一本全新的书，从仓库货架上被取下，扫描进系统，然后送进粉碎机。这不是图书回收，而是亚马逊AI训练流水线的一环。本周，404 Media的记者Emanuel跟进报道了这条此前鲜为人知的链条——他找到了一位曾在亚马逊仓库工作、亲身参与销毁图书的员工，聊了聊这份工作的真实日常。

销毁不是意外，是流程

打开网易新闻 查看精彩图片

在这位员工的描述中，销毁图书并非偶发的库存清理，而是持续运转的标准流程。仓库里每天都有大量图书被处理，它们被扫描、录入，随后走向粉碎。这些书不是滞销品，也不是残次品——它们被选中，是因为亚马逊需要它们的文字内容来训练AI产品。

换句话说，书的物理形态在进入仓库的那一刻就已经不重要了。重要的是书里的文字被提取出来，变成训练数据。书本身，则成了流程末端必须被处理掉的“废料”。

为什么必须销毁？

这位员工没有给出亚马逊内部的官方解释，但从流程逻辑看，销毁是闭环里不可省略的一步。扫描后的书如果流入二手市场或退回出版社，内容可能被二次传播，而训练数据的版权边界会变得更加模糊。销毁，意味着物理载体彻底消失，只留下已经被“消化”的文字。

这也解释了为什么这项工作如此隐秘——它处在版权灰色地带和商业机密的交界处。仓库员工看到的只是流水线的一环，但这一环背后，是AI训练对内容的海量需求与版权规则之间的巨大张力。

AI训练的数据饥渴，正在改变仓库的运转方式

过去，仓库的核心指标是周转率和库存准确度。现在，某些仓库多了一条隐形的KPI：每天处理多少本书进入扫描销毁流程。这位员工的工作内容因此变得机械而重复——拆封、扫描、确认、送入粉碎机。他告诉Emanuel，这份工作让他对“书”的感觉变得复杂：书不再是知识的载体，而是流水线上的原料。

这种感受并非个例。AI训练对文本数据的需求几乎是无限的，而版权清晰的图书是其中最优质的语料之一。当需求足够大，供应链就会以意想不到的方式被重塑——包括让仓库变成销毁车间。

同一批“名字”反复出现在AI输出里

本期播客的后半段，Emanuel和同事Sam聊到了另一个现象：在大量大语言模型的输出中，总是反复出现同样的几个名字。这些名字像幽灵一样，在不同模型的回答里穿梭，无论用户问什么，它们都会以某种方式浮现。

这不是巧合。它指向的是训练数据的高度同质化——当各家模型都依赖相似的公开语料库时，输出中的“高频名字”就会趋同。那些在语料中被反复提及的人名、机构名，成了模型输出中的“地标”，无论上下文如何变化，它们都会被模型优先“想起”。

数据同质化，正在让AI变得“脸盲”

这种同质化的后果是：模型对世界的理解越来越依赖少数几个信息源。如果这些名字代表的观点或事实存在偏差，模型的输出也会被系统性带偏。更麻烦的是，用户很难察觉这一点——因为模型给出的答案看起来总是流畅、自信、有理有据。

Emanuel和Sam在节目里没有给出解决方案，但他们点出了一个值得警惕的趋势：当AI的训练数据越来越集中，AI的“世界观”也会越来越窄。而那些被反复输出的名字，就是这条窄路上的路标。

订阅用户专属：ICE与选民数据

本期播客的订阅用户专属部分，Joseph聊了一个更硬核的话题：美国移民与海关执法局（ICE）正在大量购买与“选民欺诈”相关的数据。这笔数据采购的规模、用途和合法性，都引发了不小的疑问。

为什么ICE需要选民数据？这些数据从哪里来？它们会被用来做什么？Joseph在节目中给出了他的调查发现。这部分内容仅对付费订阅用户开放，也是404 Media维持独立调查报道的重要支撑。

播客之外：404 Media三周年线下活动

本期节目还预告了404 Media的三周年纪念活动——一场线下直播派对。届时会有更多深度内容的现场分享。如果你对AI训练背后的供应链、数据同质化问题，或者ICE的数据采购感兴趣，这场活动或许值得关注。

回到开头那个问题：每天有多少书在仓库里被销毁？这位员工没有给出精确数字，但他确认了这件事的规模远超外界想象。当AI的胃口越来越大，销毁流水线的转速，恐怕只会越来越快。