一句话看懂：外媒披露亚马逊在内华达州一处仓库中，将大批纸质书扫描后直接切毁销毁，用于训练大模型。这一做法暴露了AI训练数据获取环节中版权与物理资源浪费的双重争议。
事件核心：发生了什么
据404 Media报道，亚马逊位于内华达州拉斯维加斯的VGT3仓库中，存在一条专门处理纸质书的流水线。该仓库与亚马逊的按需印刷业务LAS8同处一个综合体，员工操作机器将书脊切掉，把散页送入扫描设备。扫描完成后，这些纸张被直接丢入废纸转运箱。
此前亚马逊对内部解释称这些书是为了Kindle电子书制作备份，但受访员工表示怀疑。该员工指出，从版权和出版授权角度，这种大规模物理扫描并不符合常规电子化流程。随后他确认这些扫描数据实际用于AI训练，而书籍本身则被彻底销毁，无法再流通或复用。
为什么重要
这一事件将大模型训练的“数据上游”问题从数字版权延伸到了物理实体。目前公开信息显示，主流AI公司大多通过抓取网络文本、购买数据集或与出版商签约获取训练语料。亚马逊此次被曝光的做法，意味着它可能绕开了授权环节，直接以“物理方式”获取仍受版权保护的书籍内容。
更深层的行业含义在于：如果大型科技公司可以借“内部设施”大规模扫描并销毁实体书，那么版权方和作者的议价能力将被进一步削弱。与此同时，这也反映出高质量文本语料正在成为稀缺资源——当互联网上的免费内容被过度挖掘后，纸质书这类“最后的存量”也开始被系统性纳入训练管线。
对用户/开发者/创作者的影响
对普通用户而言，这件事的直接影响有限，但间接影响深远：你未来使用的大模型可能包含未经授权的书籍内容，这在回答事实性问题、文学作品分析时可能产生版权争议。对开发者来说，如果你基于这些大模型构建应用，需要留意输入输出内容在商业化场景下的合规风险——模型训练阶段的侵权并不必然豁免应用层的法律责任。
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。
对作者和出版方而言，这是明确的警示信号。亚马逊既是图书销售渠道，又是AI模型开发者，这种双重身份使其有能力在供应链内部完成“数据收割”，而版权方可能事后才发现自己的作品已进入训练集。如果这一模式被其他具备仓储能力的公司效仿，传统的版权授权谈判框架将面临失效风险。
值得关注的后续
第一，404 Media的后续报道是否会曝光更多仓库员工证词或内部文件，这将决定事件能否从“单点爆料”升级为系统性调查。第二，美国版权局目前正在推进AI训练数据的合规政策讨论，此案例可能成为监管层评估“物理扫描销毁”是否构成合理使用的重要参考。第三，亚马逊是否会对此作出正式回应——如果保持沉默，可能引发更多版权方集体诉讼；如果承认并调整流程，则相当于默认之前的行为存在程序瑕疵。
来源：Slashdot
