Anthropic销毁珍稀书籍训练Claude模型 文化破坏争议持续发酵

2026年7月29日曝光的推文显示，Anthropic通过第三方供应商从书店和批发商处购入数百万本实体书，覆盖小说、学术著作和专业教材等类别，经光学字符识别技术扫描提取文本后，对所有实体书籍进行统一销毁，仅保留标准化处理后的训练文本片段。

该流程形成采购、数字化提取、载体数据销毁的完整链路。内部文件指出，公开网络文本数据质量参差且版权风险较高，而书籍内容权威性与结构化程度更高，能提升模型推理能力和知识准确性。项目至少从2022年启动，持续到2023年底，主要在美国境内开展，扫描工作由合作技术服务商负责。

运作机制与商业逻辑

Anthropic成立于2021年，由前OpenAI员工创办，2023年估值约150亿美元，核心产品为Claude系列大模型。选择实体书数据销毁方式，试图弱化复制行为的版权属性，以规避直接获取授权的高昂成本与复杂流程。相比之下，OpenAI在2023年与企鹅兰登书屋、哈珀柯林斯等出版社达成版权合作，从源头获得合法授权；Google DeepMind在2024年3月发布训练数据透明度白皮书，详细列出数据来源及授权情况。

ISBNdb等公司提供批量书籍服务，声称拥有世界最大图书数据库，包含1.11亿条记录，并提供稀有专业卷册目录。书商反馈显示，单周销量从约20本跃升至数百本，主要是难以找到的绝版书。

产业影响分析

对竞争格局而言，此事件凸显数据获取方式的差异。Anthropic的做法引发X平台反弹，Michael Burry称其为“邪恶的化身”，Elon Musk要求SpaceX AI团队以非破坏方式扫描书籍，David Sacks指出其在训练免费与IP保护上的双重标准。OpenAI与Meta的合规路径则形成对比，Meta在2024年6月推出开放数据联盟，联合出版社和学术机构搭建合法训练数据共享平台。

对上下游影响，欧洲和美国书商接收到来自新加坡等地的3000册英文稀有书订单，部分古董书商担忧uncommon书籍被纸浆化。欧盟AI法案于2024年5月生效，要求开发者披露训练数据来源及版权状态，违规者最高面临全球营业额4%的罚款。麦肯锡2024年AI数据伦理报告显示，68%的AI企业存在数据来源不透明问题，32%涉及潜在版权风险。

对开发者和企业用户，合规路径虽成本较高，但可降低诉讼风险。Anthropic已同意支付15亿美元和解涉及数十万盗版书籍的集体诉讼，这是美国历史上最大版权和解案。法官认定转换性使用受合理使用保护，但此案未解决所有争议。

战略判断

基于现有事实，接下来最可能出现更多针对类似数据销毁实践的诉讼。