2026 年 8 月 17 日，科技媒体 404 Media 披露了一项持续数月的追踪调查：记者在一本通过二手书平台售出的珍稀旧书中藏入苹果 AirTag，最终定位到亚马逊位于拉斯维加斯的 VGT3 设施。在那里，大批量印刷书被裁切装订与书脊、扫描成数字文本后直接送进废纸处理管道。这场调查首次用物理定位证实了长达一年的行业猜想，生成式 AI 对高质量语料的渴求，已经演变为大规模物理文献销毁行动。
过去一年里，二手书商对 AI 实验室批量收购珍稀旧书的怀疑终于有了物理证据。从数字版权撕扯到实体书脊切碎，这场由 30 美元追踪器引发的曝光，揭示了全球前沿大模型背后的原料获取真相。
霸王龙门徽下的流水线：从信号定位到实体销毁
调查起源于二手书平台 Biblio 上的一笔异常订单。404 Media 记者 Emanuel Maiberg 与一位资深书商合作，在约 1000 本批量采购的二手珍稀图书中，选定一本并植入了无线蓝牙定位模块。这本搭载定位设备的旧书离开书店后，经过中转物流仓，最终停留在亚马逊位于内华达州拉斯维加斯的 VGT3 设施。
图：霸王龙与图书的象征艺术图。来源：Ars Technica / iStock
VGT3 内部员工的证言勾勒出这条工业化作业线的轮廓。设施每天接收来自全美及欧洲的大批量印刷书籍，工人使用专业设备快速裁切装订与书脊，将图书拆解为散页进行高速光学扫描，扫描完毕的纸张被送入废纸处置通道。设施办公区的门上贴着团队标志——一只准备吞噬书籍的霸王龙。
针对调查结果，亚马逊官方在声明中回应称，公司通过商业渠道采购书籍，旨在开发和改进客户使用的产品与服务。该回应未正面谈及是否将扫描文本用于大语言模型训练。物理收购实体书并拆解扫描的运作，绕过了数字图书的版权管理限制与 API 爬取防护，建立起一条离线大批量文本采集通道。
防范模型坍缩：预训练数据源的物理争夺
大模型研发团队将目光投向 2022 年以前出版的印刷图书，有着明确的技术考量。随着生成式 AI 内容在互联网的泛滥，合成数据造成的模型坍缩（Model Collapse）风险急剧增加。2022 年之前出版的实体书籍未经过合成文本污染，具备极高的语法完整性与逻辑连续性，是训练长文本理解力的优质基底。
图：404 Media对AirTag追踪珍稀书流向的调查现场。来源：404 Media
对干净语料的渴望已经催生出专门的供应链服务。图书元数据平台 ISBNdb 曾短暂停留过针对 AI 训练用书的营销页面，向 AI 公司推销批量图书数据提取服务，在媒体曝光后紧急撤下并称其为市场需求测试。商业供给侧的迅速跟进，反映出 AI 训练对干净物理文本的需求已经转化为具备商业规模的撮合交易。
在计算成本与数据质量的博弈中，买断实体书并裁切扫描的综合成本低于处理低质量网络数据的清洗成本。一套自动裁切与高帧率扫描设备的固定投入，能够将每万字清洗成本压低至纯人工标记的数十分之一。物理购书扫描是获取高密度人类知识库的工业化捷径。
司法裁定背后的避风港：合法购买与破坏性利用
AI 巨头在物理图书扫描上的激进操作，建立在现有法律裁定的保护伞之下。美国联邦法官 William Alsup 在相关诉讼中裁定，扫描合法购买的实体图书用于 AI 模型训练可能构成合理使用（Fair Use）。该裁定将买断实体书的所有权延伸为对书籍内容进行数字化处理的法律许可，为科技巨头建立了法律屏障。
法律保护伞导致了收益与成本的不对等。图书原作者仅能获得二手书首次销售的原始版税，对于后续数十万次的扫描重构与 AI 训练没有任何收益分成。全美目前没有任何监管机构监控被购买、拆解与销毁的书籍数量，物理文献的消亡处于监管盲区。
法律界与出版界对此存在截然相反的评估。支持者认为合理使用原则保障了技术创新，买断实体财产后进行转换性使用符合版权法初衷；反对者指出，批量切脊销毁是对人类文化遗产的破坏性开采。中间人曾直白表达这一窘境：AI 公司销毁两百万本书不是一个能博取同情的标题，但在现行法律框架下，这种破坏性利用畅通无阻。
资本冲刷二级集市：古旧书生态遭遇挤压
AI 实验室介入二手书市场，打破了古旧书流通的原有平衡。独立二手书店与珍稀书商过去一年频繁遇到数千本级的匿名大额订单，有欧洲书商甚至一度认为这是网络钓鱼攻击。这些由买手代操的订单具备极高的价格承受力，且完全不在乎书相与珍藏价值。
类似的运作模式在行业内并非孤例。2026 年法院公开的 Anthropic 内部诉讼文件显示，该公司此前也建立了完全一致的流水线，收购数百万册实体图书，进行切脊、扫描并丢弃原件。从 Anthropic 到亚马逊，物理扫书已经成为前沿 AI 实验室的标准配置。
资本无上限的采购策略对文化保存造成了挤压。AI 实验室买断图书的目的仅为提取数据，扫描完成后即销毁实体，导致大量存世稀少的文献从二级流转市场中永久消失。研究机构与普通藏书家不得不以更高溢价与 AI 买手竞争，物理图书市场的供给结构被改变。
语料战场的终局考量
一枚 30 美元的 AirTag 锚定了亚马逊 VGT3 仓库的位置，揭露了前沿大模型预训练数据获取的幕布。AI 训练语料的争夺已经超越了数字网页爬虫的争端，升级为对物理文献的工业化开采与消耗。
只要美国司法体系继续以合理使用原则为物理扫描背书，且互联网合成数据污染无法缓解，霸王龙门徽下的物理吞书机器就不会停摆。当 AI 模型为了追求纯净数据而持续吞噬人类积累的物理纸本时，科技界不得不面对一个现实：在生成智能的同时，人类正在加速消灭物理记忆的载体。
参考链接：
- 404 Media 调查报道
- Ars Technica 分析文章
- Boing Boing 报道
