重生之我在 Anthropic 做耗材

我重生了。

上一世，我是一本人工智能教材。学生在我的页边写满笔记，工程师折起其中几页，也有人把我放在书桌最显眼的位置。

我一直相信，书存在的意义，就是把自己知道的事情交给更多人。

只不过，既然我的内容是关于人工智能，要是有朝一日，我能够亲自参与这项技术的发展，大概也算功德圆满。

终于，我转世了，摇身一变成为了一部当代文学经典，书里不再有模型架构和算法公式，而是人的记忆、感情、悲欢，以及他们如何彼此靠近，又如何错过。

上一世，我帮助人类理解人工智能；这一世，我希望人工智能能够通过我理解人类。

我在 2019 年被印刷出来，走进市场，等待着命运向我招手，让我去完成内心的使命。

然而，这辈子卖得不如上辈子好，一直在书架上吃灰。

我进入了二手店，在那里，我碰到了一位曾经在图书馆里呆过的前辈，它告诉过我，珍贵的书会被放进 V 型托架，由上方的相机逐页拍摄。扫描结束后，它们仍然可以合上封面，重新回到书架。

我以为这就是电子化，书页上的文字，可以进入数据的世界。扫描结束后，你仍然可以做一本书，同时让自己的内容去往更远的地方。

所以，当我听说 Anthropic 正在大规模购买纸质书时，我并不害怕，甚至很期待。作为一家开发 Claude 的人工智能公司，它需要高质量、长篇幅、经过编辑的文字，帮助模型学习怎样组织知识和使用语言。

听说这个消息时，我几乎有些兴奋——上一世没能完成的愿望，似乎终于轮到这一世实现了。

我知道自己大概会去哪里。Anthropic 正在建立一座庞大的研究资料库，目标是获得「世界上所有的书」。书籍进入资料库后，会被建立书目和 ISBN 信息，再由工程师从中选择不同的集合，放进不同模型的训练数据。

法庭文件中披露的一张图书仓库图片，据称该仓库参与了 Anthropic 的「巴拿马计划」（Project Panama），该计划旨在扫描、数字化并销毁数百万册图书。图片来源：《华盛顿邮报》

这似乎正是我等待了两辈子的机会，😨只要被 Claude 读到，我或许真能成为它理解人类的一小部分。

直到被送进扫描工厂，我仍然觉得自己是被选中的。

可是，工厂里却没有 V 型托架，也没有人准备替我翻页。工作人员把我放在一台液压裁切机下，刀口正对着我的书脊。

直到这时我才意识到，Anthropic 所说的「数字化」，好像，和图书馆前辈告诉我的，不是同一回事。

这时，机器启动了——

一本书重生，为什么必须先死？

听起来残酷，但破坏性扫描并不是 Anthropic 特别发明的手段，而是高吞吐量数字化的一条常规生产线。

一本装订完好的书无法完全摊平，靠近书脊的文字容易出现弯曲、阴影和失焦。若要保留原书，就需要使用 V 型托架和顶部相机逐页拍摄，再通过人工或软件校正图像。

这套方式适合图书馆、档案馆和珍贵藏书，却需要更多设备、人工与时间。

如果切掉书脊，情况就不同了。平整的散页可以直接进入高速馈纸扫描仪，像普通办公文件一样连续完成双面扫描。面对几十万甚至数百万本书，速度和成本的差距足以决定整个项目能否执行。

2024 年，Anthropic 聘请曾参与 Google Books 项目的 Tom Turvey，开始大规模采购纸书。法院文书显示，公司花费数千万美元购入数百万本书，其中许多来自二手市场，再交给服务商拆解、裁切和扫描。

后来解封的内部材料为这项工程补上了一个更具戏剧性的名字：「Project Panama」，项目书把它形容为「破坏性扫描世界上所有的书」，同时要求员工不要对外谈论。某份供应商方案预计，仅用六个月便可处理 50 万至 200 万本书。

书在这里不再首先是一件需要保存的文化物，而是一种妨碍信息被高速读取的装订结构。

被 Anthropic 买走，不等于被 Claude 读过

媒体常把整个故事压缩成一句话：Anthropic 买下数百万本书，把它们扫描后用于训练 Claude。

法院文书公开后，才能看到，那是一个更加复杂的流程。无论来自购买扫描，还是来自 Books3、LibGen、PiLiMi 等盗版书库，图书首先都会进入一个中央「研究资料库」。

Anthropic 计划把这些文件永久保存，即便已经确定某本书不会再用于模型训练，也没有必要删除。

训练只是这座资料库的用途之一，法院文件中特别指出，两个模型采用的纸书来源子集，都只占所有扫描图书的一小部分。工程师会根据语言、主题、作者等信息挑选不同的图书子集，再复制成某一代模型的数据组合。

原来如此：一本书可能付出了书脊、装订和整个物理身体，最后却从未进入任何完整模型的训练。它只是被永久保存在企业内部，等待一种尚未发生、甚至永远不会发生的用途。

Anthropic 要建造的，是一座来源混杂、用途开放，并且准备永久保留的私人数字图书馆。至于模型训练，只是捎带手做一下罢了。

死亡与消失，还帮了 Anthropic

作家 Andrea Bartz 等人在 2024 年起诉 Anthropic，指控公司未经许可复制其作品。案件看起来只在追问一个问题：AI 公司能不能使用受版权保护的书训练模型？

法院却没有给出一个笼统的是或否，而是沿着每份副本的履历，接连问了三个问题：它从哪里来，为什么被复制，复制之后又去了哪里？

显然，版权法并不关心一本书的灵魂，更不关心它的使命（虽然法典自己也是一本出版物），它关心的是复制、传播和相应的市场权利。

同一本作品投胎到不同环节，会获得截然不同的法律身份，给 Anthropic 带来不同的「后果」。

第一种是模型训练。法官认为，Claude 学习书中的语言和表达方式，是为了生成新的文本，而不是向公众提供原书的替代品，因此这一用途具有高度转换性，可以构成合理使用。

第二种是把合法购买的纸书扫描成数字文件，万万没想到，这里最关键的一环，正是原书已经被销毁。

Anthropic 每买入一本纸书，就用一份内部 PDF 取代它；这些数字文件后续没有对外出售或传播，同时纸质原件也不再存在，那么从副本数量来看，它「没有从一本变成两本」，而是让一个数字副本替换了一个纸质副本。

换言之，在公众眼里最具破坏性的环节，却成了 Anthropic 最有利的证据。对一本书而言，销毁意味着生命终止；在法院看来，销毁反而能够证明，世界上没有凭空多出第二个副本。

没有证据表明 Anthropic 从一开始就是为了这套法律论证才销毁纸书——破坏性扫描，首先是一种追求效率的工业流程，它在很多地方都被应用。

只是在这次，在这里，它意外地满足了法院对于「一对一格式转换」的定义。

第三种行为，则是从盗版网站下载电子书。Anthropic 曾从 Books3、LibGen 和 PiLiMi 获得超过 700 万本盗版书，并将它们收入准备永久保存的中央资料库。

与被切碎的纸书相比，这些电子文件没有遭受任何物理伤害，却因为取得方式不同，不能自动得到合理使用的保护——Anthropic 会受罚，仅仅是因为下载了盗版书，哪怕相比于切书扫描，下载盗版的过程中，0 部纸本书在当中受到伤害。

2026 年 7 月，法院正式批准 Anthropic 以 15 亿美元了结盗版书库相关的集体诉讼。书籍的破坏性扫描并没有让 Anthropic 在整场案件中受罚，还帮助它守住了其中非常关键的一部分。

重生，正在成为一门生意

判决发布后，404 Media 调查发现，一条面向 AI 公司的实体书采购产业正在形成。ISBNdb 等服务商可以一次帮助匿名客户采购 1000 本至 100 万本书，并特别强调 2022 年以前的纸书尚未受到 AI 生成内容污染，是更加「干净」的训练材料。

一些欧洲书商也发现，绝版、外文和冷门专业书开始收到反常的大宗订单。

目前还不能确认这些书最终都被哪家公司购买，更不能证明其中的珍稀版本全部遭到销毁，但 Project Panama 已经展示了一条可以被复制的路线：在数字资料越来越昂贵、混杂甚至受到 AI 内容污染之后，公司可以回到实体世界，购买纸书，拆除装订，把它们重新转化为机器可以处理的数据。

这并不是传统意义上的焚书，Anthropic 没有试图让书中的思想消失，恰恰相反，它希望尽可能完整、尽可能高效地保存其中的信息。

只是这种保存建立在一个奇怪的交换之上：文字获得「数字永生」，书的身体则成为一次性耗材；信息被永久留在企业的资料库里，原本可以从公共书架上取下的那一本书，却不复存在。

永生，但不是我想象中的永生

我在 Anthropic 的服务器里醒来时，已经拥有新的身份：一份带有 OCR 文本的 PDF。

系统替我登记了书名、作者和 ISBN，保存期限是「永久」。我以为接下来就是等待 Claude 读到我，但很快发现，重生并不等于入选，工程师什么时候真正「选中」我，不得而知。

对我而言，这大概是重生之后最幻灭的时刻。我原本以为自己会成为 Claude 的记忆，后来才发现，我更可能只是它从未翻开的一份档案。

我的纸质身体被送去回收时，大概不会想到，自己的死亡证明有一天会被写进法院判决，并成为 Anthropic 证明自己没有侵权的理由。

如果还能再投一次胎，我仍然愿意成为一本对人类有用的书。

但下一次听说自己「被选中」时，我大概会先问一句：

你们那里，有 V 型扫描仪吗？

文章来自于微信公众号 “APPSO”，作者 “APPSO”