亚马逊拆书扫描,疑用于 AI 训练
404 Media 追踪一笔约 1,000 本的 Biblio 图书订单,发现货物最终被送至亚马逊北拉斯维加斯 LAS8 仓库。
调查人员与收到订单的二手及珍稀书商合作,在其中一本书藏入 AirTag;追踪显示该书经多州物流转运后抵达 LAS8,相关地点设有名为 VGT3 的作业团队。
据该调查援引的员工公开帖子,VGT3 接收大批实体书后会切除书脊,加快逐页扫描;这一流程会使原始纸质书永久损毁。
亚马逊确认通过商业渠道购书,称用途是“帮助开发和改进客户使用的产品和服务”;公司未确认扫描文本具体进入哪些 AI 模型、产品或训练流程。
亚马逊未披露该项目采购书籍总量、项目起始时间、筛选标准,以及是否在拆解前排除珍稀、绝版或稀缺版本。现有公开报道也未证明每一本被运往该仓库的书均已被扫描或销毁。
市场机制上,AI 训练对高质量、长文本、低 AI 污染内容的需求推动批量收购二手与绝版书,书商获得一次性出售需求,稀缺版本买家与图书馆则面临可流通实体存量下降的压力。亚马逊以采购实物并自行数字化的方式,将内容获取、加工与模型训练链条内化,潜在受益者是其 AI 产品与云端模型服务体系。
来源:公开信息
ABAB AI 解读
亚马逊的起点正是图书零售:公司 1995 年以线上书店上线,随后借由图书目录、库存履约、读者搜索与推荐系统扩展至综合在线零售、AWS 和数字内容。此次被追踪到的实体书采购,意味着它正把早年构建的图书供应链重新用于模型时代的数据采购;区别在于,过去图书是交易商品,现被报道的流程将其转化为可机器处理的文本输入。
数据资本路径并不止于买书。亚马逊在 LAS8 内集中接收、拆解和扫描,使书籍采购、文本数字化和后续计算资源能够与其 AWS 及自有 AI 产品体系衔接。对无法通过授权直接获得的大量旧书、绝版书或长尾出版物而言,买入实体副本相较逐一与版权方谈判更快,但是否构成可用于模型训练的授权来源,仍取决于版权法和具体使用方式;亚马逊没有披露扫描数据的最终用途。
这与 Google Books 的大规模图书数字化形成历史对照:Google 曾与图书馆合作扫描数百万册藏书,由此引发长期版权诉讼和和解争议。不同之处在于,Google Books 的核心产出是可检索书目与片段展示;当前生成式 AI 的竞争重点是将长文本转化为训练语料,用于提升模型回答、推理和内容生成能力。Anthropic、Meta 等公司也持续面临有关训练数据来源与版权的诉讼和公开审查,图书数据已经从搜索索引资产转变为模型能力资产。
本质属于产业链重构:模型公司正在将出版物从文化商品重估为训练原料。机制是高质量人类写作具有结构完整、知识密度高、错误率相对低的特征,而互联网公开文本不断混入 AI 生成内容;当优质语料变得稀缺,拥有采购预算、物流网络、扫描能力和算力入口的平台可把分散的实体知识资产集中处理,并在模型层获得收益,出版商、作者与实体藏书保存体系则承受新的权利与存量压力。
ABAB News · 认知定律
旧资产一旦可计算,就会被重新定价
免费数据越稀缺,实体资产越昂贵
内容归作者,价值归分发与算力