【AI企业销毁百万册旧书，文明载体不能只换数字数据】

2024 年起美国AI公司Anthropic启动巴拿马计划，批量收购2022年前纸质旧书，切割书脊高速扫描提取文字后全部销毁，数百万册书籍就此消失，法院判定该行为合规，这件事近期持续引发全球讨论。

很多人只看到企业为训练AI找干净文本，很少有人思考这种操作长期会带来哪些影响。资本追逐效率的做法，是否会让人类留存千年的文字载体慢慢消失？

网络上充斥AI生成的重复文字，这类内容会降低模型学习效果，早年未被机器改写的纸质读物，自然成为行业争抢的资源。企业选择破坏性扫描，一是拆分书页能大幅提升扫描速度，压缩运营开支；二是销毁原件可以规避版权纠纷，减少后续诉讼风险。

整套流程只看重文字信息，书本纸张、手写批注、原版版式全部失去留存机会，不少存量极少的绝版史料、小众孤本在这个过程彻底消失，这类载体一旦损毁，没有任何复原途径。数字化文本只能记录文字，附着在实体书籍上的历史痕迹无法复刻。

对比国内同步推进的国家版本馆，思路存在明显区别。馆内保存三千四百多万件实体版本，搭配大容量数字备份库，所有典籍采用无损数字化方式处理，实物长期恒温保存，数字资源同步整理归档。依托馆藏搭建训练数据集，完整保留完整文化资料，不会为提取数据舍弃原始载体。

科技向前推进的速度很快，但各类文明留存载体没有重新生成的渠道。头部科技企业掌握海量独家数字文本，大量实体书消失后，公众查阅冷门史料只能依赖企业私有数据库，公共知识存储渠道会持续收窄。马斯克此前公开表态，旗下 AI 项目改用无损扫描，也能看出行业内部已经意识到这种毁书方式存在明显短板。

我们发展 AI 产业需要充足优质语料，获取数据的方式有很多，一定要以损毁实体典籍为代价吗？