当互联网公开数据逐渐被 AI 公司“吃”得差不多，大模型厂商开始把目光投向一个更古老、也更庞大的知识载体：纸质书。
今年 7 月，一则“Anthropic 破坏性扫描书籍”的消息，在全球社交平台引发了广泛讨论。
Anthropic 是美国人工智能公司，也是大模型及 AI 助手 Claude 的开发者。根据公开材料披露，为了获取模型训练所需的高质量文本，这家公司主动购买了大量纸质书，切掉书脊、拆散书页，再通过高速扫描设备将内容数字化。
纸质书里的内容被保留下来，进入 AI 模型的数据管道；失去装订结构的原书，则在完成扫描后被销毁。
这项计划被 Anthropic 命名为“Project Panama”，一份内部文件对它的描述相当直接：
> Project Panama is our effort to destructively scan all the books in the world.
> 巴拿马项目，是我们尝试以破坏性方式扫描全世界所有书籍的行动。
这场争议看似围绕“应不应该毁书”，背后却暴露出一个正在迅速升温的市场：当 AI 公司开始重新审视纸质书的价值，书籍扫描正在从一项边缘化的办公需求，变成 AI 时代重要的数据入口。
而在这个并不起眼的行业里，一家从中国大连起步的公司，已经提前布局了十余年。
它就是成者（CZUR）。
AI 为什么突然需要图书馆里的书？
互联网从来不缺内容。
新闻、社交媒体、论坛、短视频、博客和问答平台，每天都在生成海量信息。但对大模型训练而言，数量并不等同于质量。
互联网上的内容时效性强、传播速度快，同时也存在大量重复、拼接、转述和缺乏出处的信息。随着 AI 生成内容越来越多，公开网络中还可能出现“AI 学习 AI”的数据污染问题。
纸质书的价值恰好体现在相反的方向。
正式出版的书籍通常拥有明确的作者、出版社和出版时间，内容经过策划、编辑和校对，能够围绕一个主题展开相对系统、完整的论述。相比碎片化的网络内容，书籍拥有更稳定的知识结构，也更容易追溯来源。
更重要的是，人类仍有大量知识没有进入数字世界。
旧书、地方文献、专业资料、绝版出版物、手写本、手抄本，以及分散在图书馆、研究机构和个人书房里的纸质档案，构成了互联网之外的另一座知识冰山。
如果说公开网页是冰山露出水面的部分，那么纸质书籍和档案，可能就是隐藏在水面之下的巨大主体。
想让这些知识进入 AI 系统，扫描是绕不开的一步。
为什么 Anthropic 选择切掉书脊？
从纯粹的效率出发，Anthropic 的选择并不难理解。
常见的平板扫描仪更适合处理平整纸张；馈纸式扫描仪则需要将纸张逐页送入设备。面对一本装订完整、书页自然弯曲的纸质书，最高效的传统方案，就是直接切掉书脊，把书变成一摞散页。
当扫描规模扩大到数十万乃至上百万册书籍时，切书可以大幅减少翻页、压平和人工调整的时间。
对正在争夺模型能力和产品发布时间窗口的 AI 公司而言，时间意味着算力成本、竞争优势，也意味着商业收益。
问题在于，书籍并不只是承载文字的容器。
古籍、绝版书、签名本和批注本的价值，无法由扫描得到的电子文件完全替代。即使是普通书籍，一旦被切断书脊，也失去了继续流通、收藏和阅读的可能。
Elon Musk 随后在 X 上回应了这件事：
> I’ve asked the SpaceXAI team to preserve any rare books in a library and scan them the hard way vs just cutting off the spine and scanning.
> 我已经要求 SpaceXAI 团队，把发现的珍贵书籍保存在图书馆里，宁可采用更麻烦的方式扫描，也不要直接切掉书脊后扫描。
这条回应获得大量支持，因为它击中了争议的核心：
获取知识，是否一定要以毁掉承载知识的原书为代价？
一家中国公司，十余年前选择了另一条路
在 Anthropic 因“破坏性扫描”引发争议之前，成者已经围绕不毁书扫描做了十余年的产品开发。
成者的发展始于 2013 年，起步于辽宁大连，当前运营总部位于深圳。
2014 年，成者正式发布 M 系列首款扫描仪 M1000；2015 年又发布 ET 系列首款产品 ET16，并开始进入海外市场。此后，成者逐渐形成了覆盖书刊档案扫描仪、书籍扫描仪、智能扫描仪和高拍仪等场景的产品体系。
与传统平板扫描仪和馈纸式扫描仪不同，成者选择的是一种非接触式方案。
书籍自然摊开放在设备下方，由上方摄像头采集页面。用户不需要拆掉装订，也不需要裁切书脊，只需连续翻页，就可以完成整本书的扫描。
这条路线看起来保护了书籍，却带来了另一个技术难题：自然摊开的书页并不是平面。
靠近书脊的位置会隆起，两侧页面会弯曲，文字、表格和图像也会随之变形。如果只是直接拍摄，得到的电子文件不仅不够规整，还可能影响后续 OCR 识别、全文检索和 AI 调用。
成者给出的解决办法，是激光辅助立体展平技术。
设备利用激光辅助识别书页的弯曲状态，再通过图像处理，将曲面页面还原为更平整的数字图像。换句话说，它没有通过物理裁切把书页变平，而是通过算法把弯曲的页面“计算”回平面。
这让“不毁书”与“高效率”第一次有机会同时成立。
以成者书籍扫描仪 ET28 Plus 为例，在不破坏原书的情况下，单次双页采集时间约为 1 秒；留出翻页和操作的容错时间，每分钟仍可扫描约 80 页。
对普通藏书来说，这意味着一本书在完成数字化后，仍然可以完整地回到书架。
对古籍、绝版书、签名本和批注本而言，它意味着数字内容得到保存的同时，原件也能继续被收藏、研究和流传。
成者所有扫描仪和高拍仪产品，延续的都是不拆书、不裁书、不切书、不毁书的扫描方式。
在一个长期追求“进纸更快、处理更多”的行业里，这家公司把竞争的重点转向了另一件事：如何在不伤害原件的情况下，依然扫得足够快、足够清晰。
成者押中的，不只是扫描仪
如果只把成者理解成一家销售办公硬件的公司，就会低估书籍数字化在 AI 时代的价值。
2006 年，《连线》杂志创始主编 Kevin Kelly 在《纽约时报》发表《Scan This Book!》一文，设想了一座由数字化书籍共同构成的“全人类数字图书馆”。
在他的设想里，扫描不是简单地把纸质书复制到屏幕上，而是让原本彼此隔离的书籍建立连接。
他在文章中写道：
> Each word in each book is cross-linked, clustered, cited, extracted, indexed.
> 每一本书中的每一个词，都是交叉链接的，可以被聚类、引用、提取和索引。
接近 20 年后，这个设想正在以另一种方式成为现实。
当书籍经过扫描和 OCR 识别，变成可以全文搜索的电子文件，它们就不再只是静态图片。文字可以被查找，观点可以被引用，不同书籍之间的内容也可以被 AI 重新关联。
对大型 AI 公司来说，这些内容可以成为模型训练数据。
对普通用户来说，更现实的方式则是建立个人知识库。
二者的区别在于：训练大模型，是让模型从海量数据中学习语言规律并调整内部参数；个人知识库通常不需要重新训练模型，而是让 AI 在回答问题之前，先从用户自己的资料中检索相关内容。
简单来说，个人知识库不是用几本书重新训练一个 AI，而是让 AI 能够搜索和调用自己的藏书。
在“纸质书—扫描采集—电子文件—个人知识库”这条链路上，扫描质量决定了 AI 最初能够获得什么。
页面模糊或弯曲，可能造成文字识别错误；漏扫一页，可能形成知识库中无法搜索的永久盲区；目录、脚注、表格和页码没有得到正确保留，AI 就很难还原原文关系，也难以提供可靠引用。
这时，一台扫描仪的价值，已经不再只是“把纸变成 PDF”。
它正在成为纸质知识进入 AI 系统的入口。
一个被重新估值的全球细分市场
书籍扫描并不是一个突然出现的新行业。
过去，这类需求主要集中在图书馆、档案馆、研究机构、学校和专业数字化项目中。设备价格高、操作复杂，普通企业和个人用户很少接触。
成者选择做的，是降低这项技术的价格门槛和使用门槛。
从 M 系列书刊档案扫描仪，到 ET 系列书籍扫描仪，再到适合桌面环境的 Aura 系列智能扫描仪，成者逐渐把书籍扫描从专业机构带向企业、学校、研究人员和个人用户。
2015 年，成者开始进入海外市场。如今，其产品同时面向中国及全球市场，并形成了较为完整的书籍与文档数字化产品体系。
“占领全球市场”当然不能简单理解成一句缺乏口径的市场份额判断。
但在书籍扫描这个专业、分散且长期不受大众关注的细分领域，成者已经建立起一套少见的产品路径：用非接触式硬件采集页面，用算法解决书页弯曲问题，再用 OCR 和软件处理让内容进入可搜索、可编辑、可调用的数字世界。
这套路径在十余年前解决的是办公效率问题。
到了今天，它开始与 AI 模型训练、数字图书馆、机构档案和个人知识库发生连接。
这或许才是成者真正押中的市场。
AI 需要知识，但知识不必因此失去载体
大模型公司盯上图书馆里的书，说明高质量知识正在变得比以往任何时候都更有价值。
在算力、模型架构和算法之外，那些被认真写下、编辑、出版和保存的内容，正在成为 AI 继续进化的重要资源。
但数字化并不必然意味着摧毁原件。
更好的技术，应当让书中的知识进入数字世界，同时让承载这些知识的纸质书继续留在现实世界。
Anthropic 选择了切断书脊，以更快的速度获得数据。
成者则用了十余年时间，尝试证明另一件事：
保护原书与快速数字化，并不是一道非此即彼的选择题。
当书籍扫描从一种办公需求变成 AI 时代的知识基础设施，这家中国公司此前看似小众的坚持，也获得了新的意义。
热门跟贴