澳大利亚书商警告：珍稀书籍或因 AI 训练而被销毁

Google News 聚焦了 AI 发展中的一场新冲突：澳大利亚书商担心，无可替代的书籍正被送入破坏性扫描流程。这些书会被拆解、数字化，并在其文字内容转化为私有训练数据后被丢弃。看似不同寻常的采购趋势，由此引出一个更大的问题：当科技公司主要将一本书视作机器可读的文本时，谁来保护实体记录？

眼下的证据仍不完整。据报道，澳大利亚卖家无法识别每一位买家，也无法证明近期售出的每一本书都已被销毁。但他们的怀疑与 Anthropic 已有记录的做法，以及有关中介机构为 AI 公司采购纸质书的新报道相呼应。

这段历史改变了人们解读最新订单的方式。Anthropic 此前曾批量购买图书，拆除装订、扫描页面，并丢弃原书。美国一家法院后来认定，将合法购买的纸质副本转化为数字替代品属于合理使用。

核心冲突并非书商反对数字化。几十年来，图书馆一直在数字化脆弱材料，同时保留原件并扩大公众获取渠道。真正的冲突在于保存与攫取之间，尤其是当一本实体书消失在研究人员和读者都无法查阅的私有数据集中时。

为什么澳大利亚书商拉响警报

据报道的销售模式之所以重要，是因为无差别采购可能会在任何人意识到其稀缺性之前，令冷门书籍从市场上消失。

《卫报》8 月 1 日报道称，澳大利亚二手书商认为，他们可能已进入一条 AI 供应链。在这条被怀疑存在的流程中，旧书被买走、扫描，并在页面成为数字文件后被销毁。担忧对象不仅是常见的库存过剩书籍，也包括珍稀、特殊及绝版版本。

墨尔本书商 Tim White 是专门书店 Books for Cooks 的所有者，他是让这一警告变得具体可感的商家之一。他的店铺经营烹饪书籍，其价值往往远不止印刷食谱本身。一个版本可能保留地区术语、批注、插图、广告、制作方法，以及人们实际使用该书的证据。

这些特质解释了“远不只是物件”这一说法。一本书不仅通过文字传递信息，也通过其实体构造传递信息。装订方式、纸张、字体排印、页边批注、藏书印记和夹入文件，都可能帮助研究人员重建一部作品的历史。

据报道，这些买家的行为并不总是像普通收藏者。业内说法称，大额订单似乎很少在意体裁、作者或正常零售价格。国际标准书号，即 ISBN，可能提供了共同的筛选信号，因为它能让自动化系统在大量目录中识别不同版本。

这种模式并不能证明某家 AI 公司订购了某一本澳大利亚图书。批量买家还可能包括室内装饰商、转售商、图书馆、影视制作方、出口商和回收企业。一笔突如其来的订单不应自动成为破坏性扫描的证据。

然而，周边市场情况使书商的判断显得可信。批量图书采购已被直接推广给寻求纸质材料的 AI 客户。相关报道提到，订单规模从数千本到多达一百万册不等。

据报道，这种异常需求在 2026 年期间加剧。多个国家的卖家称，涉及冷门或低发行量书籍的销售有所增加。这一国际性模式，使澳大利亚书商的担忧更难被视为地方性的误解。

Google News 让澳大利亚书商的警告获得更广泛关注，但这一聚合标签不应掩盖故事本身。这是一项供应链调查，并非确认每一笔匿名订单最终都会进入 AI 实验室。关键事实在于：一套已有记录的破坏性流程，如今正与一个难以审计的采购市场并存。

这种不透明，使卖家在缺乏实质信息的情况下作出决定。一名书商可能在保存某本书多年后，乐见其成功售出；但若得知买方计划毁掉实体副本、仅将其内容保留在私有商业系统中，他可能会重新考虑。

交易转移了该副本的合法所有权，却没有解决文化层面的问题。书商往往是图书馆遗漏材料的非正式守护者。他们的库存中可能保存着地方史、技术手册、社区食谱或短命独立出版物的最后一份可获取副本。

一旦这类书离开可见市场，没人能够可靠地确定它之后的去向。这种不确定性是本报道的第一个压力点，也直接引向使这些警告显得可信的工业化流程。

AI 训练图书供应链的终点是切割机

破坏性扫描通过牺牲装订和实体载体，将缓慢的保存工作转化为快速的数据提取流程。

传统的顶置式扫描仪会在书籍保持展开状态时拍摄页面。图书馆可使用书托和受控照明，以减少对脆弱装订的压力。这种方法能保护原件，但翻页和质量检查都需要时间。

破坏性扫描遵循另一套逻辑。工作人员会拆除或切开书脊，使单页纸张能够通过自动送稿器。工业设备随后可比细致操作员拍摄装订书册的速度快得多地处理散页。

光学字符识别，即 OCR，会将扫描页面图像转换为可检索文本。软件可以清理明显错误、识别页面结构并附加目录元数据。生成的文件可进入训练语料库，即用于塑造 AI 模型统计行为的材料集合。

完成转换后，实体书几乎不再具有操作价值。为数百万册图书重新装订成本高昂，也会削弱裁切所追求的效率。受损纸张则可能被回收或丢弃。

Anthropic 的图书项目展示了这一工作流程的大规模运作。法院记录称，该公司购买二手纸质书，剥离装订、裁切页面、扫描，并丢弃纸质原件。该项目与 Anthropic 的语言模型家族 Claude 有关。

这些记录出现在 Bartz v. Anthropic 一案中。这起版权案件由作者 Andrea Bartz、Charles Graeber 和 Kirk Wallace Johnson 提起。原告质疑 Anthropic 使用通过购买和未经授权渠道获得图书的行为。

法院对这两类来源作出了明确的法律区分。法官 William Alsup 认定，在其审理的情形下，使用图书训练语言模型属于合理使用。他还认定，将购买的纸质副本转换为数字图书馆副本属于合理使用，因为 Anthropic 仅保留一份替代品，而非扩大副本数量。

这份合理使用裁定并未宽免获取盗版数字图书的行为。这些未经授权的馆藏副本构成了独立的侵权问题，即使 Anthropic 此后购买了其中部分书目的实体副本。

这一区分解释了为何实体书在战略上变得有用。公司可以合法购买一本书，用扫描件替代它，并处置原件。这一流程建立了来源链条，而从影子图书馆下载的文件并不具备这一点。

Anthropic 后来就盗版作品达成和解。一名联邦法官批准了一项 15 亿美元协议，涵盖近五十万本图书相关的索赔。这项版权和解并未推翻法院对模型训练或购买图书数字化所作出的有利认定。

这段历史之所以重要，是因为它为其他 AI 开发者提供了一条可识别的路径。实体采购比复制在线馆藏更慢，但它可以降低某一类法律风险。专业中介机构能够通过大规模寻找、分类和交付图书，使这一路径更易实行。

经济激励同样偏向较早出版的作品。在生成式 AI 广泛普及之前出版的纸质书，提供了在没有聊天机器人辅助下创作的文本。寻求更纯净人类写作材料的开发者，可能将这些馆藏视为对抗在线合成内容的办法。

这并不意味着旧文本天然就是更好的训练数据。书籍中存在错误、偏见、重复段落、过时信息及 OCR 难题。但出版日期确实提供了一个有用的过滤条件，可避开近期机器生成的材料。

其中的讽刺不难察觉。AI 系统帮助网络充斥了廉价的合成文本。这种污染提升了那些在同类系统出现前创作的实体文字的吸引力。如今，行业正回溯至印刷文化，以改进那些与人类作者竞争的模型。

Google News 揭示的是保存冲突，而不只是一场版权之争

购买一本书可以解决该副本的所有权问题，却不能保存其中承载的公共知识、历史或证据。

版权主导了关于 AI 训练的讨论，因为它让权利主体能够提出明确的法律主张。保存则以不同方式运作。一本书可能已脱离版权保护、被合法购买，却依然具有文化意义。

Bartz 案中的法律分析，部分聚焦于 Anthropic 是否创建了额外的馆藏副本。通过在数字化后销毁每一本购买的原件，该公司维持了一对一的替代关系。这一做法使数字转换更像是格式变更，而非直接复制。

但从保存角度看，这种一对一逻辑意味着损失。当公司外部无人能够访问时，私有数字文件并非等同的公共替代品。研究人员也失去了 OCR 无法捕捉的实体证据。

数字转录文本可能遗漏页边批注、破损页面、折页、色彩差异、字体排印或手写更正。即使拥有完整的图像集，也无法保存纸张成分、装订结构，或前任所有者夹入材料之间的关联。

这种差异对于短暂印刷品和专业出版物尤其重要。一部大众小说可能存在于数千家图书馆和私人藏书中；而一本地区食谱、行业目录、社区历史或停产技术手册，可能仅存少数几份已知副本。

稀缺性也很难衡量。市场挂牌信息展示的是当前待售书籍，而不是存放于住宅、仓库或未编目藏品中的每一册。一本便宜的书可能很稀少，而昂贵的收藏品则可能有充分记录并得到妥善保存。

这使价格成为不可靠的保障。自动化采购可能会收走那些因重要性尚未被确立、因而鲜少吸引收藏者注意的低价书目。一旦被销毁，其稀缺性将更难重建。

澳大利亚图书面临更高的风险，因为该国出版市场相对较小。本地版本可能会在封面、插图、编辑、导言、食谱、计量单位和地区语言等方面与英国或美国版本不同。用一种版本替代另一种，可能会抹去重要的语境。

这一问题出现之际，澳大利亚创意工作者也正在质疑 AI 公司如何使用受版权保护的材料。Books3 数据集此前已将这一担忧带入公众视野。据报道，其中至少包含 183,000 本盗版图书，包括澳大利亚作家的作品。

Books3 调查显示，作者对训练数据集的可见性何其有限。许多人并非从开发者的通知中得知作品被纳入其中，而是通过外部分析才发现。实体图书的采购也为卖家和文化机构带来了类似的透明度缺口。

这两场争议不应被混为一谈。Books3 涉及未经授权的数字副本。当前书商的担忧，则是合法购得的实体书在扫描后可能被销毁。

但两起事件都暴露出同一种结构性失衡。AI 开发者知道哪些内容进入了其数据集，而作者、书商、图书管理员和读者通常并不知情。公众无法评估哪些内容被保存、哪些被丢弃，以及哪些仍然可获取。

Google News 可以放大对这种失衡的报道，但搜索可见性并不是一种档案保存回应。新闻文章记录的是某一时刻的担忧，并不能识别每一本濒危图书，也无法恢复被销毁的版本。

一套务实的保存体系所需的不只是版权付费。它还需要库存透明度、稀缺性核查、非破坏性处理规则，以及独立于模型训练公司的存储库。购买合法副本并不会自动带来任何一项保护。

这一区别对构建私人数字收藏的知识工作者同样重要。可搜索的笔记和个人档案，只有在保留来源语境时才最有价值。个人知识库应将提取的信息与其出处相连，而不是把每份文档都视为可随意弃置的输入。

AI 实验室的运作规模不同，但这一原则同样适用。当用户能够检查来源、核实语境并回到原始资料时，数据才更值得信赖。销毁来源会削弱证据链。

书商面对一个看不见的市场

新的需求为二手书卖家带来收入，却要求他们交出对每笔交易文化后果的控制权。

书商通常会预期买家阅读、收藏、研究、展示、转售或捐赠所购图书。由于所有权赋予对实体副本广泛的控制权，销毁一直都是可能的。这里不同寻常之处在于其潜在的工业化规模，以及买方的沉默。

不了解买家的意图，卖家就无法保护稀缺材料。即使是谨慎的书商，也可能没有时间和记录去调查每一个版本。高交易量的在线平台则进一步拉开了卖家与最终用户之间的距离。

这带来了一种令人不安的商业取舍。独立书店往往在微薄利润下经营。拒绝一笔大订单，可能意味着仅凭难以证实的怀疑，放弃一项颇具意义的收入。

澳大利亚图书零售业本已承受压力。Guardian 的另一篇报道发现，该国书店数量从 2013 年的 2,879 家降至 2023 年的 1,457 家。报道还称，许多独立卖家几乎不给自己发工资，甚至完全没有工资。

这些条件之所以重要，是因为保存工作不能完全依赖未获补偿的个人判断。当卖家识别并保留特殊材料时，社会会因此受益，但储存、编目和机会成本却由卖家承担。

AI 买家无需刻意瞄准珍本，也可能利用这种失配。基于出版年份、语言或 ISBN 的大规模订单，可能会将稀缺书目与普通书目一并卷入。损害可能源于漠视，而非某项专门清除文化遗存的计划。

书商可以通过筛查买家、限制类别或明确转售条件来应对。但每种措施都有局限。企业中介可能掩盖最终客户，而一般所有权规则可能令售后限制难以执行。

他们也可以在接受大订单前标记可能稀缺的书目。然而，可靠的稀缺性数据分散在图书馆目录、国家书目、专业数据库和交易平台列表中。没有单一来源能够描述每一册尚存副本。

图书馆也面临自身限制。采购预算、存储空间、编目积压和馆藏政策，使其无法接收每一本不再需要的图书。法定送存制度保存了许多新出版作品，但并不保证覆盖每一个版本或每一件短暂印刷品。

出版商可能保存着近年图书的数字文件，但这些文件并不能保留最终制成的实体对象。较早的出版商可能已经关闭、合并，或遗失了档案。小印量图书可能在没有留下稳定出版记录的情况下消失。

因此，最可信的解决方案需要共同承担责任。当图书具有潜在文化价值时，AI 公司可以资助非破坏性扫描。书商可以暂停处理异常宽泛的订单。图书馆可以协助识别优先类别，政府则可以强化送存和数字化基础设施。

公开的保存副本也能降低扫描的零和属性。AI 公司仍可使用合法的数字版本，而研究人员则可在适当的版权控制下获得访问权。原书可继续由图书馆、档案馆、卖家或收藏家保管。

然而，这样的制度与竞争激励相冲突。当竞争对手无法获得同样的材料时，专有语料库具有更高的战略价值。公开存放扫描件，可能会削弱促成采购的信息优势。

这种激励有助于解释一些采购安排为何如此保密。有关 ISBNdb 的报道将保密描述为向 AI 客户提供的服务之一。担忧并不只是运营安全。据报道，公众对销毁图书的反应被视为一个“形象问题”。

这个说法低估了问题的严重性。公众批评并不只是对物件受损的情绪不适。它反映了一种理性的恐惧：私营公司可以将共享的文化资源转化为无法获取的商业基础设施。

不过，保持怀疑仍有必要。澳大利亚卖家提出的是警示，而非发布了一条经过法证确认的保管链。没有完整清单将其近期订单与特定 AI 实验室、扫描供应商或被销毁的副本关联起来。

最严谨的报道应保留这种不确定性。它可以证实破坏性 AI 图书扫描确实发生过，大宗采购服务也确实存在。但它不能负责任地声称，每一笔可疑的澳大利亚交易都走过同样的路径。

Anthropic 的先例给 AI 行业其他参与者带来压力

Anthropic 证明，合法购买的图书可以成为私有 AI 基础设施，使保存决策脱离通常的版权争论。

Anthropic 是最清晰、记录最充分的案例，但对高质量文本的需求横跨整个 AI 行业。开发者需要材料用于初始训练、持续预训练、评估、检索系统和专业模型。

OpenAI 和 Microsoft 针对一个重要馆藏采取了显著不同的路径。它们与 Harvard 的 Institutional Data Initiative 合作，涉及近 100 万本公版书籍，其中包括可追溯至数百年前的材料。这些书卷早已完成数字化，实体馆藏仍被保存。

Google Books 提供了另一项历史对照。Google 开发了大规模扫描系统，对装订成册的图书馆藏书进行拍摄后归还。该项目引发了多年的诉讼，但其实体流程通常不需要销毁借来的图书馆馆藏。

这两项对照并不能免除相关公司在更广泛版权或治理问题上的责任。它们只是表明，工业化数字化并不天然要求消灭原始副本。销毁是一种商业和工作流程选择。

非破坏性扫描可能更慢，尤其是当书籍不易摊开或需要谨慎处理时。它还需要更复杂的设备与质量控制。面对数十万册图书时，这些差异会变得十分显著。

但效率本身并不能决定何种做法可以接受。当材料独一无二或脆弱时，档案机构通常会采用更缓慢的流程。尚未得到回答的问题是：为什么商业 AI 扫描不应接受类似的分级要求。

AI 公司可以将普通过剩图书与需要审查的版本区分开来。目录元数据可提供初步信号，图书馆馆藏和专业数据库则可支持进一步核查。人类专家仍需处理存在不确定性的案例。

困难的类别并非著名的初版。高价值图书不太可能进入匿名大宗订单，因为卖家会认识到其市场价值。脆弱的类别包括那些晦涩、廉价且编目不完善的作品，其重要性往往只有在深入研究后才会显现。

这正是 Anthropic 先例带来压力的地方。避免实体采购的竞争者，可能拥有较少样化的数据。采用谨慎扫描方式的公司，可能比使用工业切书设备的公司承担更高成本和更长时间线。

结果类似一场竞赛，在其中，文化保护措施反而成了竞争劣势。自愿承诺可以有所帮助，但当模型性能和开发速度决定投资与市场地位时，这些承诺仍不稳定。

监管机构可以通过要求对高交易量的破坏性扫描进行保存评估，来改变这些激励。另一种选择是要求将保存副本和详细元数据存放到获批准的机构。

单靠版权法并不适合承担这项任务。它在特定期限内保护创作权利，却不保护出版历史的每一项实体痕迹。它也没有在合法售出后赋予书商普遍的保存权。

文化遗产法可以处理极为重要的物件，但要将其大规模应用于外观普通的图书会很困难。出口管制和受保护物品登记通常涵盖已被认可的珍品，而非未编目的现代出版物。

行业标准或许能比立法更快出现。扫描供应商可以采用规则，将带有签名、批注、稀缺或具有机构重要性的材料转移出去。AI 公司可以公布采购政策，并允许独立审计。

这些措施不会消除破坏性扫描。许多普通图书有大量副本，且几乎没有作为物件的价值。在创建准确扫描件后回收一本受损的过剩副本，与销毁一个存续情况不明的版本截然不同。

当前体系很少让这种区别变得可见。买家可以为数量优化，卖家可以为完成交易优化，扫描设施可以为吞吐量优化。没有任何参与者承担明确责任来保护实体记录。

这种治理缺口正是澳大利亚的警告为何已超出专业旧书销售圈层、引发更广泛关注的原因。这个故事并不只是关于 Anthropic 过去的做法。它提出的问题是：整个采购市场会不会复制同一种模式，却不采取相应的保存保障措施。

Google News 读者接下来应关注什么

下一阶段将取决于供应链透明度、保存规则，以及将匿名订单与实际扫描业务关联起来的证据。

第一个信号是，书商和交易平台是否公布具体的订单数据。有价值的证据包括购买日期、书目清单、数量、买家身份、收货地点，以及跨卖家的重复模式。这些信息可帮助判断澳大利亚的报道反映的是协调采购，还是彼此无关的大宗需求。

隐私和商业义务将限制信息披露。卖家仍可以向行业协会、记者、图书馆或监管机构提供匿名信息。共享报告渠道将揭示任何一家书店都无法单独看到的模式。

如果有文件记录的订单将澳大利亚图书直接关联至 AI 扫描服务商，保存问题就会显著加剧。相反，如果证据显示这些买家是传统转售商或收藏家，最广泛的说法就需要修正。

第二个信号是，AI 公司是否会采用公开的图书采购标准。一项有意义的政策应区分普通副本与可能稀缺的版本，说明扫描方法，并解释实体原件将如何处置。

这一标准也应覆盖中间商。若承包商遵循更宽松的规则，一家公司就无法可信地承诺负责任采购。审计权与留存记录的重要性，将高于一份泛泛而谈的“尊重文化”声明。

对于来源不明或稀缺的材料，非破坏性扫描应成为默认选项。若破坏性扫描仍被视为合适，公司应核实是否还存在其他可获取的副本。它们应保留完整元数据，并在处置前向机构提供原件。

这些承诺将强化这样一种主张：AI 数字化可以与文化保存并存。持续保密则会支持相反的结论，尤其是在买家继续以保密为由隐藏图书最终去向的情况下。

第三个信号是澳大利亚政府或图书馆采取的行动。政策制定者可以询问国家和州立图书馆，现有的缴存制度是否覆盖最容易受到大宗采购影响的版本。他们还可以研究，公共资金支持的数字化是否能够在商业需求将脆弱藏品带走前保存它们。

澳大利亚围绕版权的讨论仍将持续，但立法者不应把补偿视为唯一议题。作者有权了解作品被用于训练的情况。图书馆和读者同样需要防范实体且可公开访问的资料永久消失。

有针对性的回应并不需要禁止图书扫描。政府可以资助稀缺性数据库、扩大保存补助，并为扫描服务商建立自愿移交渠道。行业组织则可以制定易受影响类别的预警清单，同时避免让有价值的图书暴露于盗窃风险之中。

公众也应避免得出两个简单结论。第一，任何一本被丢弃的书都意味着文化灾难。图书馆和书商本就会清理重复、破损或无人需要的库存，因为无限期存储并不可行。

第二，数字化天然等同于保存。一份被置于企业访问控制之后的文件，可能会在并购、模型变更、许可争议或存储决策后消失。保存需要持久的管理、可读取的格式、元数据、冗余备份和可问责的访问机制。

这一原则的意义不止于出版业。AI 系统正日益吸收文档、图像、音频和机构记录，同时将提取出的信息与其来源分离。使用 AI 进行研究的人应保留来源语境，并维持对重要原件的访问。

Google News 让这场争议进入了广大受众的视野，但关注只是起点。读者应追问：哪些书被购买了，谁收到了它们，原件是否得以保存，以及谁能查看由此生成的文件。

最具建设性的回应既不是恐慌，也不是冷漠，而是要求证据，并制定与风险相称的保存规则。AI 开发者可以获得有用文本，而无需将每一份实体来源都视为可随意处置的材料。

未来三个月，请关注经核实的澳大利亚订单记录、主要 AI 实验室公开的采购政策，以及图书馆或政府机构发布的保存指引。每一项进展都将显示，这个行业究竟是将图书视为历史证据，还是仅仅视为原材料。

这个问题如今已无法回避：当一家公司将一本书转化为训练数据时，它会给社会留下更丰富的档案，还是只留下一个更聪明的私有模型？