图源：视觉中国
随着真假难辨的AI生成内容席卷互联网，人工创作的"干净语料"日益稀缺。纸质书，也由此成为AI公司的争夺之地。
近日，美国AI公司Anthropic因"焚书"事件陷入舆论风波。根据法院判决结果及公开报道，自2024年始，为获取高质量训练语料，Anthropic批量购买2022年前出版的纸质书籍，切除书脊并加以破坏性扫描，涉及书籍数量高达数百万本。该项行动被Anthropic称作"巴拿马计划"，并被美国联邦法院判决为合法。
这一事件引发巨大争议。
AI时代，这场争议将我们引向一个新的问题：一本纸质书历经数字化后，是否就完成了它的全部使命？
01 为何"焚书"
这一事件中，有一个值得关注的细节：Anthropic为购买纸质书所投入的成本并不低，且只购买2022年前出版的书籍。为何AI公司需要这一特定语料来训练模型？
要解答这个问题，首先需要了解大语言模型的训练原理。大语言模型，是一种基于深度学习、通过海量文本数据训练而成的AI模型，其能力很大一部分取决于"喂入"数据的质量。
大语言模型发展初期，尚有大量人类创作语料可作为高质量数据使用，但近几年来，随着生成式AI的快速普及，互联网上已经出现大量由AI参与创作的内容。根据斯坦福大学今年4月发布的《2026年AI指数报告》，自2025年1月以来，新发布的互联网内容中AI生成比例已超过半数。
于是，一个新的悖论出现了：当AI使用AI生成内容来训练新的模型时，模型就将不断学习自己的"复制品"，原创信息越来越少，误差在连续迭代中不断累积，最终可能导致模型不仅性能下降，甚至直接崩溃。
这一现象，被研究人员称为"模型坍塌"（Model Collapse）。
