Sen Ye(@SenYe10):这是不是现代版的数字知识垄断“焚书”？ AI巨头疯狂大量收购2022年之前出版的旧书、绝版书籍疯狂扫描之后，直接销毁，目的是为啥？因为AI生成内容泛滥，内容被污染，由人工创作的“干净语料”突然变为稀缺资源现状的网络充斥大量AI产出的同质化水文，如果持续抓取这类文本训练模型，会造成模型退化、逻辑混乱灵。而2022年前印刷的书籍，全部是人类原创、经过编辑校对，是相对稀缺、纯净度相对高的高质量语料。这些巨头更现实的考虑是：第一、规避一部分版权风险。按照海外现有判例，企业合法购入实体图书、仅内部提取文字训练，被认定为“合理使用”；比直接爬取电子书，法律纠纷门槛更低。第二、可以筑建独家数据壁垒。不少冷门专著、地方史料存量稀少，收购销毁之后，同行很难获取同源文本，形成别人拿不到的知识库。这到底是不是“焚书”，他们应该怎么做才更好？

2026.07.30 01:43

这是不是现代版的数字知识垄断“焚书”？ AI巨头疯狂大量收购2022年之前出版的旧书、绝版书籍疯狂扫描之后，直接销毁，目的是为啥？因为AI生成内容泛滥，内容被污染，由人工创作的“干净语料”突然变为稀缺资源现状的网络充斥大量AI产出的同质化水文，如果持续抓取这类文本训练模型，会造成模型退化、逻辑混乱灵。而2022年前印刷的书籍，全部是人类原创、经过编辑校对，是相对稀缺、纯净度相对高的高质量语料。这些巨头更现实的考虑是：第一、规避一部分版权风险。按照海外现有判例，企业合法购入实体图书、仅内部提取文字训练，被认定为“合理使用”；比直接爬取电子书，法律纠纷门槛更低。第二、可以筑建独家数据壁垒。不少冷门专著、地方史料存量稀少，收购销毁之后，同行很难获取同源文本，形成别人拿不到的知识库。这到底是不是“焚书”，他们应该怎么做才更好？