厚重的书籍被送入液压切纸机，压板缓缓压下，锋利的刀片精准切割，书脊应声而断。原本紧密相连的书页此刻已变为一叠整齐的纸页。
若你未曾得知内情，单是观看这段视频，或许会感到一种莫名的放松与愉悦。不过，一旦揭示真相——某些人工智能公司正在用类似手法批量处理实体书籍，甚至其中包括那些鲜为人知的冷门书和绝版之作，你恐怕会立刻打消这份闲适。
为了搜寻更多训练素材，AI公司已将目光投向公开网络、盗版电子书，乃至现实世界中的纸质书籍。其中，2022年以前出版的作品尤为珍贵，因它们未混杂AI生成内容，也没有经过现代数据投毒工具的污染，堪称难得的优质数据源。
那些无法在线搜索、缺乏电子版本的低流通量书籍和绝版经典，能提供互联网抓取无法企及的信息，更是上上之选。
Anthropic公司此前曝光的“巴拿马计划”就明确表示，不希望外界知晓其内情。
图书数据库平台ISBNdb公开表示，可为AI企业搜集书籍，称能从旧书店、图书馆及绝版书目录一次性采购千至百万册纸质读物，且会借助保密协议隐匿客户身份及采购清单。
AI公司也清楚这种行为招致非议。
“巴拿马计划”
AI机构将目标对准纸质文献，最初源于Anthropic卷入的一场法律纠纷。
2024年8月，三位作家将Anthropic告上法庭，指控该公司未经授权，利用他们的作品训练Claude模型。
坦白说，此类争议自ChatGPT问世以来就没断过，一点也不出人意料，已有众多相似诉讼案例。
争论焦点在于AI企业利用整个互联网数据进行模型训练是否构成侵权？作者作品若被纳入训练集，是否必须获得本人同意并支付版权金？
因此，在这起诉讼初期，纸质书并非核心议题。
Anthropic为提升Claude的理解与创作能力，首先对公开互联网进行了全面扫描。但网页内容质量参差不齐，于是备受关注的便是经过作者创作、编辑筛选及出版社校对的书籍。
最直接的做法莫过于直接获取电子书。
法庭文件披露，Anthropic曾从Books3、LibGen和PiLiMi等平台下载逾700万册书籍，其中相当部分源自盗版网站。该公司并未将下载文件删除，而是存放于一个长期保留的“中央图书馆”，供未来模型训练和研究使用。
此后，“巴拿马计划”应运而生。该计划的实质是Anthropic大规模采购纸质书籍、实施扫描处理并输入AI系统。
不过，法庭真正关注的核心，是Anthropic获取和使用这些内容的方式是否合法。
2025年6月，法官威廉·阿尔萨普对此案作出判决，对Anthropic十分有利。
在他看来，大模型查阅书籍的目的并非复述或销售原书，而是学习语言、知识与表达技巧，进而生成新内容。这种用途具有显著的转换性质，类似于人类读书后获取知识再进行创作的过程，故可视为合理使用范畴。
关于那些购买来的纸质书，Anthropic已为每本支付费用。公司采取扫描后销毁实体书的方式，仅在内部保留数字副本，并未产生额外市场流通版本。因此法官认定，这方面未侵犯版权。
然而，那700多万册从盗版库下载的电子书则另当别论。
法官认为，训练模型或许属于合理使用范围，但盗版获取途径并不能因此被正当化。使用方式与作品来源是两码事。
美国法律体系中判例具有重要作用，本案法官的裁定为AI企业铺平了道路——即AI可学习人类创作成果，前提是必须通过合法途径获取作品。
由此可见，尽管去年Anthropic购买纸质书并扫描的做法已公开，但法庭及公众的焦点更多集中在老生常谈的“人类知识训练AI的法律界限”问题上。
直至今年，
