7.9
深览指数
科技虎嗅·AppSo··AI 生成
重生之我在 Anthropic 做耗材
本文以拟人化书籍的视角切入，揭露了 Anthropic（AI 公司 Claude 的开发商）名为「Project Panama」的大规模实体书破坏性扫描计划。文章详细拆解了该计划的动因（效率与成本）、流程（裁切、扫描、建立永久数字资料库）以及引发的法律争议，并指出一个反直觉的结论：销毁纸书反而帮助 Anthropic 在版权诉讼中主张「一对一格式转换」，免于因复制行为受罚。文章不仅呈现了一个关于 AI 训练数据采集的纪实案例，更引发了对「信息永生」与「物理载体消亡」之间悖论的思考，适合对 AI 产业运作逻辑、版权法前沿案例及技术伦理感兴趣的深度读者。原文 ↗
核心观点
- ▍AI 公司训练模型所需的高质量数据，正在催生一种将实体书籍视为一次性耗材的「破坏性扫描」产业，其核心逻辑并非单纯的信息保存，而是追求极致的效率与成本控制，并意外地为此类行为创造了有利的法律辩护策略。
- 01Anthropic 启动了名为「Project Panama」的计划，目标是「破坏性扫描世界上所有的书」，并为此聘请了前 Google Books 项目负责人 Tom Turvey，投入数千万美元从二手市场大量采购书籍。
- 02破坏性扫描的具体操作是使用液压裁切机切掉书脊，然后将平整的散页送入高速馈纸扫描仪，这种方式相比使用 V 型托架，显著提升了速度和降低了成本，使处理 50 万至 200 万本书的六个月计划成为可能。
- 03被扫描的书籍并非全部用于训练。它们首先进入一个名为「中央研究资料库」的永久性数字档案库，工程师会根据语言、主题等维度挑选子集用于特定模型训练，许多被销毁的书籍最终可能从未被任何模型阅读过。
- 04在作者 Andrea Bartz 等人提起的版权诉讼中，法官认为模型训练属于「高度转换性」的合理使用，而更关键的是，销毁纸书的行为被法院视为合法的「一对一格式转换」，因为数字副本替换了纸质副本，并未增加市场上的副本总数。
- 05Anthropic 最终被判罚 15 亿美元，原因并非破坏性扫描，而是从盗版网站（如 Books3、LibGen）下载了超过 700 万本电子书，这些行为无法获得合理使用的保护。
- 06Project Panama 之后，市场上出现了专门为 AI 公司提供大宗实体书采购的产业链，如 ISBNdb 等公司，他们强调 2022 年以前的书籍因未受 AI 生成内容污染，是更「干净」的训练数据。
反方 / 局限
- — 文章暗示了作者立场的张力：一方面对书籍的物理毁灭感到惋惜，另一方面也承认这种高效率的数字化是 AI 产业发展的现实需求。文章并未为 Anthropic 的行为辩护，但揭示了其行为在法律和商业逻辑上的自洽性。
11 分钟 · 4 卡片 · 7 资料
读原文 →