围的图书约可获 3,000 美元。

该和解并不意味着购入并扫描的图书馆违法。它涉及 Anthropic 获取盗版文件的行为，这属于法律上不同的数据来源。混为一谈会削弱两种说法。

这种法律对比依然颇具启示性。根据法院的合理使用分析，购入图书可以被扫描并销毁。即便 Anthropic 据称是为模型训练寻求相似的底层文本，盗版文件仍带来了重大责任。

这为 AI 开发商建立更清晰的数据获取记录提供了激励。但这并不要求它们保存实体副本、披露书目，或向公众提供数字替代品。

保存组织可以提出实用的保障措施。扫描承包商可以标记签名本、手稿、初版、特殊装帧，以及已知馆藏数量很少的书目。专家可在拆解前审查被标记的图书。

公司也可以在扫描后公布不敏感的目录信息。它们可在受控条件下将保存副本交存给可信图书馆。采购协议可要求对稀缺版本采取非破坏性处理。

授权提供了另一条路径，尽管跨越数百万部作品的谈判十分困难。集体许可组织可以汇集权利并分配报酬。出版商可以提供经验证的数字文件，无须牺牲实体副本。

这些措施都无法消除每一种冲突。图书馆仍会面临访问限制，作者仍会讨论报酬，开发商也会保护专有数据集。但至少，它们能将模型开发与不必要的文化损失区分开来。

当前的不确定性对谁都没有好处。它让夸张的帖子把普通二手书描绘成独一无二的珍宝，也让企业可以回避是否有真正稀缺的材料进入其切割设备的问题。

对知识工作者而言，这一教训不止适用于图书。可检索的答案不等于持久的来源。良好的 personal knowledge management 应保留语境、来源和访问权，而不是用生成式回忆替代文档。

Google News 争议后应关注什么

三个信号将决定，这是否仍只是 Anthropic 的个案，还是成为更广泛且持续的行业实践的证据。

第一个信号，是图书采购中介机构可验证的客户线索。合同、发票、运输记录或具名客户，都可能将异常书商订单与特定 AI 实验室联系起来。

如果这些证据显示，为破坏性扫描而进行活跃、大规模采购，便会加强更广泛的说法。若被宣传的服务从未超出营销实验阶段，则会削弱这一说法。

广告服务与已完成交易之间的差别至关重要。截图可以证明供应商提供过什么，却不能证明是谁购买了服务，也不能证明图书后来发生了什么。

第二个信号，是 Anthropic 或其承包商进行的书目级审计。即便是有限的独立审查，也可以按照版本、稀缺性、品相和剩余图书馆馆藏对扫描图书进行分类。

这样的审计将直接检验珍本指控。若发现孤本或极度稀缺的版本，保存问题将变得迫切。若证据表明只是普通商业副本，争议的范围将大幅收窄。

Anthropic 可以在不公开受版权保护文本的前提下披露元数据。书名、ISBN、版本、购买渠道和保存检查记录，将让外部专家评估风险。删节处理可以保护供应商机密信息。

第三个信号，是法院、立法者和出版商如何回应一对一的破坏性转换。当前裁决针对的是特定记录，而非未来每一个扫描项目。

后续法院可能会区分模型训练与永久性图书馆存储。立法者也可能要求大型商业语料库披露信息、取得许可或提交保存副本。出版商或许会在这些规则出台前建立集体访问体系。

竞争对手的行为是这一第三项信号的一部分。一家主要实验室可能采取非破坏性扫描和保存承诺。这将使 Anthropic 的流程不再被视为行业必需，而成为可以质疑的商业选择。

公司也可能大规模授权使用出版商档案。这样的协议将表明，合法访问并不需要拆解购入图书，并会迫使竞争对手解释更隐秘的数据获取方式。

公众应留意未来 Google News 报道所使用的措辞。将标题从“数百万册图书”改为“数百万册珍本”，是在作出重大事实跳跃。

读者也应将实体扫描与数字盗版区分开来。两者都涉及获取受版权保护的文字内容，但所涉行为、证据和法律后果并不相同。将它们视为同一件事，会掩盖真正的权衡。

即使不加修饰，已获证实的事实也足够严肃。Anthropic 将数百万册图书转化为私有数字资源，销毁了购入的纸质副本，并使用了一项联邦法官认定为合理使用的流程。

尚未得到验证的部分同样重要。没有公开证据表明数百万种稀有书目已经消失。病毒式帖子中涵盖的每家公司，也尚未被确凿归因于采用同一破坏性流程。

下一篇可信报道应回答具体问题：哪家公司下了订单？购买了哪些版本？现存副本有多少？是谁扫描了这些书，数字文件又去了哪里？

在这些答案出现前，读者应避免走向两个极端。这场争议并非虚构的骗局，但其最令人不安的版本已超出了证据所能支持的范围。

请继续关注每条 Google News 标题背后的源文件，尤其是法庭文件和具名公司的记录。决定性问题已不再是破坏性扫描是否发生，而是 AI 公司是否会披露它们毁掉了什么、保存稀缺作品，并补偿那些令其系统变得有价值的写作者。