AI大模型终于开始吃纸了!

AI大模型终于开始

吃纸了！

——当互联网被吃干净，AI 把目光投向了人类印刷了五百年的纸

概念插画：由无数书籍堆砌而成的山体，被工业机械吞入并转化为数据流粒子

编者按

本文涉及一家具体公司（Anthropic）、一起尚未终局的行业争议，以及大量仍在发酵中的报道。为避免误读与法律风险，本文对所有信息做了四级事实分级：已证实 / 官方回应 / 媒体报道 / 未证实。凡涉及推测与指控，均以“据……报道”“疑似”“尚未证实”表述。

本文不预设立场，不认定任何公司违法。

引子：一家日本旧书店的怪事

2026 年 8 月起，日本多地二手书店的老板们，遇到了一件说不上是好事还是坏事的怪事。

订单突然暴涨。有店家单日卖出数百本，某些日子的销售额达到平时的 5 倍。东京神保町——全世界最著名的古书店街——的店主们起初以为来了大客户。

但订单越看越不对劲。

不挑作者，不看品相，不计较版本。哲学、历史、政治史、医学、法律，连“江户时代的生活与文化”“三十年前的政界旧事”这类极度冷门的书，都照单全收。而小说和漫画——二手书市场真正的畅销品类——一本都不要。

有店主发现，下单的时间间隔几乎固定，像是程序在自动批量操作；多个不同账号同时下单，但所有包裹的收件地址，全部指向同一个地方：冈山县的某个物流中心。

日本电视台（NTV）就此事询问该物流中心的运营方，对方拒绝说明用途。

概念插画：昏暗仓库内排满旧书的金属货架，右下角一只打开的空纸箱

一、顺着贸易记录往下查：50 吨

NTV 用贸易数据分析工具追查，发现了一条线索：

过去一年间，某日本大型出版集团旗下公司，向美国出口了合计超过 50 吨、报关品名为“日本书籍”的货物。若按每本精装书 500 克估算，约相当于 10 万册实体书。

西日本一家古书店还收到过海外企业的邮件，直接询问“能否一次性供应数万册”。

这里必须停下来，说一句非常关键的话

NTV 从未声称这家旧书店的订单，与那 50 吨出口货物存在直接关系。NTV 也从未点名这家经销商。

这两件事在中文互联网上被大量直接连线，形成了“日本旧书店的书被某 AI 公司买走”的确定叙事。但就目前公开报道来看，这个连接尚未被证实。

已确认的只有三件事：

1.日本多地旧书店出现异常的批量订单，品类高度集中于冷门专业书；

2.有 50 吨标注为“日本书籍”的货物出口至美国；

3.美国解封的法庭文件中出现了日本大型经销商的名字。

至于“谁买的”“买去做什么”“是否销毁”——报道层面仍是疑问，不是结论。

二、真正的实锤，来自一份法庭文件

那 50 吨书的最终去向目前没有定论。但“AI 公司批量买书、切碎、扫描、销毁”这件事本身，是有确凿证据的——证据来自美国法庭。

2026 年初，美国加州北区联邦地区法院在一起著作权诉讼中，解封了 4000 多页法庭文件。这批文件揭开了 AI 公司 Anthropic 内部一个代号为“巴拿马计划”（Project Panama）的项目。

以下事实来自法庭文件及《华盛顿邮报》依据该文件的报道，属于已证实级别：

内部备忘录的原话是：

“巴拿马计划是我们以破坏性方式扫描世界上所有书籍的努力。我们不想让外界知道我们在做这件事。”

（Project Panama is our effort to destructively scan all the books in the world. We don't want it to be known that we are working on this.）

具体流程是：

4.从二手书商、经销商处批量采购实体书；

5.用液压切割机切掉书脊；

6.散页送入高速工业扫描仪，逐页数字化并做 OCR 文字提取；

7.原书统一粉碎，打成纸浆，送回收。

流程示意图：采购旧书 → 切掉书脊 → 高速扫描 → 碎纸回收，同时生成数据粒子

为什么要切书脊？

这不是出于恶意，而是纯粹的工程理性。

装订完好的书无法完全摊平，书脊附近的文字会弯曲、产生阴影、失焦。若保留原件，需要 V 型托架加顶部相机逐页拍摄，再人工校正——这套流程适合图书馆和珍本，不适合几十万册的量级。

切掉书脊后，散页可以直接像办公文件一样连续过机。更快、更干净、更便宜。

一句话概括：书的装订结构在这里不是文化物，而是妨碍高速读取的物理外壳。

三、为什么这么做是“合法”的

这是整件事最让人不适、也最值得说清楚的部分。

2025 年 6 月，加州北区联邦法官 William Alsup 在 Bartz 诉 Anthropic 一案中作出裁定。他把 Anthropic 获取书籍的行为劈成了两半，给出了两个截然不同的结论：

前半：盗版下载 —— 侵权

Anthropic 曾从 LibGen、PiLiMi 等盗版站点下载超过 700 万本电子书，并建立中央书库。

这部分不构成合理使用。

2025 年 9 月，Anthropic 就该部分达成 15 亿美元和解，约合每部作品 3000 美元。2026 年 7 月 20 日，法院正式批准该和解，最终确定的作品清单约 48.2 万部。原告方律师称，这是“已知最大规模的版权赔偿”。

后半：买正版实体书 → 扫描 → 销毁 —— 合理使用

法官的认定逻辑有三步：

8.书是合法购买的——依据“首次销售原则”，买家有权处置自己买下的实物；

9.具备转化性——每本书都被复制为数字版，用途发生了转化；

10.未对外传播——数字副本没有再销售、再分发或公开展示。

三条成立，构成合理使用（fair use）。

Alsup 法官在判决中写道：

“就像任何渴望成为作家的读者一样，Anthropic 的大语言模型训练于这些作品，不是为了超前复制或取代它们，而是为了转过一个艰难的弯，创造出不同的东西。”

讽刺之处

赔了 15 亿，赔的是盗版下载。

而“买正版 → 切脊 → 扫描 → 销毁”这条路径，在现行美国法律框架下不必然需要向作者支付报酬。

这条裁定等于为“巴拿马计划”式操作打开了合法空间。央广网在相关报道中直接指出：这一裁决“也为‘Project Panama’式操作颁发了通行证”。

四、争议随之而来：马斯克也看不下去了

2026 年 7 月 27 日，埃隆·马斯克在社交平台 X 上公开表态：

他已要求旗下的 AI 公司，将处理过的珍稀书籍保存在图书馆中，并以不损坏书籍的方式扫描，而不是切断书脊后扫描。

这番表态，针对的正是 Anthropic 的做法。

此前，BBC 在 8 月 15 日的报道中采访了英国多地独立二手书商。北umberland 的 Barter Books 店主 Stuart Manley 说，他平时一周卖两三千本，但最近一笔来自加拿大公司的订单，就抵得上他一周的量。干了 30 年，他说“从没见过这种事”。

爱丁堡 McNaughtan's 书店的 Derek Walker 说得更具体：失去一本印量 100 册的近期学术书，影响不大；但他的店里卖过 18 世纪某个版本的唯一存世本——毁掉那样一本，“问题就严重多了”。

牛津大学知识产权教授 Emily Hudson 指出英国法律与美国不同：“英国的出发点是，所有这些复制行为——建立训练库、进行训练——都需要版权所有者的许可。”

五、Anthropic 的官方回应（必读）

说到这里，必须呈现另一方的声音。以下为 Anthropic 发言人向科技媒体 Tom's Guide 提供的官方回应原文要点：

“Claude 的训练数据混合了公开的网页数据、商业采购的数据集，以及我们自己生成的数据。”

“采购书籍是整个 AI 行业训练大语言模型的普遍做法。我们没有任何数据采集项目购买并销毁‘珍稀’或‘古旧’书籍。我们从常规商业市场购书。”

“我们去年夏天和解了这起案件，此前法院认定在版权法下训练 AI 使用书籍是被允许的——这项裁决至今有效。”

“Bartz 案 specifically 涉及我们从 LibGen 和 PiLiMi 两个在线图书馆不当下载材料的指控。Anthropic 从未商业发布任何基于 LibGen 或 PiLiMi 数据集训练的模型，也从未从任何此类模型获得收入。”

划重点：Anthropic 明确否认购买并销毁珍稀或古旧书籍，并声明其采购来自“常规商业市场”。

这一点在中文传播的很多版本里被省略了。本文将其完整呈现——任何对这家公司的指控，都应当连同它的回应一起被阅读。

六、日本这边：行业协会出手了

回到日本。2026 年 9 月 18 日至 21 日间，发生了另一件事。

代表约 380 家日本出版社的行业团体日本书籍出版协会（JBPA），向日本最大的图书批发商之一日贩集团控股（Nippan Group Holdings）发出书面质询，要求说明三件事：

11.交付给 AI 公司的书籍中，是否包含协会会员出版社的品种？如有，请列出具体书目与销售条件；

12.在未获出版社许可的情况下，向海外企业大批量售书，法律依据是什么？

13.呼吁不要将新出版图书出售给 AI 公司用于训练，并要求日贩明确对 AI 公司的供书方案。

线索从哪来

据《朝日新闻》报道，在那起已于 2026 年 7 月和解的美国著作权诉讼文件中，多次出现“Nippan Japan”的字样。相关文件由 Anthropic 员工准备，提到一份 2024 年 11 月与日贩签署的销售协议，以及扫描所购书籍的意向。

但——仍然没有坐实

《朝日新闻》明确指出：这些文件并未证明从日贩购得的图书是否真的被扫描、是否被用于训练。

日贩对《朝日新闻》的回应是：

“关于单笔交易的相关信息，包括交易是否存在，我们不予答复。”
“本集团不存在在知晓图书将被用于 AI 企业模型训练的前提下进行销售的情况。”

Anthropic 拒绝就此置评。

日本律师田边浩太郎对《朝日新闻》表示：向 AI 公司售书本身，并不被日本版权法禁止；是否出问题，取决于出版社与批发商之间合同的具体条款。

日本法律的口径

日本《著作权法》第 30 条之 4 规定，为信息分析（含 AI 训练）利用受著作权保护的作品，原则上合法；例外情形是“不当损害著作权人利益”。

而这个例外如何界定——日本法院尚未给出答案。

一部原本为“研究者处理若干语料”而设计的法律条文，正在承接 50 吨级的工业规模操作。

七、那么，AI 到底为什么要吃纸？！

以上全部是“发生了什么”。下面这部分，是“为什么”。

因为互联网上的文字，快被吃完了

研究机构 Epoch AI 的测算认为，人类公开的高质量文本，将在 2026 至 2032 年之间被前沿模型充分利用。有效存量的上限，大约在 300 万亿 token 量级。

中国信息通信研究院在 2026 年中的判断更为直接：互联网公域数据已被消耗殆尽，模型预训练撞上“数据墙”。

这不是说网上没有文字了。而是说——没有重复、逻辑严谨、事实准确、能真正提升模型能力的全新优质数据了。

更糟的是：笼子正在被污染

现在互联网上新增的内容中，AI 生成的比例在快速上升。而 AI 吃 AI 吐出来的东西，会坍缩。

2024 年 7 月，牛津、剑桥等机构发表于《自然》的研究做了一个递归训练实验：

用一段关于 14 世纪教堂塔楼的文本反复训练模型——

· 第 1 代：还在谈建筑；

· 第 5 代：偏到了语言翻译；

· 第 9 代：开始一本正经地编造根本不存在的兔子物种。

这就是所谓的模型坍缩（model collapse）。

于是，“干净的人类文字”成了稀缺资源。

概念插画：增长曲线撞上半透明灰墙，散开成飞溅的光点

一句话，道破了纸的价值

有数据中间商曾公开兜售批量实体书采购服务：单笔 1000 本到 100 万本，主打“2022 年之前印刷”，理由是——那个年份之前的纸书，结构性保证不含 AI 生成的文本。

人类印刷了五百年的纸，现在最值钱的属性，是“里面没有 AI”。

（注：该服务页面在被媒体报道后已下架，运营方称该服务从未实际成交。）

所以这不是藏书，是拆书炼丹。

旧书不是被当作文化物收藏，而是被当作燃料投入。

八、更深一层：语言是翅膀，也是牢笼

这是整件事里最少被讲透、却最关键的一层。

翅膀

人类几千年的知识，几乎全部压缩在文字里。大模型把人类有史以来的文字记忆一次性吃下去，才一夜之间拥有了推理、写作、写代码的能力。

没有语言，就没有这一轮 AI 革命。

牢笼

但语言同时是牢笼。因为——语言是有损压缩。

你写下一句话，丢掉的是你当时的处境、身体的感受、那些没说出口的犹豫。世界的大部分，从来没有被写成文字。

所以一个模型无论多大，它的世界边界，就是人类写过字的那一部分。它没有身体，没有处境，没有那些“不可说”的东西。

这个笼子现在还多了两道栏杆：

· 栏杆一：高质量文本正在耗尽（数据墙）；

· 栏杆二：现存的文本正在被 AI 自己生成的内容污染（模型坍缩）。

于是它只能去撞——撞向物理世界里那些还没被数字化、还没被污染过的文字。

那就是纸。

概念插画：由文字书页构成的翅膀，边缘向内收拢成笼子，困住鸟的身体

九、接下来会怎样：三个判断

我不认为这是末日。但它的确是一个分水岭。

判断一：AI 的上半场结束了

上半场的逻辑极其简单：参数做大，数据喂多，模型就变强。

这条路已经走到尽头。撞墙不是末日，它只是宣告——靠“读更多书”就能变强的时代结束了。

判断二：下半场是三条路

① 往外找——去物理世界。

吃纸只是开始。真正未被开采的存量是录音带、手写笔记、缩微胶卷，以及传感器、机器人、摄像头看到的真实世界。文本不够了，就用多模态补。

② 往内造——合成数据。

目前前沿训练中已有相当比例为 AI 自生成数据，Gartner 曾预测到 2026 年底合成数据可能占 AI 开发用数据的多数。但业界有一条共识铁律：绝不能纯合成训练，必须保留相当比例（常见说法为 30%–50%）的真实人类文本作为“锚点”，否则就是那个“兔子物种”的结局。

③ 最关键——从“读得更多”转向“想得更久”。

让模型在回答前反复推演（test-time compute），让智能体真正去操作浏览器、调用工具、与世界交互，在交互中产生此前不存在的新数据。

AI 正在从“背书”，转向“做事”。

判断三：真正的战场，会从“数据”转向“规则”

日本书籍出版协会的这封质询函，可能比那 50 吨书更重要。

因为它把争议从“AI 能不能训练”（日本法第 30 条之 4 已给出答案），推到了“这些书是怎么到 AI 手上的”——推到了出版社与批发商、批发商与海外买家之间的合同条款上。

这意味着博弈正在从 AI 公司，向整条供应链的上下游扩散。

可以预期的几件事：

· 版权页会变。部分中文新书版权页已出现“禁止将本书内容用于人工智能训练”字样；

· 合同会变。出版社与发行渠道之间的合同，会加入 AI 用途限制条款；

· 监管会来。日本、欧洲是否就“批量出口实体书用于 AI 训练”立法，值得关注；

· 中国古籍风险被提出。已有政协委员建议设立古籍 AI 采集红线、跨境交易监管与版权确权。中文古籍、绝版文献、海外汉籍面临的跨境匿名采购与载体灭失风险，是一个真实存在、但尚未爆发的议题。

概念插画：左侧干涸龟裂的字符大地，右侧由书页构成的发光森林，中间小路上的发光身影

结语：它撞到了笼子的边

回到那家一天卖掉上千本书的日本旧书店。

老板的心情，一位西日本的古书商说得最准确：

“卖书当然开心。但看到珍贵的实体知识变成 AI 的燃料、甚至被碎纸机毁掉，心情真的很复杂。”

这种矛盾有它的名字。短期是生意，长期是存量。

人类用五百年印刷术攒下的知识，正在被以一种完全合法的方式，一次性榨取。书的文字获得了数字形态的延续，而它的物理身体，成了耗材。

这件事真正值得警惕的地方，或许不在于“书被毁了”，而在于知识的可及性被永久改变了——

书在的时候，你可以原原本本地翻。

书被扫进模型之后，你只能问它，而它给你的是消化后的、它判断你需要知道的那一部分。

但换一个角度看：

一个被关在语言笼子里的东西，开始想出来了。

它不是因为饿了才去吃纸。

它是撞到了笼子的边。

附录：本文事实分级清单

写这篇文章，我最在意的是别把推测写成事实。以下按可信度分级，供读者自行判断，也供同行转载时核对。

✅ 已证实（法庭文件 / 官方文书 / 权威媒体直接引用）

· “巴拿马计划”存在，2024 年初启动，内部备忘录原文表述为“以破坏性方式扫描世界上所有书籍”，并写明“不想让外界知道”

· Tom Turvey（谷歌图书项目前负责人）2024 年 2 月加入并牵头

· 项目投入数千万美元，规模数百万册；供应商方案为 6 个月处理 50 万–200 万本

· 流程为：切脊 → 高速扫描 → 销毁原书

· 2025 年 6 月 Alsup 法官裁定：合法购买实体书后扫描训练属合理使用；盗版下载不属合理使用

· 盗版部分 15 亿美元和解，2026 年 7 月 20 日获法院批准，最终作品清单约 48.2 万部，每部约 3000 美元

· 2026 年 7 月 27 日马斯克在 X 公开表态，要求自家 AI 公司以不损坏书籍的方式扫描并保存

· 日本书籍出版协会（约 380 家会员社）已向日贩发出书面质询

官方回应（必须同时阅读）

· Anthropic：“我们没有任何数据采集项目购买并销毁‘珍稀’或‘古旧’书籍。我们从常规商业市场购书。”并强调 Bartz 案仅涉盗版下载，从未商业发布基于盗版数据集训练的模型

· 日贩：“关于单笔交易的相关信息，包括交易是否存在，我们不予答复”；“本集团不存在在知晓图书将被用于 AI 企业模型训练的前提下进行销售的情况”

· 冈山县物流中心运营方：拒绝说明用途

· Anthropic 就日本事件：拒绝置评

媒体报道（单源或多源，但未被独立证实）

· NTV：日本旧书店出现异常批量订单，部分日期销售额达平时 5 倍；订单品类集中于哲学、历史、医学、法律、江户时代文化等；多个账号下单，收件地址均指向冈山县同一物流中心

· NTV／Sayari 数据：某日本大型出版集团旗下公司过去一年向美国出口超 50 吨“日本书籍”

· 《朝日新闻》：美国诉讼文件中多次出现“Nippan Japan”，提及 2024 年 11 月销售协议及扫描意向

· BBC（8 月 15 日）：英国多地独立书商报告异常大宗订单，怀疑与 AI 有关

· 404 Media：用 AirTag 追踪部分旧书至亚马逊拉斯维加斯仓库；亚马逊称通过商业渠道购书以改进产品服务，不公开具体训练用途

· ISBNdb 曾公开兜售批量实体书采购服务（1000 本–100 万本，主打 2022 年前印刷），报道后下架，称从未实际成交

⚠️ 未证实 / 请勿当作结论传播

· “日本旧书店的书被某 AI 公司买走”——NTV 从未确认旧书店订单与 50 吨出口货物之间存在直接关系

· “日贩明知用于 AI 训练仍出售”——日贩否认，尚无证据

· “从日贩购得的书确实被扫描或用于训练”——《朝日新闻》明确指出法庭文件未证明这一点

· “被销毁的书中有珍本、孤本”——书商担忧属实，但目前未被核实

· “AI 公司正在中国大规模收购古籍”——目前仅为风险提示与建议，未见到已发生的案例报道

数据与预测（机构测算，非定论）

· Epoch AI：高质量公开文本预计 2026–2032 年间被充分利用；有效存量约 300 万亿 token

· 中国信通院（2026 年中）：互联网公域数据已基本耗尽，预训练撞上“数据墙”

· 《自然》（2024 年 7 月）：递归训练实验，第 9 代开始编造不存在的兔子物种

· Gartner：合成数据在 AI 开发用数据中的占比将大幅上升（预测值，不同来源口径不一）

· 业界共识：合成数据须与真实数据混合使用，保留相当比例真实文本作锚点。

参考来源

· 《华盛顿邮报》关于 Bartz v. Anthropic 案法庭解封文件的报道

· 美国加州北区联邦地区法院 Bartz v. Anthropic 案（Case 3:24-cv-05417-WHA）相关裁定与和解文书

· 日本电视台（NTV／NNN）2026 年 9 月 21 日报道

· 《朝日新闻》2026 年 9 月 18 日报道

· BBC，2026 年 8 月 15 日报道

· 404 Media 关于 AirTag 追踪与 ISBNdb 的报道

· Tom's Guide 对 Anthropic 发言人的采访

· 央广网、环球时报、科技日报相关报道

· Epoch AI《Will we run out of data?》系列研究

· 《自然》（Nature）2024 年 7 月关于递归训练与模型坍缩的研究

· 中国信息通信研究院 2026 年相关公开判断

本文为公开信息梳理与分析，不构成对任何企业的指控或法律定性。文中所有未经证实的信息均已标注。如有事实性更正，请联系作者。