温柔的谎言

新智元报道

Anthropic「巴拿马计划」曝光了！2024年4月13日，Anthropic内部传阅了一份文档。

B | 本次论坛汇聚了京港两地的科创精英，共同探讨科技创新与产业发展的未来趋势，同时也为青年创业者提供了展示才华和实现梦想的舞台。里面有这么一句：我们用一个「软代号」，因为不想让人知道我们在做这件事。 本次论坛由北京市科学技术委员会、中关村科技园区管理委员会与香港贸易发展局共同主办，北京国际科技合作中心（北京港澳台科技合作中心）、中关村国际控股有限公司和中关村京港澳青年创新创业中心联合承办。论坛还得到了中央政府驻港联络办教育科技部、中央政府驻港联络办北京联络部、香港创新科技及工业局、香港投资推广署的大力支持。

C | 代号叫巴拿马计划（Project Panama），这件事，是破坏性扫描全世界所有的书。两年后，秘密曝光，这句话彻底失效了。

D | 北京科技创新促进中心主任褚潇炜，香港创新科技及工业局局长孙东，香港贸易发展局华北、东北首席代表陈嘉贤等为活动致辞。北京科技创新促进中心主任褚潇炜致辞香港创新科技及工业局局长孙东致辞褚潇炜在致辞中指出，京港两地要聚焦战略性新兴产业，加强科技创新合作，共同推动重点实验室、高校、科研机构等之间的技术交流与联合研发，加快构建现代化产业体系形成新质生产力。

E | 孙东和陈嘉贤在致辞中表示要充分发挥香港优势，深化与北京的合作，加快国际科技创新中心建设。香港城市大学协理副校长谢智刚教授、中国科学院自动化所副所长曾大军教授、香港汽车科技研发中心总经理都永海发表演讲论坛还邀请了多位知名专家和企业家发表主旨演讲。2026年1月，法官下令解封四千多页诉讼文件，外媒直接把备忘录原文登了出来。在技术创新方面，香港城市大学协理副校长谢智刚教授、中国科学院自动化所副所长曾大军教授、香港汽车科技研发中心总经理都永海分别分享了在源头创新、技术发展、科研合作、成果转化和人才培养方面等方面的经验，并表达了与北京在相关领域开展合作的期望。

人类写的书籍

正被拆解为ASI的数据集「巴拿马计划」真正疯狂的地方，其实不只是切掉了多少本书。在产业合作方面，港深创科园总裁马惟善、奇安信科技集团董事长齐向东分别介绍了园区建设规划、发展战略以及奇安信依托人工智能技术搭建的网络安全防御体系。它正在把几百年来，人类写进书里的知识、经验和思想，一页页拆成下一代AI的训练数据。

一个作者花十年写下的一本书，一位学者穷尽半生整理出的知识，一整个时代留下的语言、观念和叙事，进入扫描流水线之后，都会被OCR、切碎、Token化，最终汇进模型的参数。在金融助力科技创新方面，香港交易所董事总经理鲍海洁和联想创投投资总监薛苏葵也分别分享了港交所支持科创企业上市的政策以及联想创投面向战略性新兴产业的投资模式和投资方向。青创杯大赛合影随后进行第七届“京港青创杯”创业大赛北京选拔赛，香港特区政府驻北京办事处副主任阮慧贤在致辞中表达了对大赛以及参赛选手的支持与鼓励。对于正在向ASI狂奔的硅谷大厂来说，书架其实是一座还没被彻底开采的「人类知识矿山」。

F |

尤其是2022年以前出版的纸书，经过作者、编辑、出版社层层筛选，长文本结构完整，又几乎没有AI生成内容污染。互联网越被AI文本淹没，这批「纯人类语料」反而越稀缺。在香港汽车科技研发中心总经理都永海、联想创投总监成佳、北京景元慧创科技发展有限公司总经理张景东以及招商银行北京分行公司金融总部总助孟梦等评审嘉宾的专业评判下，“合成数据及具身智能仿真平台”、“宇航及高可靠领域高性能自主可控模拟芯片”、“数字地球数据平台”、“光能交通工具”等四个项目成功晋级总决赛。所以，当Anthropic说要拿到「世界上所有的书」，它想收集的其实是一份尽可能完整的、人类文明训练集。

G | 接下来发生的一切，也就顺理成章了。

一开始

Anthropic根本没打算买2021年，公司成立第一年的Anthropic，压根没想过花钱买书。

H | 这些项目将有机会与香港选拔赛选拔出的优秀项目一同参加年底的总决赛，展示京港两地的科技创新成果与实力。联创Ben Mann先下载了Books3，约18.3万份；同年6月从LibGen拿走至少500万份；2022年7月，Pirate Library Mirror再拿至少200万份。三笔加起来，超700万份盗版电子书。展望未来，我们期待京港两地在科技创新领域能够取得更加丰硕的成果。编辑：刘彦华。毕竟，拿，比买省事。判决书里，CEO达里奥直言：本来有很多地方可以买，但走正规采购要面对一堆法务、实操和商务上的麻烦。2024年2月，Anthropic把Tom Turvey招了进来，任务便是拿到「世界上所有的书」，还得绕开那堆麻烦。他没再谈授权，直接从图书分销商和零售商手里批量买货：数千万美元，数百万本，很多是二手的。书运到之后是固定的三步。液压切纸机削掉书脊，高速扫描仪把散页扫成可搜索的PDF，纸张进回收车。判决书第15页写得很清楚：剥离装订、裁切书页、扫描，然后丢弃每一本纸质原件。斥资15亿美元，换来一张「通行证」去年6月，法官William Alsup的判决把这件事拆成三块。用书训练模型：合理使用。买来的纸书一对一转成不外传的数字副本：也是合理使用——一本进，一份出，原件已经销毁，副本总数没有变多。

I | 从盗版站下载还永久留存，不受保护，为此Anthropic赔了15亿美元。

判决书第15页：Anthropic及其供应商剥离装订、裁切书页，扫描后丢弃每一本纸质原件。对照Anthropic现在9650亿美元的估值，这笔钱占0.16%。更要紧的是它放行了什么：不是「切书」，是「买来的一本，换成一份」。原件必须消失，这套论证才成立。也就是说，切，是这条链的承重墙，不是图省事。

硅谷大厂跟风

开始买旧书过去十年，AI公司抢的是网页、代码、图片，抢完原件还在。现在抢的是纸书，切一本少一本，最核心的因素是「干净」。语料里最稀缺的是没被AI写过的字，行业里流行的说法是，2022年前出版的纸书不可能混进大模型生成的内容。《华盛顿邮报》拿到的文件里还有一层：Anthropic偏爱纸书，是因为出版物文笔好，不带那股「低质量互联网腔」。解封文件里另有一条采购要求：优先买「不那么常见」（less common）的书。不常见，往往就是绝版、印量小、市面难找。

J | 需求烧到了大西洋另一头。

K | 英国旧书商，最先感觉到了异常。他们这几个月是真赚到钱了。诺森伯兰郡Barter Books的Stuart Manley告诉BBC，他平时一周卖两三千本，最近一笔来自加拿大公司的订单，一单就抵得上一周。

L | 干了30年二手书生意，他说没见过这种事。今年7月，图书数据服务商ISBNdb挂页面对AI公司喊话：世界上最好的AI训练数据正躺在书架上，可承接1000本到100万本的订单，为买家保密身份。页面上还有一句自白：观感问题是真实存在的，「某AI公司销毁两百万本书」不是一个能博得同情的标题。就在最新404 Media报道中，公布了另一条线。一位书商在旧书平台Biblio接到一笔约1000本的匿名订单，书目毫无关联，买家不还价。他在其中一本书里夹了一枚苹果AirTag。

M | 追踪器从加州出发，最后停在拉斯维加斯的亚马逊LAS8设施。那栋楼平时干的是按需印刷——有人下单，这里印一本新书发出去。北端有块叫VGT3的区域，门上贴着一只霸王龙，爪子抠进书里。

N | 一名员工在内部论坛写：我们的任务就是扫书，有人负责切书，有人负责收货扫条码。

o | （图源：404 Media）">

亚马逊拉斯维加斯LAS8设施VGT3区域的入口标志，一只红色霸王龙爪子扣进书里。（图源：404 Media）同一栋楼，南边印新书，北边毁旧书。

谁来负责把书留下来同样是扫书，互联网档案馆的目的正好相反：不为训练，只为把书留下，让所有人都能读到。

p | 它用的是Scribe扫描仪，一页一页人工翻。他们试过机器人翻页，但对稀有书行不通，最后还是靠人手。一位操作员十年扫了大约一万八千本书，是七十名Scribe工人中的一个。整个档案馆用了二十年，扫到第二百万本。

互联网档案馆的Scribe扫描工作站，书放在V形托上，人工逐页翻拍。全球约70名Scribe操作员，一台一台这样干了二十年。

q | （图源：Wikimedia Commons）同样是扫书，亚马逊VGT3的流水线刚上了工时定额。一边二十年扫了两百万本，一边恨不得一天清掉一卡车。

r | 销毁与存留之间的速度差，十分刺目。但真正的问题不在快慢，而在于切下去的是哪本书。爱丁堡McNaughtan's书店的Derek Walker心中有一笔账。一本只印了100册、其中75册已经进了图书馆的学术书，市面上确实罕见，但毁掉一本，谈不上多大的损失。

s | 可他店里也卖出去过18世纪的某个版本，全世界只此一本。它们如果进了切纸机，性质完全不同。Barter Books的Stuart Manley说得实在。

t | 世界确实不再需要五百万本《达芬奇密码》，那些书堆在库房里二十年卖不掉，现在有人整批拉走，对他是好事。但Walker卖出的18世纪唯一孤本，一旦切开就没了。更可怕的是，AI公司只按ISBN收货，是畅销书还是孤本，对于它们并没有什么区别，在那些匿名订单里是不做区分的。如果真有一本孤本进了切书机，我们大概率永远不会知道。