一句话看懂：AI 公司为规避版权风险，正在大规模采购并销毁实体珍本书籍，以获取未公开的独有训练数据。批评者认为这可能导致人类知识库的永久性缺口，呼吁企业在扫描后保留公开存档。
事件核心：发生了什么
据 Hacker News 讨论及 Ars Technica 报道，当前部分 AI 公司正通过购买市面上的稀有、绝版或小印量实体书，在扫描入库后销毁原书，以确保这些文本内容不会进入其他竞争对手或公开互联网的训练集。这种行为被视为版权高压环境下的“数据独占”策略。今年 6 月有报道指出 Anthropic 也曾涉及类似销毁实体书的行为，引发版权与档案保护争议。
评论者指出，以 50 美分一本的价格在跳蚤市场出售的书，绝大部分本身面临自然腐烂或被丢弃的命运。AI 公司收购的往往只是单一副本，并不会垄断所有存量。但问题在于，如果其为独占数据而刻意销毁特定珍本或绝版书，则可能酿成类似“亚历山大图书馆被烧”的历史遗憾——人类将失去部分不可再生的原始知识。
为什么重要
这一现象的本质，是 AI 训练数据“高公地”与“高围墙”之间的冲突。公开互联网的文本已快被大模型榨干，寻找未数字化、未公开的物理书刊成为获取高质量语料的最后洼地。为此，部分公司宁愿买书烧书，也要把数据锁进自家保险柜。
从历史角度看，这种“有限幸存”的数据采集方式将直接影响未来模型的知识广度。即便这些书中的内容未必都高价值，但作为前机器学习时代的人类创作遗产，其档案价值不可低估。而目前公开信息显示，相关企业在扫描后并未建立公示或公共存档机制，这意味着数据可能随着原书销毁而永久消失，而非被妥善保存。
对用户/开发者/创作者的影响
对普通用户：短期内不易察觉，但长期看，你在 AI 生成内容中能获得的知识范围，将被少数几家公司持有的物理扫描库所定义。
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。
对开发者与研究者：若追求使用小众、绝版书籍训练模型，获取成本将大幅上升；同时也意味着开源社区在语料层面与闭源公司的代差可能被拉大。
对创作者与作者：书籍若能进入 AI 训练集，其内容将以某种形式“数字化永生”；但若版权方或 AI 公司选择独占销毁，则是另一种意义上的彻底消失。创作者的权益分配仍缺乏明确规则。
值得关注的后续
一是，关注 Anthropic、OpenAI 等头部公司是否会效仿并通过购买销毁方式建立“私有语料库”，以及是否有公开声明来回应质疑。二是，关注是否有第三方机构（如图书馆联盟、互联网档案馆）出面要求 AI 公司留存扫描副本或建立公共存取机制。三是，版权法是否会针对“购买后销毁纸质书以消除训练来源”的行为出台专门约束，这将直接影响各大模型厂商的合规成本。
来源：hackernews
