英愛二手書商懷疑AI公司幕後操縱「異常」批量訂單

近期，英国和爱尔兰的二手书商群体中流传着一份令人不安的观察报告，指出过去数月内，多家独立书店及大型二手书交易平台收到了来自同一类神秘买家的异常批量订单。与以往以个人收藏或图书馆采购为主的零星购买不同，这些订单呈现出高度的规律性和针对性：买家往往一次性订购数十甚至上百本特定学科、特定年代或特定作者的书籍，尤其是那些在公开数字图书馆中难以获取的绝版书、专业期刊或小众学术著作。更令人警惕的是，这些买家通常使用匿名账户或临时邮箱，拒绝透露购买目的，且在收货地址上表现出明显的集中趋势，疑似指向某些数据标注中心或扫描工作室。这一现象发生在Anthropic被媒体曝光花费数百万美元用于书籍扫描和数据获取的背景下，使得外界有理由怀疑，这并非孤立的个人收藏行为，而是AI巨头为突破训练数据瓶颈而发起的有组织行动。时间线上，这种批量采购潮与几家主要AI实验室近期发布的新模型版本相吻合，暗示着新模型可能在特定垂直领域的知识密度上有了显著提升，而这背后很可能依赖于此类“物理世界”数据的注入。

从技术和商业逻辑深入剖析，这种“扫货”行为反映了当前大语言模型（LLM）训练范式的一个关键转折：从依赖互联网公开数据的“广度”竞争，转向追求高价值、低噪音数据的“深度”竞争。互联网上的文本数据虽然海量，但充斥着重复、低质、广告甚至错误信息，且随着模型规模的扩大，公开数据的边际效用正在急剧递减。相比之下，实体书籍，特别是经过同行评审的学术著作、经典文学和专业技术手册，具有极高的信息密度和准确性，是提升模型推理能力、减少幻觉（Hallucination）的关键资源。然而，直接爬取电子书面临严峻的法律和版权壁垒，尤其是对于受版权保护的作品。因此，通过二手市场收购实体书，再进行OCR（光学字符识别）扫描，成为了一条看似“灰色”但操作成本相对较低的路径。这种模式不仅规避了直接购买数字版权的高昂费用，还利用了二手书商对版权合规性的相对宽松态度——只要书籍是合法流通的，购买行为本身并不违法，尽管后续的扫描和使用可能涉及复杂的版权争议。此外，批量收购还能确保数据的独占性，防止竞争对手获取相同的训练语料，从而在模型性能上建立短期优势。这种“数据护城河”的构建策略，正在成为AI公司竞争的新焦点，其核心不再是算法架构的微调，而是对高质量语料库的控制权争夺。

这一趋势对行业格局产生了深远且具体的影响。首先，对于传统出版业和作者而言，这是一种隐性的“价值剥夺”。当AI公司通过二手市场大量收购书籍时，它们实际上是在利用已有的文化资产生成新的商业价值，却未向版权持有者支付相应的版税或授权费。这种“搭便车”行为若长期持续，将严重打击创作者的积极性，削弱出版业的创新动力。其次，二手书市场本身正面临结构性冲击。原本服务于收藏家和读者的中小书商，现在被迫卷入数据供应链，成为AI公司的“数据采集节点”。这不仅改变了书商的客户结构，也迫使他们重新评估库存策略——那些曾经被视为滞销品的专业书籍，现在可能因为AI公司的需求而变得紧俏，进而推高价格，导致普通读者难以负担。同时，大型在线二手书平台如AbeBooks、ThriftBooks等，正面临巨大的合规压力。如果监管机构认定这些平台为AI公司的数据获取提供了便利，可能会要求平台加强对批量异常交易的监控，甚至限制特定类型书籍的出口或转售，这将直接增加平台的运营成本和法律风险。最后，对于消费者和读者群体，这种数据垄断可能导致AI生成内容的同质化。如果少数几家AI公司控制了最优质的训练数据，它们生成的模型将在知识准确性和风格上占据绝对优势，进一步加剧数字鸿沟，使依赖AI工具的用户陷入“数据闭环”之中，难以接触到多元化的观点和信息源。

展望未来，这一事件可能成为AI数据伦理监管的转折点。目前，欧盟的《人工智能法案》和美国的版权诉讼案件主要集中在公开数据的爬取上，但对于通过实体交易获取数据的行为，法律界定尚不清晰。预计未来几个月，版权集体管理组织（如英国的PRS for Music或美国的ASCAP）可能会介入调查，要求AI公司披露其数据来源，并推动建立“数据使用透明化”机制。同时，二手书商协会可能会联合起来，制定行业自律准则，拒绝为不明用途的批量订单提供服务，或要求买家签署数据使用承诺书。对于AI公司而言，单纯的“扫货”策略风险日益增高，未来可能会转向与出版商建立正式的数据授权合作，支付合理的版税以换取合法、高质量的数据访问权。这种从“灰色收购”到“白色授权”的转变，将是衡量AI行业成熟度的重要标志。值得关注的信号包括：主要AI实验室是否开始公布其训练数据的来源构成、版权机构是否发起新的集体诉讼、以及二手书平台是否引入针对批量购买的限制措施。这些动向将共同决定AI数据获取的未来路径，以及传统文化资产在数字时代如何获得应有的尊重与回报。