一句话看懂：图书数据公司 ISBNdb 在被科技媒体 404 Media 曝光后，撤下了“出售印刷书用于 AI 训练”的营销页面，并澄清该服务从未真正落地。此事折射出大模型训练数据来源的敏感性与版权合规压力。
事件核心：发生了什么
据 404 Media 报道，图书数据库公司 ISBNdb 此前在官网提供一项名为“Printed Books Sourcing for Your AI LLMs Dataset Needs”的服务，宣称可以批量采购 2022 年以前的印刷书籍，供 AI 公司扫描后用于大模型训练。其卖点是这些书籍包含“经过筛选的人类知识”，且没有 AI 生成文本污染，也不受当代数据投毒手段影响。该公司还提出可通过 NDA（保密协议）进行“谨慎”的大宗采购，并承认外界可能对“AI 公司为扫描而销毁数百万本书”存在负面看法。
报道发出九天后，ISBNdb 删除了该落地页（7月28日），并于7月30日在首页和新闻页发布声明，称“从未购买、扫描或出售过任何一本书”，也从未训练过 AI 模型，该页面只是“对市场兴趣的测试”。公司强调核心业务仍是图书元数据 API，帮助书店、图书馆和阅读应用连接读者与书目。
为什么重要
这一事件的意义不在 ISBNdb 本身，而在于它揭示了 AI 数据获取链条中的两个关键张力：一是高质量人工语料的稀缺性——2022 年以前的印刷书被认为是少数未被 AI 生成内容“污染”的语料来源；二是版权与公众观感的红线。尽管该公司否认真正开展过该服务，但“将实体书扫描为训练数据”的设想本身，就足以触发出版业、作者群体和 AI 合规层面的强烈反应。它表明，在大模型竞争从模型架构转向数据质量的当下，任何涉及版权的数据采集方案都会面临比以往更严格的舆论审视。
对用户/开发者/创作者的影响
对于开发者与企业：如果依赖第三方数据服务商获取训练语料，需要重新评估供应方的版权链条是否清晰，类似 ISBNdb 这样“先出营销页、再撤回”的情况，可能意味着高风险数据源正在主动退出市场，合规数据成本会进一步上升。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对于创作者与出版方：此事件是一个信号——公众和媒体对 AI 公司获取受版权保护内容的容忍度正在降低。即使数据中间商试图通过 NDA 隐藏采购细节，曝光风险依然存在。创作者在授权作品用于训练时，可能需要更明确的合同条款来限定用途。
值得关注的后续
第一，是否有其他数据中间商仍在提供类似的“实体书扫描服务”？目前公开信息显示，只有 ISBNdb 被曝光后退回原位，但这一类灰色供给可能转入更隐蔽的渠道。
第二，AI 公司是否会因此更加依赖已获授权的数据集、图书馆合作，或转向合成数据与开源语料？这会影响大模型训练的成本结构。
第三，监管层面是否会针对“图书扫描用于训练”出台更明确的版权规则。目前的姿态更多是事后舆论纠正，而非事前制度约束。
来源：Slashdot
