AI 公司抢购 2022 年前旧书：纯净数据与版权博弈

AI 公司正把目光从互联网转向书架。书业服务商 ISBNdb 正在向 AI 实验室批量出售 2022 年前出版的印刷书，理由很直接：这些书「结构性地」不含 AI 生成内容，是规避「模型退化（model collapse）」的理想训练语料。这一交易背后，牵涉 Anthropic、谷歌等公司此前的版权诉讼，以及稀有书源被销毁的伦理争议。

为何瞄准 2022 年前的印刷书

ISBNdb 在其网站上写道：「全球最优质的 AI 训练数据就摆在书架上。」该公司自称拥有「全球最大的图书数据库」，同时为 AI 公司提供大批量图书采购服务。其核心卖点是：印刷书出版于大模型时代之前，因而在结构上就免于 AI 生成文本的污染。

「2022 年前的印刷书在结构上保证了没有这种污染，仅此一点就是显著优势，」ISBNdb 在文章中写道。文章同时指出，互联网上的大量抓取数据很可能已混入 AI 生成文本，可能导致模型退化——即用 AI 生成数据训练的模型会变得更差、更易出错；而对训练持反对态度的作者，如今也可以通过「投毒」文本反向操纵模型行为。

批量采购：每笔 1 千到 100 万册

ISBNdb 原本服务于书商、图书馆和分销商进行库存管理。生成式 AI 浪潮兴起后，其图书元数据和批量采购撮合服务对 AI 公司产生了新价值。该公司可帮助 AI 实验室单笔采购 1,000 至 100 万册印刷书，并协助系统性获取、扫描、转化为训练数据，同时避免重复。

ISBNdb 还强调为 AI 公司身份保密：「每项合作都签署具有法律约束力的 NDA，客户的身份、策略和采购目标绝不会披露。」其网站同时承认「舆论问题真实存在」——「『AI 公司销毁两百万本书』这样的标题不会带来同情。」

版权诉讼与销毁争议

AI 公司大规模收购印刷书的行为在今年 1 月进入公众视野。当时书作者对 Anthropic 提起的版权诉讼披露了内部文件，显示 Anthropic 计划获取并扫描数百万册印刷书，并在过程中销毁原书。谷歌近期也被图书出版商起诉，理由是其 Gemini 模型同样涉嫌在受版权保护的图书上训练。

一位专门在二手平台上销售外文书的书商透露：自今年 4 月起，他与同行观察到「历史性的销售激增」。往常行情好的时候，他一周大约卖出 20 本书；4 月之后，他每周稳定售出数百本。他怀疑这些买家是 AI 公司，理由包括：

• 他销售的图书通常面向学校与图书馆，而这些机构的采购近年因预算缩减持续下滑；
• 这批大额订单涵盖的图书之间几乎没有主题共性，唯一的共同点是有 ISBN；
• 他同时出售的无 ISBN 稀有书未被纳入这些批量采购；
• 买家对价格「完全不在意」，部分明显高定价的图书也被照单全收，「这是 AI 公司的特征，他们钱太多了」。

该书商表示，他对自己经手的数百本书最终去向感到矛盾：一方面这些收入帮他清理了长期滞销的海外与外文库存，另一方面他不喜欢这些书的最终用途，也不愿见到稀有书目在扫描过程中被化浆销毁。

数据焦虑下的产业链重构

AI 公司对高质量、洁净训练数据的渴求，正在重塑传统书业的中下游链路。从 ISBNdb 这类撮合方，到 Better World Books 等面向 C 端的二手书回收平台，再到外文稀有书的独立书商，整条供应链都在承接来自 AI 实验室的批量订单。

与此同时，「模型退化」的隐忧与版权诉讼的阴影，使印刷书——这一古老的信息载体——意外成为大模型时代的稀缺资源。书商的库存清理收入与稀有书的物理消亡，正在同一笔交易中并存。