Anthropic 花費數千萬美元購買舊書，把書脊切掉、逐頁掃描，最後再將紙張打成紙漿。這件事最容易引發情緒的部分是“毀書”，但真正值得討論的，並不只是書有沒有被銷毀。
更關鍵的問題是：為什麼一家訓練大模型的公司，寧願建立一條昂貴的實體書處理流水線，也不直接購買電子書或與出版社簽訂授權協議？這套被稱為“巴拿馬計畫”的做法，把 AI 訓練資料、傳統出版版權、數字內容許可和模型蒸餾之間的衝突集中到了一起。
它看起來荒誕，卻有一套非常現實的商業與法律邏輯。
“巴拿馬計畫”做了什麼
按照流出的專案材料，這項計劃從 2024 年開始推進。Anthropic 從二手書商手中批次購買舊書，再把圖書交給專業掃描服務公司處理。
一冊書進入流水線後，大致經歷四個步驟：
- 使用液壓切紙機切掉書脊。
- 將整本書拆成可以自動進紙的散頁。
- 用高速雙面掃描器完成數位化。
- 掃描結束後，把紙張送去回收並製成紙漿。
高速掃描器每分鐘可以處理數十頁甚至上百頁。當操作物件從幾百本書擴大到幾十萬、上百萬本時，切掉書脊幾乎是唯一能維持吞吐量的處理方式。
材料中提到，整個專案在約半年內處理了數量極其龐大的紙質圖書。這不是臨時找幾個人翻頁拍照，而是一套採購、運輸、拆解、掃描、識別、儲存和銷毀相互銜接的工業流程。
為什麼一定要切掉書脊
很多人的第一反應是：掃描可以理解，為什麼非要毀掉書？答案首先來自效率。
一本裝訂完整的書無法直接進入自動進紙掃描器。如果保留裝訂，就只能依靠人工逐頁翻動，再用平板、相機或專用裝置掃描。
這種方式主要有四個問題：
- 翻頁速度慢，人工成本高。
- 書頁彎曲，靠近裝訂線的位置容易變形。
- 厚書難以壓平，文字識別準確率會下降。
- 長時間面對掃描光源和重複翻頁，會增加操作人員的身體負擔。
切掉書脊後，圖書會變成一疊尺寸統一的紙張。散頁可以連續進紙、自動翻面，並快速完成雙面掃描。
對偶爾掃描一本書的人來說，保留原書並不困難。但對需要在數月內處理百萬級圖書的專案來說，每本書多花幾分鐘，最終都會變成難以承受的成本。
所以，切書並不是為了製造戲劇效果，而是工業化數位化流程對速度和穩定性的選擇。
切開以後還能不能復原
切掉書脊並不必然意味著圖書只能報廢。在一些圖書館數位化專案中，書頁掃描完成後可以重新膠裝。
復原後的書通常會比原來窄一兩毫米，精裝封面也可能需要重新制作，但正文仍然可以繼續使用。“掃描後銷毀”因此不是裝置決定的結果，而是專案方主動選擇的後續處置方式。
這也是爭議的起點。如果書還能重新裝訂，為什麼不把它儲存下來、捐出去或放進圖書館？
答案涉及的不只是倉儲成本，還涉及數位副本與實體原件是否同時存在的法律風險。
不拆書掃描為什麼難以大規模使用
保留原書的掃描技術一直存在。常見方式包括：
- 將書壓在平板掃描器上逐頁掃描。
- 使用帶斜面的書刊掃描平台，減輕對書脊的壓力。
- 用上方相機拍攝攤開的左右兩頁。
- 使用吸附式翻頁裝置自動提起並掃描書頁。
這些裝置適合檔案、古籍、孤本和不能破壞的館藏。它們的問題不是不能用，而是速度和價格。
人工逐頁翻書會顯著降低處理量。自動翻頁裝置結構複雜，對紙張厚度、靜電、破損和粘連都很敏感。
遇到年代久遠、紙張脆弱或版式特殊的圖書，仍然需要人工干預。如果目標是保護少量珍貴資料，這些成本完全合理。
如果目標是為模型準備數百萬冊普通出版物，它們就很難與“切開後高速進紙”的方案競爭。
Google 圖書數位化提供了另一條參照
大規模圖書掃描並不是生成式 AI 出現以後才有的事情。Google 很早就與圖書館和出版社合作，推動海量館藏數位化。
那類專案同樣面對掃描速度、裝訂結構、文字識別和版權邊界等問題。區別在於，傳統圖書搜尋專案通常圍繞“檢索”和“展示片段”設計權利邊界。
公版書可以更完整地展示和使用。仍受版權保護的圖書，則通常只顯示有限片段，並把使用者引導到購買或借閱渠道。
這種模式容易向出版社解釋：數位化服務幫助讀者發現圖書，並不取代整本書的銷售。
模型訓練卻不同。訓練過程不會簡單地把一本書作為搜尋結果展示出來，而是把書中的語言、事實、結構和表達模式吸收到模型引數中。
出版商很難用傳統的“賣出多少冊”來衡量這種使用方式。
爭議不只在“有沒有買書”
訓練資料糾紛中，紙質書的來源非常重要。從盜版網站直接下載電子書，與在二手市場購買一本實體書，並不是同一種行為。
前者首先會遇到複製來源是否合法的問題。後者至少完成了一次真實的實體商品交易。
這也是為什麼“購買舊書”成為整套方案的第一步。AI 公司可以主張，它獲得了一本合法購買的實體書，並對自己擁有的物品進行掃描和處理。
但這並不自動解決所有爭議。購買紙質書是否同時獲得了訓練模型的權利，訓練是否屬於轉換性使用，模型會不會復現受保護內容，都可能成為獨立問題。
因此，“買了書”不是一張適用於所有場景的免責牌。它只是比直接使用來歷不明的電子副本更容易建立合法來源。
為什麼掃描後銷毀原件很關鍵
這套做法中最反直覺的一步，恰恰是把原書銷毀。從傳統版權邏輯看，權利人最敏感的是未經許可的複製和傳播。
如果一本紙書被掃描成數位副本，而原書仍然存在，表面上就從“一份”變成了“兩份”。如果原件隨後被銷毀，專案方可以強調：
- 原書是合法購買的。
- 數位化服務於內部分析或模型訓練。
- 實體原件不再繼續流通。
- 沒有把完整數位副本作為電子書重新出售。
這種安排試圖把行為描述為介質轉換，而不是額外製造一個可以獨立流通的副本。是否構成合理使用，仍需結合具體案件、用途、市場影響和輸出限制判斷。
不同司法轄區也可能得出不同結論。所以更準確的說法是：銷毀原件有助於構建法律論證，但不代表所有類似操作天然合法。
為什麼不直接向出版社購買訓練權
既然掃描紙書如此麻煩，最自然的方案似乎是直接購買出版社的電子檔案。現實障礙主要不是技術，而是定價。
出版社熟悉的商業模式是按冊銷售。一本書賣出後，出版社可以按照合同向作者支付版稅。
但模型訓練不是傳統的一次閱讀，也不是向一名讀者出售一個副本。出版社需要回答一系列尚未穩定的問題：
- 一次訓練應該按一本、幾百本還是幾千本銷量計價？
- 模型掌握書中知識後，會減少多少潛在銷售？
- 同一本書用於預訓練、微調和評測，是否應分別收費？
- 模型更新和重複訓練是否需要再次授權？
- 作者、出版社和數位發行平台如何分配收入？
- 模型只學到通用語言規律時，權利邊界在哪裡？
AI 公司同樣不願意過早接受一個極高的固定標準。一旦某種價格成為行業慣例，訓練數百萬冊圖書的成本可能迅速膨脹。
在雙方都無法接受對方演算法的情況下，購買實體舊書再自行數位化，就成了一個成本可計算、流程可控制的替代方案。
為什麼偏偏是舊書
買舊書不僅因為價格低。對訓練資料來說，出版時間本身也有價值。
2022 年以前出版的圖書，大體形成於生成式 AI 內容大規模進入網際網路之前。這些文字經過作者寫作、編輯加工、校對和正式出版，來源與時間通常也能透過 ISBN 等資訊確認。
相較於來源混雜的網頁文字，正規出版物通常具有幾個特點：
- 長篇結構完整。
- 語言經過編輯。
- 專業主題更集中。
- 出版時間可以追溯。
- AI 生成內容污染相對較少。
這使舊書成為一類有明確邊界的高密度語料。ISBN 資料庫之所以重要，也在於它能幫助採購方按作者、主題、版本和出版年份組織書目。
對需要系統採購訓練資料的公司來說，這比在二手平台逐本搜尋高效得多。
“AI 生成內容污染”意味著什麼
如果模型不斷使用其他模型生成的文字訓練，資料分佈可能逐漸變窄。錯誤、套話和統計偏差也可能被反覆放大。
研究討論中常用“模型崩塌”描述這類風險，但它不等於“只要混入 AI 文字，模型就一定失效”。實際影響取決於：
- AI 生成內容在訓練集中的比例。
- 資料是否經過篩選和去重。
- 是否仍保留足夠多樣的人類創作樣本。
- 訓練目標和資料配比如何設計。
- 合成資料是否經過驗證與糾錯。
舊書的價值因此不在於它們擁有某種神秘品質。它們只是提供了一批時間明確、受生成式 AI 影響較小的人類文字。
隨著公開網路中的 AI 內容越來越多，這類可追溯語料會變得更加稀缺。
從紙質書到電子書，買到的權利已經改變
紙質書交易的規則相對直觀。讀者買下一本書後，可以閱讀、收藏、轉賣、贈送，甚至拿去墊桌腳。
限制通常集中在未經授權的複製和公開傳播。電子書改變了這套關係。
使用者支付費用後，獲得的往往不是檔案的完整所有權，而是一項受平台條款限制的閱讀許可。電子書可能限制裝置數量、轉借期限、複製範圍和檔案格式。
在特定情況下，平台甚至可能撤回內容。表面上都是“買書”，紙書購買者和電子書使用者實際獲得的控制權並不相同。
這也解釋了一個看似奇怪的現象：AI 公司直接取得電子檔案，未必比購買實體舊書擁有更寬鬆的使用空間。
電子檔案更方便，卻往往附帶更明確的合同限制。
大模型公司也在限制別人“學習自己”
這場爭議還有一層明顯的對稱性。AI 公司希望儘可能廣泛地使用人類創作訓練模型，卻通常禁止其他公司批次呼叫自己的模型進行蒸餾。
普通使用者按量付費呼叫模型，一般不會遇到問題。但如果有人註冊大量賬號、持續提出海量問題，並用回答訓練競爭模型，平台通常會認定其違反服務條款。
背後的商業邏輯與出版社的擔憂很相似：
- 出版社擔心模型吸收圖書後減少圖書銷量。
- 模型公司擔心競爭對手蒸餾能力後減少自己的 API 收入。
- 雙方都試圖阻止付費使用者把一次購買變成可替代自己的新產品。
區別在於，傳統版權制度圍繞作品複製建立，而模型能力很難對應到某個具體副本。AI 時代真正缺少的，正是一套能描述“機器學習了多少、替代了多少、應該支付多少”的成熟規則。
為什麼專案需要保密
從商業角度看，大規模採購書目、掃描能力、資料配方和成本都屬於競爭資訊。但僅用商業秘密還不足以解釋這件事的敏感程度。
毀書具有強烈的文化象徵。一本普通舊書在市場上可能只值幾美元，人們仍會認為它承載了作者勞動、個人記憶和公共知識。
當“買書、切開、掃描、打漿”被壓縮成一句話時，企業很容易被理解為為了訓練機器而系統性消滅人類文化。這種觀感未必準確，卻非常有傳播力。
專案方即使認為流程具備法律依據，也會意識到它很難得到公眾的直覺認同。於是便出現了“可以做，但不適合公開說”的局面。
保密本身又會進一步加深懷疑，因為它讓外界覺得企業明知此事存在道德問題。
普通舊書和稀有圖書不能混為一談
討論“毀書”時，還需要區分圖書的實際狀況。大量流通、已有多個館藏和數位副本的普通舊書，與孤本、絕版書、簽名本和地方文獻並不相同。
前者被拆解後，文化損失通常有限。後者一旦銷毀，可能造成無法恢復的資訊損失。
一個負責任的採購和掃描流程，至少應建立以下篩查：
- 是否存在多個可訪問的館藏副本。
- 是否屬於絕版或小少量發行的出版物。
- 是否包含簽名、批註、藏書票等獨特資訊。
- 是否具有地方史、家族史或檔案價值。
- 是否可以在掃描後重新裝訂或轉交收藏機構。
“合法購買”只能說明所有權來源，不能替代對稀缺文化材料的判斷。如果稀有書也被無差別送入碎紙和打漿流程，爭議就不再只是情感問題。
這場爭議真正暴露了什麼
“巴拿馬計畫”並不是一個單純的企業獵奇故事。它暴露了內容產業在 AI 時代的三處斷層。
第一，傳統版權關注副本數量，而模型訓練關注資訊吸收。一本書被模型訓練後，沒有以原樣多出一冊，卻可能影響原作品的市場價值。
第二，出版社的授權體系仍以銷售和閱讀為中心。它還沒有形成被作者、出版社和 AI 公司共同接受的訓練許可定價方法。
第三，AI 公司對外部內容和自身模型採取了不同立場。它們強調訓練的轉換性，同時又透過服務條款阻止別人蒸餾自己的輸出。
這三種矛盾不會因為一場訴訟或一次和解自動消失。只要高質量人類文字仍是模型的重要原料，類似的採購、授權和資料來源爭議就會繼續出現。
總結
Anthropic 購買舊書、切書掃描再銷毀，看起來是一條令人不適的技術流水線。但它並非單純為了節省掃描時間。
購買實體書用於建立合法來源，切掉書脊用於提高工業化吞吐量，銷毀原件用於強化“介質轉換而非增加副本”的論證，選擇舊書則兼顧成本與低 AI 污染的資料需求。整套路徑說明，紙質出版時代形成的規則已經很難直接回答模型訓練的問題。
紙書交易關注“這一本歸誰”，電子書許可關注“使用者能怎樣閱讀”，模型訓練則追問“機器能否學習，以及學習以後替代了什麼”。在新的授權與分配機制成熟以前，AI 公司還會繼續尋找現有規則中的可行路徑。
真正需要解決的，也不是給“毀書”貼上合法或非法的簡單標籤，而是建立一套能夠同時衡量作者權益、出版市場、技術創新和文化儲存的規則。