近期全球二手书市场出现大批神秘买家，以不议价、无主题规律的方式疯狂扫货2022年之前出版的旧书，背后疑为AI公司争夺“未被AI污染”的纯净人类原创语料。
一、核心原因：互联网数据已被AI内容“污染”
AI垃圾内容泛滥：2022年ChatGPT爆火后，互联网新发布内容中AI生成占比已超过一半，机器产出的低质文本大量混入数据池。
旧书成为“纯净语料”：2022年前出版的纸质书在物理层面天然免疫AI污染，内容全部由人类创作、编辑和校对，结构完整、语言精炼，是当下最稀缺的高质量人类原创数据集。
规避“模型崩溃”：若持续用AI生成内容训练新模型，机器会因吞噬自身输出导致性能退化，陷入“自己抄自己”的死循环，最终输出空洞、逻辑混乱。
二、商业考量：构建独家数据壁垒
公开数据即将耗尽：据测算，语言模型将在2026—2032年间耗尽公开高质量文本，AI公司急需独家数据建立优势。
批量买断长尾纸质书：冷门书、绝版书、地方志等被扫描后锁入私有数据库，形成独家“纯净语料”壁垒。
规避版权谈判成本：美国法院裁定“合法购书后内部数字化”属合理使用，批量收购并销毁原件可绕开繁琐的版权协商。
三、操作方式：匿名采购与破坏性扫描
中间商匿名扫货：AI公司通过层层中间商（如加拿大的Zoom Books、新加坡的2077AI等）低调对接各地二手市场，单笔订单可达数千至百万本。
破坏性扫描：切掉书脊、高速扫描提取文字，原件随后被粉碎销毁，效率高且成本低。
争议焦点：大量绝版、稀有书籍在扫描后永久消失，人类公共知识被转化为企业私有资产，引发文化保护担忧。马斯克已公开要求团队对珍稀书籍改用无损扫描。