# 亚马逊买书喂 AI：毁书合法，偷书赔了 15 亿

- URL: https://davidyin.dev/writing/256-20260818-amazon-book-scan-ai-training/
- 作者: David Yin
- 发布: 2026-08-18
- 标签: AI训练数据、版权、合理使用、AI伦理、平台条款
- 摘要: 404 Media 用追踪器把一批书追到亚马逊仓库，网上都在骂毁书。但决定这件事法律性质的从来不是毁不毁书，而是书从哪来——同一家公司买正版切开扫描被判合理使用，用盗版库赔了 15 亿美元。

昨天最招骂的 AI 新闻，主角是一千本书，和一枚塞进书箱的 AirTag。记者让书商把它夹进发往平台的大单，一路跟到拉斯维加斯——终点是一座亚马逊仓库。仓库北段有个代号 VGT3 的团队，员工在论坛上说，这里只干一件事：扫书。有人切书，有人扫条码——按他们的说法，纸本扫完就没用了。评论区火力最集中的两个字：毁书。

骂毁书，我不拦着。把书当一次性耗材、对文化没有敬畏，该骂——这一层不归法律管，是价值观的事。但骂完之后还有一层基本没人看见：书从哪来。那一层里有钱、有判例，判例的主角还不是亚马逊。

## 一枚 AirTag 能证明什么

先把证据分层说清楚。404 Media 的标题写着「扫描并销毁书籍」，可把证据链逐格拆开：AirTag 直接证明的只有一件事，那批书进了拉斯维加斯 LAS8 仓库的北段，那里是独立运营的 VGT3。扫描、销毁，来自匿名员工的论坛自述，加「货到了 VGT3 区域」的位置推断。没有照片，没有单据，404 自己也没声称目击销毁。

书进了那栋楼，是真的。楼里有人切书扫书，是员工自述，可信但没法独立验证。这批书被用来训练 AI，是推断。推断不丢人，把推断当事实写才丢人。

半个月前 Atlantic 的调查刚给这个叙事泼过冷水：被指认批量收书的 ISBNdb 公开否认，从未购买、扫描或销毁过一本书；书商指认的大买家 Zoom Books 和 2077AI，前者明确否认扫描销毁。

被买走的所谓珍本，大多是 1970 到 90 年代的滞销非虚构——1995 年的丹佛城市指南，1991 年的 WordPerfect 教程。把 404 当假新闻是另一种过度解读，跟进媒体标题一家比一家肯定，证据没多出一格。

## 为什么非得是纸书

如果只是要内容，电子书更省事，但电子书只有授权，没有所有权——你拿到的是使用许可，许可协议通常禁止复制、抓取、再分发，更不会允许把一百万本书送进扫描仪。纸书不一样，买的是这个物理副本。美国版权法上的首次销售原则，Alsup 法官一句话讲完：「每笔购买都使 Anthropic 有权按自己的意愿处置该副本。」它管的是这份纸，撕了、烧了、扔了都行；管不了扫描——扫描出来的是新的数字复制件，复制权还在作者手里。

数据质量是另一层原因。2022 年之前出版的纸书，不可能是 AI 写的。当年给 AI 公司代采书的平台，广告原话是「结构上保证不含 AI 污染」。想要干净语料库的公司，纸书是少数同时满足「合法取得」和「内容干净」的货源。

切书脊是纯工程。工业扫描用自动馈纸扫描仪，散页一叠叠送进去，正反两面一次过，胶装的书脊进不了馈纸器，机器只吃散页，所以要拆掉装订、把书页裁到统一尺寸。VGT3 员工那句「有人被分配去切书」，和「以前没有绩效指标，现在有了」，说的是同一条流水线：有产量、有绩效。

## 另一家公司，两条路

「买书、切脊、扫描、销毁纸本」这套动作，真有一家公司干过，而且被法院判过。Anthropic。

2025 年 6 月，加州北区联邦地区法院在 Bartz v. Anthropic 案里认定：Anthropic 花了数千万美元购买数百万本纸书，多为二手；服务商拆掉装订、裁切书页，扫描成数字文件，丢弃纸本原件。

法院对同案里的两种行为，给了相反的结论。买正版纸书这一路，合理使用。判决书写得清楚：纸质原版被销毁了，一个取代了另一个；不存在多余的复制；所购纸本被销毁、数字替身未被再分发，此为合理使用。

盗版这一路，侵权。Anthropic 从 LibGen、PiLiMi 这类盗版站下载了超过七百万本书，法院用词不留余地：固有地、不可救药地侵权，即使盗版件立刻用于转换性使用并销毁，也不豁免。这条路以 15 亿美元和解收场，美国版权史上最大的一笔，摊到每部作品约 3000 美元。

两条路，结果完全相反，逻辑却很朴素。你花钱买了一本，变成电子版，纸本销毁，数字件锁在公司里不外流，等于把买来的书换个格式存放：副本没有多，也没人因此损失。Napster 被罚就是因为副本暴涨还对外共享；这一路副本一份没多，还锁在公司里。反观盗版，连买都没买，直接从盗版站拿的，拿它干什么、用完烧不烧，源头就是偷。

## 把话说准

先拆一个流行简化：毁书合法，不等于必须毁书才合法。销毁从来不是成文法要件，同一判决里 Alsup 就举过 Texaco、Google Books、Sony 三个先例，副本数都比原物多一份，照样合理使用。撑起合理使用的是四件事：转换性使用，书被用来训练模型生成新文本，没被复刻拿去卖；合法取得；一份换一份、不增殖；不外流。「必须毁书」是媒体把判决推过头了。

这份判决的法律分量，比热搜说的轻。它是地区法院的即决判决——法官认为事实够清楚了，跳过庭审直接下结论；案子以和解终结，没经过上诉审。同一个月，Kadrey v. Meta 的法官对盗版下载加训练给出了相反的合理使用分析，美国 AI 训练数据的法律，现在是地区法院各说各话。和解协议也写明：不构成对行为合法性的认可，不设立未来许可框架。Anthropic 还声称，那些盗版数据从未进入任何商业发布模型的训练语料，15 亿赔的是「持有盗版副本」本身，不是「用了它」。把 15 亿说成「法院判训练违法」，或把 Alsup 说成「给毁书开了绿灯」，都是各取一半的误读。

Anthropic 案有海量卷宗，法院是在内部文件、合同、证词上认定的；亚马逊案目前只有一枚 AirTag 的轨迹、匿名员工的论坛帖、一句连「AI 训练」都没提的官方声明，证据强度不是一个量级。Alsup 认定的是「买来只用于公司内部研究和训练、数字件不外流」这个完整事实，亚马逊这批书买来干什么、数字件怎么处理，没人知道。

跟中文读者最相关的是最后一条：这是美国法。fair use 是美国版权法的制度，中国《著作权法》只列了 13 种合理使用，商业性大规模复制用于 AI 训练不在其中；《生成式人工智能服务管理暂行办法》第 7 条要求训练数据有合法来源、不侵害知识产权。「毁书合法」这个结论，别平移成国内也合法。

## 你的字有价，定价权不在你手上

这场戏里信息量最大的，是训练数据开始有价格了。书在 AI 训练市场已经有了两个公开的单价：微软×哈珀柯林斯的授权，每本 5000 美元；Anthropic 和解摊薄，约 3000 美元一本。价格合不合理另说，至少是个数，后面跟着合同、谈判、法庭。但就算有出版合同的作者，也没真坐上谈判桌：哈珀柯林斯给作者一半，布鲁姆斯伯里给两成。定价权在出版社和平台手里。

你在网上写的那些字，市场给过定价。Reddit 把用户帖子打包卖给 Google，每年 6000 万美元，用户一分没拿。Reddit 联合创始人 Steve Huffman 说过：语料很值钱，但没必要免费送给全球最大的公司。值钱，然后卖掉了，卖的钱跟写帖子的人无关。知乎的协议 3.4：你发布的一切内容，包括已经删除的，授权知乎免费、永久、不可撤销地使用，还可再授权。3.10 禁止任何单位或个人未经书面许可抓取知乎内容训练大模型，禁的是第三方；平台自己那份，3.4 早就写完了。你的字有价，只是定价那个环节，在你点「同意」那天就结束了，而且你没参与。

番茄小说给过一个答案。它的签约协议 3.2.10 写着：签约作品连同作者个人信息，可用于 AI 研发、机器学习、模型训练、深度合成。2024 年 7 月，作者们干过一件真事：条款被曝光后，全网刷「我们不想投喂 AI！」，平台被迫开放了解除通道，新合同不再含 AI 条款。那不是判决，是平台让步——但让步说明，定价权可以被组织起来的作者掰回来。

大单收多了，书商先怀疑是不是骗局——2024 年就有卖家在论坛上晒过这类单子；404 递来一枚 AirTag，他就想看看书到底去了哪。你点「同意」的时候，没有人递给你一枚 AirTag——你的字去了哪，永远不会有定位。

## 来源

- 404 Media：《We Tracked a Shipment of Rare Books. It Ended at an Amazon AI Training Facility》（2026-08-17）
- The Atlantic：《AI Companies Are Buying Used Books for Data》（2026-08-05）
- Ars Technica：《隐藏的 AirTag 揭示亚马逊销毁旧书以训练 AI》（2026-08-17）
- 美国加州北区联邦地区法院：《Bartz et al. v. Anthropic PBC》即决判决书（Doc 231，Alsup 法官）与和解终局批准令（Doc 680）
- The Decoder：《微软为 AI 训练给作者开出每本 5000 美元》《Reddit 与 Google 达成每年 6000 万美元数据授权》
- 澎湃新闻：《「我们不想投喂AI！」——番茄小说 AI 训练协议风波》（2024 年 7 月）