首页 / 科技 / AI企业批量采购二手纸质书用于训练单笔订单规模最高100万本

AI企业批量采购二手纸质书用于训练单笔订单规模最高100万本

摸鱼不慌 2026-07-28 20:07:11

　　【CNMO科技消息】近日有调查报道显示，多家头部AI企业正通过中间商秘密采购数百万本二手书籍，扫描提取内容作为AI模型训练数据，完成数字化后将实体书销毁。

今年4月以来，二手书市场出现显著变化：批量订单激增，单笔采购规模从1000本至100万本不等。这些订单的买家被证实主要为人工智能企业，它们正通过购买纸质书籍获取高质量人类原创数据，用于大模型训练。

据书籍数据库平台ISBNdb的数据，单笔订单规模从1000本到100万本不等，采购方对价格不敏感，即使溢价也直接购买。有二手书卖家透露，此前销量好时每周约卖出20本书，近期每周销量增至数百本，是常规销量的五倍。

“采购没有特定的题材、类型或作者倾向。”——ISBNdb数据显示。

随着网络上低质量AI生成内容增多，污染训练数据池，AI企业开始寻找2022年之前出版的纸质印刷书籍。这类内容大多为人类原创，受AI生成内容污染的概率较低。

为提高效率、降低成本，AI企业大多选择破坏性扫描方案。该方案指拆除书籍装订后，将单页送入高速工业扫描仪逐页扫描，以快速获取数字内容，但书籍本身将因拆解而不可复原，最终导致数百万本实体书被销毁。

目前争议主要集中于两个方面。一是AI企业在扫描过程中是否会筛选稀有或绝版书籍，这类书籍退出流通可能造成公共文化资源损失。二是扫描后的书籍内容进入私有数据库用于AI训练，普通公众无法访问，相关知识不能被社会共享。

此前已有相关案例。AI企业Anthropic曾投入数百万美元采购纸质书籍提取信息训练Claude模型，扫描后将实体书销毁，该公司曾因存储700万本盗版书籍用于训练，被处以15亿美元罚款。近期也有出版联盟起诉Google，指控其非法使用数百万本版权书籍训练Gemini模型。

二手书批量采购的持续增长，反映出AI企业对高质量训练数据的迫切需求。这意味着，AI训练数据来源正从公开互联网向实体印刷品转移，传统出版业与版权管理将面临新挑战。

本文由摸鱼不慌发布，转载请注明出处。
文章链接：https://www.moyubuhuang.com/keji/202607/97447.html

AI企业批量采购二手纸质书用于训练 单笔订单规模最高100万本