核心内容总结
AI公司现在开始抢着买2022年以前出版的旧书，原因是互联网上AI生成的内容（被称为“AI泔水”）越来越多，用这些内容训练模型会导致“模型崩塌”（就像反复复印复印件，细节越来越模糊）。旧书是纯人类写的、无法被AI篡改的真实文本，成了优质训练数据。同时，法律上有个空子：买实体书扫描成数字副本后销毁原件，属于“合理使用”，比下载盗版书安全。中间商（比如ISBNdb）看到商机，帮AI公司批量找旧书，但后来又撤下服务（可能是公关）。这件事暴露了AI时代的新趋势：真实、有出处、能证明不是机器编的数据，才是最值钱的。
一、AI为啥突然爱上旧书？因为互联网“泔水”太多了
你可能会问：AI不是已经读遍互联网了吗？为啥还要找旧书？
答案在“2022年”这个时间点——ChatGPT是2022年11月发布的，之后大量AI生成的内容（比如文章、商品介绍、论文摘要）开始“回灌”互联网。现在你在网上看到的内容，可能是AI抄AI、改AI的“四手货”，就像“泔水”一样没营养。
如果AI用这些内容训练下一代模型，会发生什么？就像拿复印件再复印：第一次复印可能还清晰，第二次细节开始丢，第三次更模糊，最后只剩一团糊。这就是“模型崩塌”——AI会越来越笨，失去细节和创造力。
而2022年前的旧书不一样：它是人类写的，印在纸上，没法被AI篡改。哪怕是本烂书，也是“纯人类烂书”，没有AI的污染。AI买旧书，其实是买“干净的人类文本”。
二、法律空子怎么钻？买实体书扫描销毁竟合法
这里有个反常识的案例：Claude的母公司Anthropic，早年偷过盗版电子书训练模型，后来怕被告，换了个骚操作——
他们花几百万美元买实体书，切掉书脊、高速扫描成数字文件，然后把纸书销毁，只留内部数字副本（叫“巴拿马项目”）。
美国法官后来判：这种操作合法！为啥？法官拆成了三步：
1. 用书训练模型=合理使用；
2. 买实体书→转数字副本→销毁原件→不对外传播=合理使用；
3. 但直接下载盗版PDF→存进资料库=不合法。
简单说：只要你真金白银买了书，只做一份内部数字版，不扩散，就不算侵权。Anthropic这招既避开了盗版风险，又拿到了干净数据，够“精妙”吧？
三、中间商嗅到商机：帮AI找旧书成新业务
有需求就有市场。ISBNdb这家老牌图书数据公司，本来是做图书信息查询的（比如ISBN号、库存），现在专门给AI公司提供“旧书采购服务”：
- 按AI公司的书单，从旧书店、图书馆、绝版目录里批量找书；
- 一次能买1000到100万本；
- 还能帮客户“隐身”（当中间人，不让出版社知道是AI公司买的）。
不过404 Media报道后，他们撤下了服务页面，说“只是探索需求”——但这大概率是公关辞令，毕竟只要AI还需要干净数据，这生意就会继续。
四、真实数据才是金矿：不是机器编的才值钱
这件事最关键的不是AI毁了多少书，而是它揭示了AI时代的稀缺品：真实、有出处的数据。
旧书值钱，不是因为字多，而是因为它经过了“人类筛选链”：有人选题、有人写、有人编辑、有人买（读者用钱包投票）。这套流程不完美，但留下了“真实世界的选择记录”——不是机器随便编的。
不止旧书，日常里的真实数据都值钱：
- 服装电商的买家秀（真实用户反馈，不是AI刷的）；
- 工厂的生产失败数据（真实错误，AI编不出来）；
- 医院的病例记录（真实病情，不是模拟的）。
以后最昂贵的数据，不是秘密数据，也不是大数据，而是能说清“从哪来、谁判断过、为啥可信”的数据。
写在最后
AI越会生成内容，“非AI生成”的内容就越珍贵。旧书的故事，其实是给我们提了个醒：在机器能造无穷文字的时代，人类的真实创造和选择，才是最不可替代的价值。