2024年初,Anthropic启动了一项代号为Project Panama的内部计划。目标说起来很简单:大量购入纸质图书,切下书脊,逐页扫描,再把文本送入Claude系列模型的训练流水线。扫描完成后,纸质原件直接送去回收。2025年6月,法院裁定Anthropic扫描自己合法购买的图书属于合理使用,即美国版权法中允许在未经许可的情况下以特定方式使用受保护作品的原则。法律问题至少暂时有了答案,伦理问题却没有。本文探讨为什么一个合法的流程仍会引发伦理质疑,一本珍本或绝版书变成数据集中的一行记录时究竟失去了什么,以及2022年以前印刷的图书为何成了格外珍贵的原材料。
Project Panama做了什么
这项计划的运作方式是工业化的。仓库里运转着专用切割机,把装订好的图书的胶装书脊切掉,散开的书页便可送入高速扫描仪。文本采集完成后,书页和封面进入回收箱。新闻报道称该计划销毁了数百万册图书,CBS News和《福布斯》等媒体的报道也指出,AI公司为寻找训练数据而掀起了一波古旧书采购热潮。
Anthropic并非临时起意。公司聘请了Google Books前合作伙伴关系负责人来领导这一项目。这一人事安排意义重大:谷歌自己的图书扫描计划曾将图书馆馆藏数字化,2015年10月美国上诉法院依据合理使用原则支持了该计划。那次裁决奠定了如今AI公司所依赖的法律基础,而在过去大约18个月里,法院对版权法的解释持续朝着允许企业为商业化机器学习而数字化并处置纸质图书的方向发展。
2022年前的图书为何变得如此珍贵
Project Panama优先处理2022年以前印刷的图书。这个时间点并非随意选定。ChatGPT于2022年发布,此后互联网上出现了大量由AI系统撰写或部分撰写的文本。对于正在训练新模型的实验室来说,早期模型生成的文本是一种负担:它会让机器输出混入训练集,这个问题常被非正式地称为“slop”(劣质内容)。
一本2022年以前印刷的书提供了任何数字来源都无法给出的保证:书中每一句话都出自人类之手。这使得纸质图书交易成为一种异常纯净的训练材料来源。过去主要对收藏家、学者和图书馆有价值的古旧、珍稀和绝版图书,如今也作为高纯度数据而具有价值。任何创作或持有2022年底以前内容的人都应当意识到,这些内容具有一种无法再生产的历史价值和数据纯净度价值。

▲ 纸质知识转化为训练数据
一本书变成数据时失去了什么
法院在Anthropic案中的推理部分基于这样一点:书中承载的思想得以保存。文本以数字形式留存下来。从这个角度看,什么都没有失去:文字仍在,只是存储方式不同。
对立的观点从另一个前提出发。一本纸质书不只是它的文本。一册珍本或古籍是一件原件,任何扫描都无法复制这一点。当书脊被切开、书页被回收,那件原件便永远消失了。一种理解方式是将其与农作物的工业化收割作对比:椰子种植园在收割后会重新生长,被销毁的初版书却不会。实体形态的人类知识一旦失去,就无法再生。
还有一个问题是知识最终掌握在谁手里。当纸质原件被销毁、文本存活于专有的模型权重之中时,对这些知识的控制权就从由图书馆、收藏家和读者组成的分散网络转移到了少数几家私人公司手中。这样看来,这种做法难免让人联想到历史上当权者为控制信息而销毁书籍的事件。这种类比是一种价值判断,而非法律认定,理性的人完全可以以文本仍可通过其他副本和形式获取为由拒绝这种类比。但它解释了为什么即便承认其合法,许多人仍对这种做法感到不安。
法律界线:购买的图书与盗版的图书
2025年6月的裁决出自Andrea Bartz、Charles Graeber和Kirk Wallace Johnson等作者对Anthropic提起的版权诉讼。法院将判决一分为二,由此划定了如今的格局。
| 行为 | 法院认定 | 后果 |
|---|---|---|
| 扫描合法购买的纸质书用于训练 | 合理使用 | 允许 |
| 使用约700万册盗版图书训练 | 违法 | $15亿和解 |
$15亿这个数字已成为一个参考价格。目前有数十起版权诉讼正在针对OpenAI、Meta、谷歌和Midjourney进行,这些案件的原告如今对未经授权的训练数据可能付出的代价有了具体的参照基准。对于那些用盗版图书库训练模型的公司而言,这带来了切实的偿付能力问题;而对于购买了数据来源的公司,这一裁决目前相当于一盏绿灯。

▲ 法庭上的购买图书与盗版副本
法律答案为何无法终结伦理问题
即便在裁决之后,几重张力依然存在。
第一是不对称。按照当前的解释,一家公司可以买下一本书、销毁它,并将其文本吸收进商业产品,这算作合理使用;而一个人分享同一本书的数字副本却要因盗版受罚。法律区分了这两种情形,但这种区分很难与人们日常对公平的直觉相吻合。
第二是“像学生一样学习”的叙事。AI公司常把训练比作一个人广泛阅读并从中学习。与之竞争的描述则认为,这个过程更像一条榨取式的制造流水线:原材料进来,以工业规模加工,产品被售出,而生产原材料的人没有得到任何回报。哪种描述更准确,决定了人们是否认为合理使用是一个恰当的框架。
第三是补偿。那些图书被购买并扫描的作者,其文本被用于一款创收远超任何单本图书销售的产品,却分文未得。法院没有认定这违法。但这是否公平,是另一个问题。
Getty Images案:赢了官司,输了市场
图库摄影行业提供了一个警示性的对照。Getty Images花了数十年构建并精心维护一个受水印保护的图片库,并围绕它建立起授权业务。当Stability AI用抓取的图片训练图像生成模型时,Getty Images提起了诉讼。然而到了2026年10月,Getty Images申请了第11章破产重组。设计师和商业客户早已转向廉价的生成式替代品,公司赖以生存的授权市场已经萎缩。
其中的教训似乎是:一旦生成式工具取代了需求,版权执法即便再积极,也可能来得太晚,无法保住原有的商业模式。数十年的积累并非毁于一场败诉,而是毁于一场诉讼无法扭转的市场变迁。
创作者面临的风险
综合来看,这些案例描绘出这样一个体系:作者失去了对其图书最终副本的控制,摄影师失去了署名和收入,而他们作品的下游价值流向了少数几家前沿实验室。令人担忧的不只是钱。如果创作原创作品不再带来合理的署名或收入预期,选择创作的人可能会减少,模型所依赖的人类撰写材料的储备也可能随时间而萎缩。
尚在进行的上诉可能会打到美国最高法院。那里的裁决可能给AI开发商带来巨额财务责任,也可能确认当前的合理使用解释。结果究竟如何,确实难以预料。
要点回顾与你可以做的事
- Project Panama展示了AI实验室如何获取纯净的训练数据:购买纸质书,扫描后销毁,并依赖合理使用原则。
- 2022年以前的图书之所以珍贵,是因为它们保证由人类撰写。2022年底以前的内容具有持久的历史价值和数据价值。
- 法院目前将购买的图书(合理使用)与盗版图书(违法)区分开来,后者以$15亿和解作为参考成本。
- 法律上的许可并不能消解关于不可替代的原件、公司与个人待遇不对称以及创作者未获补偿的伦理担忧。
- Getty Images表明,一旦需求转向生成式工具,仅靠执法可能无法挽救商业模式。
对读者而言,有几项切实可行的步骤。密切关注尚在进行的版权上诉以及最高法院的任何动向,因为结果既影响创作者的权利,也影响AI公司的财务风险。如果你创作或销售内容,可以考虑转向生成模型难以轻易模仿的、具有专业性和防御性的作品,而不是大路货式的素材。如果你的业务建立在大型平台的技术之上,请对自己的原创概念和命名保留完整的公开记录。而如果破坏性扫描的伦理问题让你感到担忧,那么可以着力的地方是法律和政策进程,关于人类作品如何输入AI系统的规则,仍在制定之中。


