亚马逊被曝批量收购纸质书：切掉书脊快速扫描训 AI，原书直接销毁

靠在网上卖书起家的亚马逊，三十年后开始亲手把书送进碎纸机，不过这次是为了喂饱 AI。

科技媒体 404 Media 最近做了一次调查。他们在一本怀疑会被 AI 公司盯上的绝版旧书里塞进了一个苹果 AirTag 追踪器，然后眼看着包裹跨越大半个美国，最终停在了内华达州拉斯维加斯的一座亚马逊仓库。

这座代号为 VGT3 的设施，正在进行一场鲜为人知的纸质书大屠杀。

恐龙标记下的「切书扫描线」

根据仓库员工的说法，他们每天的工作非常单调且残忍：接收堆积如山的印刷书籍，用切纸机利落地切掉整本书的书脊，以便把散页塞进高速扫描仪快速数字化。书扫完之后，原件基本就直接报废了。

黑色幽默的是，负责这项业务的亚马逊团队，给自己设计的徽标是一只龇牙咧嘴的恐龙，爪子里正抓着一本书。

404 Media 发现，亚马逊通常是通过 Biblio 这种商业图书交易平台大批量扫货。

面对记者的质询，亚马逊官方承认了这一操作，表示他们确实在通过商业渠道采购书籍，用来改善客户使用的产品和服务，其中就包括为自家的 Nova 系列大语言模型提供训练数据。

逃离「模型崩溃」的净土

AI 巨头为什么放着现成的互联网数据不抓，偏偏要花大价钱买物理旧书来拆？

说白了，网上的高质量公开发酵内容早就被瓜分完了。之前 Anthropic 等同行甚至因为涉嫌用盗版电子书训练而吃上官司，各家都在到处找合法的纯净语料。

更致命的问题是模型崩溃。现在整个互联网上到处充斥着 AI 生成的垃圾文本，如果新模型继续吞食这些二手数据，输出质量就会断崖式下跌。

而那些绝版纸质书，尤其是 2022 年之前出版的内容，百分之百纯天然，完全没有被大模型污染过，成了当下最抢手的战略资源。

为什么重要

从卖书到毁书，这个闭环多少让人感到有些荒诞，但它非常真实地折射出大模型军备竞赛的残酷现状。

对开发者和技术团队来说，这件事的参考意义在于：合成数据的神话可能正在破灭，高质量无污染的冷门人类知识，门槛正在变得极高，甚至变成了重资产的物理供应链竞争。

我们认为，亚马逊这一步走得相当精明，却也留下了巨大的文化争议。在法律层面，它规避了直接抓取盗版电子书的版权侵权风险，因为实体书买下来之后切碎扫描，在商业采购上更站得住脚。

但隐患同样明显。把具有历史价值的绝版孤本物理切毁，极容易激怒图书保护者和文化界。如果连亚马逊这种级别的巨头都只能靠切纸机来维持数据纯净度，其他拿不到物理书籍资源的中小模型团队，与第一梯队的差距恐怕会被进一步拉大。