电子书普及十几年，实体书一直在退潮。但近日日本二手书店的老板们遇到了反常的一幕：有人不挑版本、不问品相，按吨下单买书，日销量冲到数百本，部分时段销售额涨到平时的5倍。

9月25日，据日本电视台NTV获取的记录，一笔50吨的日本书籍订单已被发往美国，进入Anthropic的扫描处理流程。多家书店的订单都指向同一个收货地址：冈山县某物流中心。

买家不为收藏，不为转售，甚至不为阅读——书被扫描成数据之后，直接粉碎。人类知识的纸质载体，正在被AI公司成吨地吃掉。

表面是买书，实际是圈地

更值得玩味的是采购清单。东京一家书店店主告诉NTV，以往最畅销的是小说和漫画，近日的批量订单却集中在哲学、历史、政治史、医学、法律，以及江户时代的生活与文化等题材。

这几类书有一个共同点：知识密度极高。小说提供的是情节和语感，而哲学、医学、法律提供的是体系化的概念、推理链条和专业共识——这正是AI训练语料里最值钱的部分。

随着互联网上公开可得的文本被大规模采掘，数字世界里"免费的午餐"越来越少。营销软文、机器生成的注水内容充斥网络，真正高质量的语料反而沉淀在纸质书里。于是AI公司的采购车头一转，从爬虫扫描网页，变成了卡车按吨拉书。

这不是买书，是圈地——谁先把实体知识吃进模型，谁就先占住了下一轮竞争的语料高地。

扫描后粉碎：一条只进不出的传送带

很多人会想：扫描就扫描，为什么非要粉碎？把书销毁，是不是太浪费了？

关键就在这一步。数字化并不等于共享。扫描件进入Anthropic的服务器后，成为不对外公开的私有语料；而原书一旦粉碎，它在公共流通领域就被物理抹除了。

过去一本书的命运是这样的：它在书店、在图书馆、在旧书摊流转，任何路人都能翻开它。现在它的命运变成了一次单程传送——纸上的知识被抽取成数据，载体随即消失，知识本身则封存在一个普通人无法查阅的模型里。

想再获得这份知识？可以，但要通过AI公司的产品提问，由算法决定给你什么答案。知识从"可借阅"变成了"可查询"，而查询的规则，不再由读者掌握。

这是AI语料采集史上一次标志性的转向：采集对象从数字世界溢出到了实体世界，而这一次，连回收的余地都没留下。

法律追不上的"合法"操作

版权当然是绕不开的问题。在日本现行法律下，除非能证明扫描行为不公平地损害了版权方利益，否则以AI学习为目的的扫描仍属合法。

但请注意这笔操作的三个特征：批量、跨境、隐秘。在这样的流程里，不会有任何一位作者被征询意见，甚至不会有人知道自己书里的内容正在被抽取。法律管的是"是否造成损害结果"，而当损害分散在千万个权利人身上、又以数据形式发生在境外服务器里时，现行框架几乎无从下手。

以往围绕AI训练数据的争论，大多停留在"用没用我的内容"层面。而这一次，事情多走了一步：不只用了，还把原材料销毁了。买下的是纸张，拿走的是流通，留下的是一个法律尚未定义的空白地带。

输家是知识的公共性

二手书店店主们心情复杂：销量暴涨带来的是真金白银的短期收入，但如果书籍被批量移出流通市场，长期来看库存供应会被掏空，定价体系会受冲击，珍稀版本可能就此绝迹。

有人会说，AI训练总需要数据，一手交钱一手交货，天经地义。这话对了一半——问题从来不在"用"，而在"销毁、不问、私有化"这三件套连在一起做的时候。交易完成的那一刻，书店赚到了钱，AI拿到了语料，被跳过的是作者的知情权，被牺牲的是未来某个读者在旧书堆里与一本好书不期而遇的机会。

知识的公共性就是这样被一点点让渡出去的：每一笔单看都合理，连起来却是一条只进不出的传送带。

这场吨级扫货给整个行业提了个醒：当AI开始按吨吃书，需要被讨论的就不只是数据合规，而是我们打算把人类的知识，交给谁来保管。

✦ ✦ ✦

如果这篇内容让你看到了AI语料战争的另一面，欢迎点赞支持，另外，关注我们，后续还有更多深度分析。