AI 大模型终于显露出了最本真的利爪：它们开始啃书本了。

近期日本旧书圈传出一桩令人毛骨悚然的离奇事件：大量匿名买家正在日本各地地毯式收购旧书。

从历史哲学、医药法律，到边远地区的方志乃至数十年前的政治宣传册，但凡有文字的，几乎照单全收。

这分明是在这是在搞文献清剿。

从今年八月开始，日本全国各地的线上旧书店几乎同时接到了反常的大批量订单。有店主说一天能卖出去一百册，还有人碰到单日销售额直接翻了五倍。

下单的人不挑品相，不挑版本，冷门专业书反而最受欢迎。

更蹊跷的是，这些分散在全国各地的订单，收货地址高度集中 —— 大部分都发往冈山县的同一个物流中心。

记者顺着物流记录往下追，查到了更离谱的数字：已经有超过五十吨的日本书籍从这里出口到了美国。

旧书店老板们一边数钱一边心里发毛，因为买主的行为逻辑根本不像藏书家，也不像二手书商 —— 藏书家会挑版本，书商会挑销路，而这帮人什么都要，只要上面印了字。

答案其实早就藏在美国的法庭文件里。AI 公司 Anthropic 在一起版权诉讼中，被曝出内部有一个代号 "巴拿马" 的项目。

这个项目的流程简单粗暴：通过中间商在全球范围内批量采购二手书和绝版书，运到处理中心后用液压机切掉书脊，把拆散的书页送进高速扫描仪，每分钟能处理八十到一百二十页。

扫描完成后，纸质原书不保留、不转售、不捐赠，直接进粉碎机打成纸浆。

AI 公司为什么放着互联网不用，非要花钱买纸书再一张张扫？这跟大模型自身的一个致命缺陷有关。

当新一代模型用前一代模型生成的内容来训练自己时，错误会逐代累积，文本越来越同质化，最终模型会丧失还原原始数据分布的能力。

2022 年之后，互联网上充斥着大量 AI 生成的文本，爬虫抓回来的数据里混了多少机器写的东西，谁也说不清。

相比之下，2022 年之前印刷出版的纸质书是百分之百的人类原创，很多内容从来没有被数字化上传。

对 AI 公司来说，一架子旧书就是经过认证的干净数据源，稀缺程度远超大多数人的想象。


这件事真正值得琢磨的地方，远不止 "AI 毁书" 这个情绪化的标签。

这不是什么文献清剿阴谋，背后没有谁想刻意消灭某种知识或者历史叙事。

驱动这一切的是非常朴素的商业逻辑 —— 数据正在取代算力，成为大模型竞争最核心的壁垒。

过去三年行业默认谁的芯片多谁就能赢，现在发现不是这么回事。芯片可以买可以造可以租，但 2022 年之前的人类文本是固定存量，买一本少一本。

谁先把这些干净数据锁进自己的训练库里，竞争对手花再多钱也追不回来。这已经不是技术竞赛了，是资源囤积。

然后是一个被所有人忽略的问题：扫描只能提取文字，书的物理价值是扫不走的。

书页上的手写批注、不同版次的印刷差异、装帧材料的年代信息，这些都是文献研究和历史考证的原始证据，一旦原书被粉碎，这些信息就永远消失了。

图书馆花了几十年建立起来的馆藏体系，可能在一个下午的高速扫描里被掏空，而且没有任何机构有权力审查这个过程。

对中国来说，这件事的警示意义非常直接。日本书籍能被成吨运走，中文书籍凭什么不会成为下一个目标？国内的二手书市场、高校图书馆的剔旧书、私人藏书的散出，这些渠道目前没有任何机制去识别和拦截 AI 数据采购。

数据出境监管目前主要盯着个人信息和重要数据，一本书的文本内容算不算受保护的文化资源，法律上没有明确说法。

版权层面，国内对未经授权扫描图书用于 AI 训练的态度比美国严格，但中间商收书、扫描、转交境外 AI 公司这条灰色路径操作起来门槛很低，监管很难触达。

今年 "剑网 2026" 专项行动已经把 AI 侵权列为重点，二十二家出版社联合建了正版语料库，方向是对的，但速度能不能赶上 AI 公司扫书的速度，得打个问号。

最后说一句不太中听的。大模型发展到今天，终于绕了一圈回到了最原始的问题上 —— 人类写的字才是最值钱的东西。

那些被成吨粉碎的旧书里，可能有某个地方学者一辈子的研究心血，可能有某个时代最真实的社会记录，它们写出来的时候没人觉得珍贵，现在因为 AI 需要干净的训练素材，反而被翻出来批量消费。

技术进步的代价往往不是惊天动地的大事件，而是某一天你突然发现，想找一本旧书查点东西，全世界的存世本都已经变成了碎纸浆，只剩下 AI 模型里谁也看不见的一串权重。