AI公司批量购书扫描训练引争议，马斯克称SpaceXAI改用无损扫描

随着大模型对高质量语料的需求持续攀升，纸质书籍正成为AI公司争相获取的训练数据来源。独立媒体 404 Media 近日披露，多家人工智能公司正批量购买2022年前出版的珍稀书籍，利用液压切割机切除书脊后进行破坏性扫描，以获取未被AI生成内容「污染」的干净数据，扫描完成后书籍往往被粉碎销毁。

Anthropic「巴拿马计划」与法院判决

报道指出，Anthropic曾销毁数百万册实体书，其中不乏存世量极少的绝版古籍，这项行动被命名为「巴拿马计划」。美国联邦法院认定，「合法购买纸质书再加以破坏性扫描」的模式属于合理使用，判决该行为合法。Anthropic同时与旧书销售平台 Better World Books 建立合作，由后者为其提供大批量图书采购渠道。

马斯克回应：要求无损扫描

报道公开后，X平台账号 Hedgie 在转述相关消息时获得马斯克回复。马斯克表示，已要求 SpaceXAI 团队保存图书馆中所有珍贵书籍，并采用无损扫描方式，避免破坏书脊。Hedgie 随即呼吁，如果 SpaceXAI 能够坚持这一做法，业内其他公司也应以此为标准。

出版商与AI公司的法律战持续升级

围绕训练数据版权，出版传媒集团与AI企业的诉讼正在密集爆发：

• 7月14日，一批主要出版商对谷歌提起诉讼，指控其非法使用数百万本受版权保护的书籍构建 Gemini 大模型，称这是「历史上最严重的侵犯版权行为之一」。谷歌内部评估认为，若将出版商文本用于 Google Play 图书，可能面临100亿至1000亿美元的潜在罚款。
• 7月22日，新闻集团（News Corp）向加州奥克兰联邦法院提起反诉，指控搜索引擎公司 Brave Software 未经授权大规模抓取并转售《华尔街日报》《纽约邮报》等旗下媒体内容，用于AI模型训练。

出版业迎来增量空间

ISBNdb 等拥有全球大型图书数据库的公司，已在近年转型为AI企业的「图书数据供应商」。中信证券研报预计，2026年文化IP数字化运营有望为出版业带来约700亿元增量空间；大模型训练所需的优质语料，使出版企业积累的内容资产成为跨技术周期的底层核心资产。中泰证券指出，相关出版公司内容版权归属清晰、垂类内容优势明显，有望在AI浪潮中持续受益。