一本今年3月出版、定价并不起眼的古籍注译本，最近因为版权页上的一句话突然进入AI行业的讨论中心。

华夏出版社出版的《新译黄庭经 阴符经》，在版权信息页明确写道：“禁止将本书内容用于人工智能训练，违者必究。”该书由刘连朋、顾宝田注译，著作财产权归属于三民书局股份有限公司。

截图自扬子晚报

8月4日，华夏出版社相关负责人在接受媒体采访时回应称，在引进部分外版图书时，著作权利方已经开始在版权合同中加入禁止文本用于人工智能训练的条款，出版社作为履约方，需要将相应要求写进图书。出版社也承认，即便一本书真的未经授权进入AI训练集，现实中发现、举证和维权仍然十分困难。

如今实体书版权页上的版权声明，除了传统的“未经许可不得复制、发行”之外，似乎已经开始新增一项需单独列明的使用场景——“AI训练”。

然而，值得注意的是，在大洋彼岸，已经有AI公司把“纸质书如何变成训练数据”这件事做到了工业化规模。

数百万册实体书

进入Anthropic的“巴拿马计划”

2026年1月27日，《华盛顿邮报》查阅超过4000页解封的法庭文件后，披露了Anthropic内部一个此前很少为外界所知的项目——Project Panama，巴拿马计划。

这项计划从2024年初开始明显提速。法院解封的内部规划文件甚至直接写道，Project Panama的目标是对“世界上的所有书籍进行破坏性扫描”，同时还注明，“我们不希望外界知道我们正在做这件事”。

根据法院材料和《华盛顿邮报》的调查，在大约一年时间里，Anthropic为采购和处理实体图书投入了数千万美元，购入并扫描的书籍达到数百万册。这些书随后被转化为可供公司内部检索和模型训练使用的数字文件，其中部分数据被用于Claude等大语言模型的开发。

截图自《华盛顿邮报》2026年1月27日Project Panama调查

法院文件显示，为了提高处理速度，Anthropic或其外包供应商会先拆掉纸质书的装订部分，再将页面裁切成适合设备处理的尺寸，随后通过高速扫描设备逐页数字化。扫描完成后，数字版本被存入Anthropic内部的“research library”或“generalized data area”，原来的纸质副本则被丢弃。

截图自Bartz v. Anthropic

美国加州北区联邦地区法院Fair Use裁定

《华盛顿邮报》取得的一份扫描供应商方案则把流程写得更加具体：书籍可以通过液压切割设备快速切除书脊，再使用生产级高速扫描仪完成数字化，处理结束后，由回收公司统一取走完成扫描的纸质材料。

也就是说，这套流程的重点并不是保存一本纸质书，而是在尽可能短的时间内提取其中的文本。

一本书的物理载体因此消失了，但其中的文字以另一种形式被保留下来，并进入AI公司的数据库。

近期不少社交媒体称这一行为“AI焚书”“现代版焚书”“现代版焚书坑儒”。

买正版纸书扫描，和从盗版网站下载

法院给了不同答案

2026年7月20日，美国旧金山联邦法院最终批准了Anthropic与作者群体达成的15亿美元版权集体诉讼和解。据路透社报道，这是目前已知金额最大的美国版权案件和解，超过91%的相关作者和出版商已经申领了相应赔偿。

截图自路透社

但这两件事并不能直接画上等号。15亿美元并不是Anthropic因为“切书”“毁书”而收到的一张罚单，更不是法院认为Project Panama违法后作出的赔偿判决。

当时法院面对的并不是一种单一的“AI使用版权书”行为。

Anthropic建立自己的数字图书库时，至少采用了两条不同路径：一部分书是在公开市场上购买的纸质正版书，另一部分则来自LibGen等盗版电子书来源。虽然它们后来都可能进入Anthropic的数据体系，但法院没有简单地把所有行为归结成“未经作者许可训练AI”，而是分别考察了这些书是怎样取得的、为什么要复制，以及复制之后究竟被用在了什么地方。

对于Anthropic通过正常市场购买的纸质书，法院作出的判断实际上对公司相当有利。Anthropic购买纸书后，会拆掉装订、裁切书页并扫描成数字文件，随后不再保留原来的纸质副本。法院特别注意到，这种处理没有让Anthropic在原有纸书之外再增加一份可以向市场销售或者向外传播的电子书：纸质副本被数字版本替代，数字文件则留在公司内部，用来节省储存空间并提高检索效率。

因此，Alsup认为，在本案的具体条件下，把合法购买的纸书进行这种“一对一”的纸质转数字处理，可以构成美国版权法上的合理使用。判决在总结这一问题时进一步强调，由于购入的纸质副本已经被销毁，替代它的数字版本也没有被重新分发，因此这种格式转换本身属于fair use。

法院对训练大语言模型本身的判断同样有利于Anthropic，只不过理由与纸书数字化并不完全相同。Alsup认为，使用这些作品训练Claude及其前代模型具有高度“转化性”。在法院看来，Anthropic复制书籍并不是为了重新向用户提供这些书的替代品，而是利用大量文本训练一个能够生成新文本、完成不同任务的大语言模型；原告在该案中也没有指控Claude面向公众的输出直接复制了他们的作品。因此，法院最终认定这部分训练用途属于合理使用。

真正让案件继续走向巨额赔偿风险的，是Anthropic建立中央数字书库时使用的另一批材料。

在大规模采购纸质书以前，Anthropic曾从LibGen等盗版来源批量下载电子书。法院材料显示，公司保存的盗版书籍超过700万本，而且这些文件并不全部是为了某一次具体的模型训练临时取得。部分内部材料显示，Anthropic希望建立一座可以长期保留、服务多种用途的中央数字图书馆，即使某些书后来并没有被选中用于训练，也可能继续留存在这个数据库中。

截图自Bartz v. Anthropic法院裁定原文

Alsup在判决中明确区分了两件事：一份作品后来可能被用于合理使用，并不意味着企业因此获得了从盗版网站取得原始副本的权利。判决指出，不能因为未来可能进行具有转化性的使用，就自动获得一份完整版权作品，更不能因此合理化从盗版来源取得本来可以通过市场购买的作品。对于那些被下载后用于建立长期、通用中央图书馆的盗版副本，法院拒绝给予Anthropic合理使用保护。

这一区别在判决最后被写得很清楚：用于训练特定大语言模型的副本被认定为合理使用；把已经购买的纸质书转换成内部数字版本，同样构成合理使用，只是法律理由不同；但通过盗版来源取得、用于建立中央图书馆的数字副本，没有因此获得fair use保护。法院原本准备就这部分盗版材料以及可能产生的实际或法定赔偿继续开庭审理。

更值得注意的是，Anthropic后来再去市场上购买同一本正版书，也无法完全抹掉此前取得盗版副本的问题。Alsup在裁定结尾专门指出，后来购买正版可能影响最终法定赔偿金额，但不会自动免除此前从互联网盗版来源取得副本可能产生的责任。

AI公司为什么还需要纸质旧书？

值得注意的是，Anthropic“巴拿马计划”中另一个容易被“毁书”话题掩盖的细节，是Anthropic为什么愿意花数千万美元重新把纸质书数字化。

《华盛顿邮报》查阅的文件显示，早在2023年，Anthropic内部已经讨论过图书对于模型训练的特殊价值。一名联合创始人认为，相较于大量质量参差不齐的网络文本，书籍能够帮助模型学习“如何写得更好”。

一本经过正规出版流程的书，通常经历作者写作、编辑、校对和出版等环节。对于需要大量高质量长文本的模型开发商而言，这类内容与网页、论坛、社交媒体短文本并不完全相同。

到了2026年，纸质旧书又多了一项新的卖点：它们中的很多内容诞生于生成式AI大规模普及之前。

今年7月底以来，美国、澳大利亚、新西兰和欧洲多地二手书商陆续反映出现了一些异常的大宗采购订单，其中不少集中在年代较早的非虚构作品、专业书籍和已经绝版的冷门图书。部分数据服务商还曾公开向AI公司推介2022年以前出版的纸质书，理由正是这些文本不可能包含后来由ChatGPT等生成式AI工具批量生产的内容。

《大西洋月刊》8月6日调查指出，全球二手书市场确实出现了大量难以解释的大宗订单，却没有充分证据证明所有采购都来自AI企业。

截图自《大西洋月刊》8月6日全球旧书异常采购调查

《卫报》在澳大利亚采访的书商同样表达了担忧。一些商家收到几十本甚至更多毫无明显主题关联的订单，从地方史、专业教材到已经很难找到的旧书都有，这让部分书商怀疑买家最终可能把图书送入破坏性扫描流水线。

不过，被怀疑参与采购的Zoom Books明确否认自己从事扫描或销毁业务；Anthropic也向《卫报》表示，公司没有从Zoom Books购买图书，并称其数据采购项目不会专门购买和销毁珍稀或古董书籍。

截图自The Guardian：澳大利亚书商对旧书异常采购和破坏性扫描的担忧

这场关于实体书的争议，随后把马斯克也卷了进来。

7月27日，X平台用户Hedgie批评AI企业为了获取训练数据，购买旧书后切除书脊进行高速扫描。马斯克随后直接在X上回复称，他已经要求SpaceXAI团队保留图书馆中的珍稀书籍，采用“更麻烦”的方式进行扫描，而不是直接把书脊切掉再扫描。

马斯克的原话是：

“I've asked the SpaceXAI team to preserve any rare books in a library and scan them the hard way vs just cutting off the spine and scanning.”

截图自马斯克7月27日X回复

这个回应也让“AI焚书”的讨论出现了一个更现实的分界。

将一本普通商业流通书籍裁切扫描，和毁掉一本可能已经绝版、带有批注、特殊装帧或者只剩少数存世副本的旧书，并不是完全相同的问题。

对于模型而言，两本书最终都可以被转换为文本数据；但对于藏书者、图书馆和研究者而言，实体书本身可能还承载版本、装帧、纸张、批注和流传历史等仅靠OCR文字无法保留的信息。

因此，与其把这件事简单概括成“AI正在焚书”，不如说，AI训练数据需求开始把一个过去更多属于图书数字化领域的问题推到了更大规模：为了得到一本书里的文字，可以付出多少实体保存成本？

有出版社直接说“不”

也有人开始给AI训练标价

AI公司寻找更多图书数据的同时，全球出版业也没有给出一个统一答案。

最直接的一种方式，就是像华夏出版社出版的《新译黄庭经 阴符经》一样，把“不允许AI训练”写进书里。

2024年，企鹅兰登书屋开始在新出版和重新印刷的图书版权页加入AI训练声明。现在从企鹅兰登2026年出版的图书样章中仍能看到这一条款：

“No part of this book may be used or reproduced in any manner for the purpose of training artificial intelligence technologies or systems.”

截图自Penguin Random House 2026年官方图书样章版权页

也就是，未经许可，本书任何部分不得被用于训练人工智能技术或系统。

在欧洲版本的部分图书中，企鹅兰登还进一步明确，根据欧盟《数字单一市场版权指令》第4条第3款，出版社保留文本和数据挖掘相关权利。

HarperCollins走的却不是完全拒绝的路线，而是尝试把AI训练变成一项可以单独授权的权利。

2024年，HarperCollins向数千名作者询问，是否愿意让自己的部分非虚构类图书进入一家AI公司的训练许可协议。美国Authors Guild披露的一份方案中，每个书名的授权费用为5000美元，由选择加入的作者和出版社各分2500美元。

截图自The Authors Guild：HarperCollins AI Licensing Deal

该协议还设置了输出限制，例如模型不得连续输出超过200个原文单词，也不得在一次用户会话中生成超过一本书5%的内容。

Authors Guild认可“作者主动选择加入并获得报酬”的方向，但认为出版社分走一半授权费用过高，同时强调，在通常的出版合同中，AI训练权并不天然属于出版社，需要另外取得作者授权。

从企鹅兰登的“禁止”，到HarperCollins的“可以授权但要付钱”，再到Anthropic通过市场购买实体书后自行数字化，全球出版业和AI企业实际上已经尝试了至少三种完全不同的处理方式。

而现在，中国出版社版权页上也出现了类似的权利声明。

问题在于，一句“禁止用于AI训练”，究竟能够挡住多少实际的数据采集？

“禁止投喂”写进书里

法律上到底有多大作用？

华夏出版社自己并没有回避这个问题。

其负责人在接受红星资本局采访中直言，如果一本纸质书未经授权被用于人工智能训练，出版社现实中很难发现，更难证明某家AI企业的训练数据中具体包含了这本书。

网站还可以通过robots.txt、防爬虫、登录权限等技术方式限制自动抓取，但一本已经卖出的纸质书没有这样的技术屏障。购买者只要拿到实体书，就具备扫描和数字化的物理条件。

因此，版权页上的“禁止用于AI训练”首先是一项非常明确的权利声明，却还不是一道自动生效的技术防火墙。

截图自红星新闻

中国目前针对生成式AI训练数据已经有原则性要求。

2023年施行的《生成式人工智能服务管理暂行办法》第七条明确规定，生成式人工智能服务提供者开展预训练、优化训练等训练数据处理活动，应当使用具有合法来源的数据和基础模型；涉及知识产权的，不得侵害他人依法享有的知识产权。

截图自国家网信办《生成式人工智能服务管理暂行办法》原文

同时，第十九条规定，监管部门开展监督检查时，服务提供者应按要求对训练数据来源、规模、类型等进行说明。

截图自国家网信办《生成式人工智能服务管理暂行办法》原文

但到了具体司法案件中，“版权作品能否用于训练”“何种情况下构成合理使用”“权利人在书上明确写出反对声明之后会产生多大影响”，仍然没有一个可以简单套用所有案件的答案。

今年3月，最高人民法院副院长陶凯元在接受采访时就提到，当前涉及生成式AI的知识产权争议中，大模型“投喂”他人作品进行训练是否侵犯著作权已经成为核心问题之一。她表示，人工智能带来的新问题往往很难通过现有法律简单“对号入座”，相关裁判规则仍需要在司法实践中持续探索。

截图自最高人民法院官网

陶凯元谈涉人工智能知识产权裁判规则

欧洲则正在尝试把“权利保留”和模型公司的合规义务进一步制度化。

《欧盟人工智能法案》第53条要求通用AI模型提供者建立版权合规政策，同时公开足够详细的模型训练内容摘要。针对在欧盟市场推出的通用AI模型，欧盟委员会已经制定统一的训练内容摘要模板。

截图自EU AI Act Article 53：通用AI模型的版权政策与训练内容摘要义务

从2025年8月2日起，欧盟委员会对通用AI模型相关义务的执法权正式进入实施阶段。对于应当公开训练内容摘要却没有履行要求的提供商，最高可能面临上一财年全球营业额3%或1500万欧元的罚款，取较高者。

截图自欧盟委员会：自2025年8月2日起全面执法GPAI相关义务

书被切开之后

文字留在了模型时代

AI公司购买并扫描实体书并不是第一次出现，图书大规模数字化也远早于生成式AI。

Google Books二十多年前已经开始扫描图书馆馆藏，只不过它主要建立的是能够供人类搜索和阅读的数字索引，而且大量扫描采用能够保存原书的非破坏式设备。

Anthropic“巴拿马计划”带来的变化，是书籍数字化之后的使用目标发生了改变。

Anthropic需要的不再只是一本可以在屏幕上翻阅的电子书，而是能够被机器解析、组合并放入训练管线的数据。

从模型工程角度看，一本书的内容一旦成功转化为文本，书脊、纸张、装帧甚至原来的实体形态都不再是训练所必需的部分。这也是破坏性扫描能够带来更低成本和更高处理速度的原因。

但出版商、作者、藏书者和AI公司显然并不只从同一个角度理解一本书的价值。

最近社交媒体把这场争议称为“现代焚书”，马斯克则公开要求SpaceXAI在遇到珍稀书籍时不要直接切掉书脊；企鹅兰登把“禁止AI训练”印进版权页，HarperCollins开始尝试给AI训练授权标出价格；美国法院则在Anthropic案中进一步区分了“模型怎样使用一本书”和“这本书最初是怎样获得的”。

这些事实已经足够说明问题，不需要再人为把它升华成一场“AI与人类文明之战”。

Project Panama最反直觉的地方恰恰在这里：它并不是为了让一本书里的文字消失。

相反，纸质书之所以被切开，是为了让里面的文字更容易留下来。

现在真正悬而未决的，是这些留下来的文字，在变成训练数据之前，究竟还需要经过谁的同意。

过去，一本书的版权页主要告诉读者，这本书是谁写的、谁出版的、谁拥有版权。

现在，一些出版社正在上面增加另一项说明：谁不能拿它去训练机器。