细思极恐！AI公司疯狂收购大量旧书，扫描后直接销毁！|AI|图书|旧书|疯狂|语料

#AI 公司被曝大量收购旧书

多家媒体调查曝光，全球多家头部 AI 企业正在通过中间商大批量收购二手旧书，重点瞄准 2022 年之前出版的纸质图书。书籍完成高速数字化扫描提取文本之后，大量原版实体图书直接粉碎销毁。很多人不解，AI 训练依靠网络数据就足够，为什么企业不惜重金到处扫货旧书，这场席卷图书市场的抢书潮，藏着大模型发展最关键的数据博弈。

核心原因在于互联网数据正在持续 “被 AI 污染”。自从生成式 AI 普及之后，全网充斥大量 AI 自动生成的文章、评论、文案。如果大模型持续使用掺杂 AI 产出内容的数据训练，会出现 “模型坍塌” 现象，输出内容越来越空洞、逻辑混乱、缺乏原创能力。而 2022 年之前出版的纸质书籍，全部由人类原创撰写，经过专业编辑校对，是现存稀缺的纯净训练语料。

对比网络碎片化文本，书籍拥有完整的知识体系、连贯长文本、严谨叙事逻辑，涵盖历史、文学、理工专业知识，能够有效提升大模型长文本写作、逻辑推理能力。公开网络爬虫获取内容还容易卷入版权纠纷，而海外部分司法判例认定，企业合法购入纸质图书、内部扫描训练模型，更容易被认定为合理使用，一定程度规避版权诉讼风险。

让人惋惜的是，为了防止扫描文件二次传播，不少企业选择扫描完成后销毁原版书籍。部分绝版古籍、小众专业史料，存量十分稀少，一旦被批量收购销毁，纸质原件永久消失，只留存数字化版本，对于文化保存而言是巨大损失。消息曝光之后，马斯克公开表态，要求旗下 AI 团队采用无损扫描方式，保留原版图书，拒绝破坏性切割扫描。

随着这场数据竞争持续发酵，二手图书市场已经出现明显变化。冷门专业书籍、早年学术著作订单暴涨，收购方通常不议价、不问成色，大批量下单。旧书商根本想不到，原本日渐萧条的二手图书，如今成为 AI 巨头争夺的战略资源。未来优质人类原创语料，将会成为各大 AI 企业构筑壁垒的核心资产。