日本古书界正在经历现代版的“焚书坑儒”！只不过“秦始皇”变成了美国那些AI公司。

2026年8月前后，日本东京神田神保町的古书店街，还有各地做线上生意的旧书商，突然接到一批批蹊跷订单。

买书的不看作者、不问版本、不在乎品相，哲学、历史、医学、法律照单全收，连偏远地区的地方志、三十年前的政治小册子都要。

有个店主一天被扫走上百本，单店累计卖出超过一千册。多个下单账号各用各的名字，但所有包裹最后全指向同一个地方——冈山县的一个跨境物流中转站。

紧接着日本电视台把数据挖出来了：从去年开始，超过50吨日本二手书被出口到了美国。按一本书500克算，整整10万册。

日本书籍出版协会随后给出版批发巨头日贩发了书面文件，要求说清楚：你们是不是把书卖给了美国AI公司Anthropic，里面有没有协会成员出版社的书？

日贩那边回答得也干脆：个别交易，不予回答。

很快，这件事情就被网友扒出了底细。原来是美国的那些巨头AI公司，开始搜集市面上的古典文集。

那为什么这些公司偏偏盯上日本旧书？原因特别实在，就一条：大模型快没东西可吃了。

过去几年，硅谷把互联网上的公开文本扒了个底朝天。维基百科、论坛、新闻、社交平台，能爬的全爬了。

权威机构Epoch AI的预测说得很直白，互联网上高质量的人类文本数据，大概在2026年前后就要用光了。

更麻烦的是网上剩下的东西已经不能吃了。

2025年4月有机构分析了90万个新建英文网页，七成四都含AI生成的内容。剑桥和牛津的研究人员在《自然》上发过论文，AI用AI生成的数据反复训练自己，迭代几代之后输出的东西就成了毫无逻辑的胡话。

说白了，大模型吃互联网，已经吃不出营养了，再吃下去就自己把自己吃废了。

那什么东西还干净？2022年之前出版的纸质书。这些书没被网络垃圾污染过，排版规整，OCR识别率高，里面全是人类一字一句写出来的真东西。

对AI公司来说，这就是高纯度的训练原料。

但光有原料还不够，还得解决一个要命的问题——法律风险。

Anthropic这家公司此前就被作家告过。

它从盗版网站下载了超过700万册书的电子版用于训练，结果吃了集体诉讼。2025年6月，加州联邦法院的法官明确裁定，盗版数据不适用“合理使用”，侵权成立。

但同一个法官又说了另一层意思：合法购买的纸质书，拿去做破坏性扫描，扫描完把原书销毁，只保留数字版本用于内部训练，这个行为属于“格式转换”，可以算合理使用。

这个判决等于是给AI公司开了一条路。

从那之后，Anthropic搞了一个代号“巴拿马计划”的项目，专门批量收购二手书。操作流程非常工业化：液压切割机切掉书脊，书页送进高速扫描仪，扫完的原书直接打碎销毁。六个月能处理50万到200万本书。

而日本旧书，恰好是这条路线上最优质的货源。

日本孤悬海外，一千多年避开了大量战火，保存了东亚地区海量的纸质文献。从江户时代的“兰学”翻译到明治维新后的西方文献译介，日本积累了大量排版规整、纸张优良的专业书籍。

这些书买回来扫描，成本低、识别快、数据质量高。而且很多是绝版书，市面上流通的每一本都是孤本，扫完就没第二份了。

所以，这笔账算得很清楚：跟出版社一家一家谈授权，又慢又贵；去二手书市场扫货，便宜、快，法律上还有判例撑着。

日贩为什么愿意卖？它自己的出版批发业务正在亏钱，2026年3月期决算显示取次事业部门录得36亿日元经常赤字，社长都公开说在考虑从取次事业撤退。

这时候来一个大买家，返品风险为零，现金回笼快，换成谁都很难拒绝。

所以这条链条的逻辑非常清楚：日本的书店老板赚了小钱，日贩赚了流水，Anthropic拿到了干净的训练数据。

这还没算另一层账。日本的书里包含大量关于东亚历史、地理、社会制度的一手记录，尤其地方志和行业报告，记录的是地名沿革、产业变迁、灾害记忆这些东西，网络上是找不到替代品的。

Anthropic把这些数据扫进自己的模型，模型学完之后，日本人自己要用这些知识，反而得去问美国的AI。

日本人自己也在反思。有学者把这件事比作现代版的“焚书坑儒”——书不是被烧了，是被切成碎纸打成浆了，结果一样，内容没了，原书也没了。

而且这次干这事儿的不是暴君，是一家估值上千亿美元的硅谷公司，手里攥着法院的判决书，程序上一点毛病都挑不出来。

反观咱们这边，中文古籍和地方文献的数字保护工作一直在推进。中华书局基于高质量古籍数据训练了“古文大模型”，德州学院也搞出了面向古籍版面整理的多模态大模型“春秋”。

同样是让AI学古书，咱们走的是先数字化、再训练、原件妥善保存的路子。日本人这次是被人连锅端了才反应过来。

你觉得日本这50吨书被拉走，是正常的商业买卖，还是被人抄了文化老底？