大型语言模型总算显露出最本真的利齿：这些 AI 正式开始啃书本了。近期日本旧书圈曝出一桩令人毛骨悚然的离奇怪事：大量不明身份的买主正在日本各地地毯式搜罗旧书。上至史学与哲学、医药与法学，下至边陲地带的地方史志，就连数十年前的政论小册子，但凡印有文字的，基本照单全收。

这事从今年八月开始不对劲。日本各地线上旧书店陆续接到大批量订单，东京有店主说一天能卖出去一百册，单日销售额直接翻了五倍。

关东一位干了几十年的旧书商已经出了上千册，他翻订单记录发现下单时间间隔特别规律，明摆着是有人写了程序在自动扫货。

更怪的是书单，平时走量的小说漫画一本没买，反倒是哲学、历史、医学、法律这些压箱底的专业书被一锅端，连 "江户时代生活文化"" 三十年前政坛轶事 " 这种没人看的冷门书都在清单上。

店主自己都懵了，说干这行半辈子，从没见过这种买法。

所有订单的收货地址都指向同一个地方 —— 冈山县的一处物流中心。

买家分散在各个平台用不同账号下单，看起来像是散户，实际上书全往一个仓库里集中。

运营这个物流中心的日本企业面对采访只回了一句 "不便对单笔交易作出答复"，既不承认也不否认。

西日本还有一家旧书店直接收到海外企业的邮件，问能不能一次性订购数万册图书。

日本电视台顺着进出口数据往下查，查到了更吓人的东西。

日本一家大型图书批发商的集团子公司，从去年开始往美国出口了合计五十吨以上标注为 "日本书籍" 的货物。按厚重精装书单本五百克来算，这大概是十万册书。

十万册什么概念？一家中型图书馆的藏书量。这些书到了美国之后干了什么。

AI 公司 Anthropic 此前在美国卷入版权诉讼，法庭文件曝光了一个代号 "巴拿马计划" 的内部项目：批量购入全球二手书，用液压机切掉书脊，送进高速扫描仪，每分钟处理八十到一百二十页，扫完之后原书直接粉碎打成纸浆。

项目预算几千万美元，半年内计划处理五十万到两百万册。内部要求写得很直白 —— 尽可能降低外部关注度。

美国媒体 404 Media 还报道过，亚马逊也有类似操作，把纸质书集中运到仓库，裁开扫描之后直接销毁，其中同样包含日本书籍。

为什么好好的互联网不爬，非要去啃纸？答案说出来有点黑色幽默。

大模型这几年把互联网祸害得差不多了，网上到处都是 AI 自己生成的内容，新爬下来的数据里混着大量机器写的东西，拿这些东西再去训练新模型，就会出现一个叫 "模型坍塌" 的问题 —— 一代比一代平庸，错误越攒越多，最后连原来能表达的东西都表达不出来了。

2024 年《自然》杂志上发表过一篇论文，在实验条件下证实了这个现象。所以 2022 年之前出版的纸质书突然成了香饽饽，因为那时候生成式 AI 还没普及，纸上印的字 guaranteed 是人写的，干净，没被污染过。

法律这边也给开了绿灯。2025 年 6 月，美国法院在 Bartz 诉 Anthropic 一案中裁定，合法购买一本书、把它转成数字副本、用来训练模型，属于合理使用。判决下来之后，扫书的规模明显加速。

日本这边的著作权法也规定，将作品用于 AI 学习原则上合法，只有在不合理损害著作权人利益时才构成例外 —— 而这个 "不合理" 怎么界定，目前还在吵。

说到底，这事儿的本质不是什么技术进步的浪漫叙事，就是一场赤裸裸的资源掠夺。

硅谷的公司把互联网搅浑了，然后回过头来花钱买干净的纸，扫完就碎，连个全尸都不给你留。

日本因为孤悬海外、战乱少，保存了大量东亚地区的珍贵古籍和绝版文献，世界上最古老的纸本《论语》就在日本，这些东西本来是人类共同的文化遗产，现在被按吨称、按斤卖，变成大模型参数里的几个数字。

更讽刺的是，卖书的旧书店主还在为销售额上涨高兴，等反应过来的时候，架子上已经空了。

对中国来说，这面镜子照得人心里发毛。咱们的古籍存量、地方志、民国文献、各地方的小众出版物，数量比日本只多不少。

现在数据出境的监管主要盯着个人信息和重要数据，中文书籍的文本算不算、怎么管，没有明确说法。

中间商收书、扫描、转交境外 AI 公司这条灰色链路，技术上没有任何门槛。今天日本发生的事，明天就可能在国内重演。

大模型吃纸这事，最该警惕的不是技术本身，而是谁在定义 "干净数据" 的归属权。

你写的书、你祖上印的地方志，被人买走扫进数据库，将来别人用 AI 生成内容赚得盆满钵满，你连个署名都没有。

这跟当年殖民者跑到殖民地抢文物有什么区别？只不过这次抢的不是瓶子罐子，是字。

纸是碎了，但字被吸走了，吸进了别人的模型里，变成了别人的资产。这事搁谁身上，都不该觉得正常。