一句话看懂：为获取训练数据，部分AI公司正在系统性地扫描并销毁绝版与珍稀书籍。这一做法不仅引发版权争议，还暴露了现行出版体系下，大量智力成果因商业回报不足而面临实质消亡的困境。
事件核心：发生了什么
据HackerNews社区讨论及行业报道反映，一些AI模型训练方为获得高质量、非公开的文本数据集，对图书馆、私人收藏中的珍稀及绝版书籍进行大规模扫描，并在数字化后处置原书。这些书籍大多因版权仍在保护期或销量过低，出版社无动力再版，长期处于“有版权但无印本”的灰色地带。AI公司的介入，让这些物理书的销毁加速，知识获取变得更加困难。
为什么重要
这一事件触及AI行业的“数据合法性”痛点。当前大模型训练依赖海量文本，而珍稀书籍因内容密度高、语料独特，成为差异化训练的关键来源。但销毁原书的行为，实质上消灭了文化存量的唯一物理载体。更值得关注的是，它揭示了版权制度的失效：版权法本意是通过独占期激励创作，但当出版社放弃再版、又不允许他人翻印时，版权反而成为知识的棺材钉。AI训练数据的获取伦理与版权法改革，正在从学术讨论走向行业危机。
对用户/开发者/创作者的影响
- AI开发者：需警惕数据来源的合规风险。采用“扫描即销毁”方式获取的数据，未来可能面临作者或遗产方的侵权诉讼，且训练出的模型在文化多样性与历史准确性上可能存在偏见。
- 内容创作者与学术研究者：珍稀书籍的物理消失，意味着部分人类知识将永久不可追溯。对于依赖一手史料的人文社科领域，此趋势可能削弱AI作为研究工具的可靠性。
- 普通读者与出版业从业者：事件折射出数字时代下印刷文化的脆弱性。若出版社继续仅提供低成本“一次性”装帧，且AI公司仅取内容不保存载体，后代将失去阅读可传世纸质书的机会。
值得关注的后续
- 立法与司法动向：美国版权局及欧盟AI办公室是否会针对“训练数据获取中物理销毁原书”的行为出台专门认定或限制规则，将直接影响数据采集成本。
- 出版业反应：主要科技出版商（如Wiley、爱思唯尔）是否会调整绝版书籍的授权政策，或与AI公司建立付费数字化许可通道，避免物理销毁继续发生。
- 开源数据替代方案：类似Books3等争议数据集之后，社区是否会推动建立“可验证来源、非毁灭性采集”的珍稀书籍数字化项目，以平衡模型训练需求与文化保护。
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。
来源：hackernews
