最近有个事儿挺有意思的，AI公司开始大规模抢购二手书了，而且不是一本两本地买，一出手就是几千本甚至上百万本。这事儿乍一听有点荒诞，但仔细想想，背后其实藏着不少门道。
先说个背景。为什么AI公司盯上了二手书？因为它们需要高质量的训练数据，而2022年之前出版的书，内容大概率是真人写的，没被AI生成的内容污染过。说白了，现在的互联网上，AI自己写的垃圾越来越多，用这些数据训练模型，就像用地沟油炒菜，越炒越馊。所以它们干脆回归传统，从纸质书里薅羊毛。Anthropic那家公司就干过这事儿，花几百万美元买纸质书，扫描完居然把书销毁了——这操作听着就让人心疼。
现在这股风潮越刮越猛。有个专门做图书数据库的网站叫ISBNdb，手里捏着1.11亿本书的目录信息，最近直接转型，专门帮AI公司大规模采购图书。订单从1000本起步，上不封顶。有个不愿透露姓名的书商说，今年4月以来，他卖书的量涨得他都不敢信。
但问题也来了。版权争议首当其冲。出版商联盟已经起诉谷歌了，说它未经授权就用数百万本受版权保护的书训练Gemini。这事儿要是掰扯不清楚，以后AI公司买书、扫描、训练，可能都得背上法律风险。更让人揪心的是那些绝版书、稀有书。你想想，如果AI公司一把扫过去，把那些孤本、珍本也给拆了、扫了、然后扔了，那这些书就彻底从世界上消失了。它们扫描的内容进了AI公司的私有数据库，普通用户根本看不到。以后我们想查点冷门知识，可能只能靠AI转述，而原始的纸质书早就成了灰。
动力系统
这就像你花大价钱买了一辆跑车，但发动机是别人家祖传的秘方做的，你开着爽，但那个秘方从此被锁在保险柜里，没人能再看到。人类积累了几千年的知识，就这么被数字化、私有化，然后悄悄消失，想想还挺瘆人的。
市场表现
当然，AI公司也有苦衷，它们需要高质量数据，但怎么平衡技术进步和知识共享，这是个绕不开的难题。至少现在，二手书市场的疯狂抢购，已经给所有人敲了个警钟——别让我们的知识宝库，变成AI公司的一锤子买卖。
当然，AI公司也有苦衷，它们需要高质量数据，但怎么平衡技术进步和知识共享，这是个绕不开的难题。至少现在，二手书市场的疯狂抢购，已经给所有人敲了个警钟——别让我们的知识宝库，变成AI公司的一锤子买卖。
