过去几年，大模型主要从互联网获取训练文本。维基百科、新闻、博客和论坛几乎都被反复抓取。生成式AI普及后，越来越多机器生成内容重新流入网络，模型继续拿这些文本训练，质量就可能不断退化。
于是，2022年以前出版的纸质书突然成了稀缺资源。
这些书主要由人类写作、编辑和校对，内容相对完整，也没有后来大量出现的AI文本污染。ISBNdb甚至直接打出一句宣传语，世界上最好的AI训练数据，就摆在书架上。
书架也由此变成新的数据战场。
2026年初，美国法院解封的一批文件披露，Anthropic从2024年起推进一个代号为巴拿马计划的项目。公司大量采购实体书，切掉书脊后用工业设备高速扫描，再把纸张作为回收物处理。
内部文件里的说法更加直接，巴拿马计划代表了公司破坏性扫描世界上所有书籍的努力。
按照供应商方案，这套流水线半年可以处理50万到200万本书，成本只有数千万美元。放在大模型训练的总开销里，这笔钱确实算不上多。
争议最大的地方，还在法院的判断。
2025年6月，美国联邦法官裁定，企业合法购买实体书，再把它转换为仅供内部使用的数字版本，同时销毁对应原书，可以属于转化性合理使用。
这套逻辑留下了一个有些荒诞的结果。
原书被销毁后，企业反而更容易证明数字文件只是对纸质版本的替代，没有额外向市场分发副本。保存原书未必能增加法律安全感，处理掉原书却让整个链条更加容易解释。
ISBNdb这样的中间商也迅速出现。它们替AI公司从二手书店、图书馆书架和绝版目录里批量采购，单笔订单可以从1000本做到100万本，还曾承诺隐藏客户身份和采购目标。
很多书商甚至不知道，买走这些书的究竟是哪家AI公司。
问题也正在这里。普通畅销书还能重印，稀有版本、绝版书以及带有批注和藏书印的旧书，一旦被切割，纸张、装帧和流传痕迹都会永久消失。
扫描设备可以提取文字，却保不住一本书作为历史实物留下的全部信息。
马斯克随后表示，已经要求旗下AI团队保留遇到的稀有书籍，采用无损方式扫描。这个表态至少说明，破坏性扫描并非技术上的唯一选择，只是速度更快，成本也更低。
更讽刺的是，即使把全世界的书都扫描一遍，可能依然填不满下一代模型的数据需求。
