一本書被切開之後，去了哪裡？404 Media追蹤約1,000本書直達亞馬遜AI作業據點

這個差別相當重要。404 Media的調查提供了幾項營運層面的證據：被追蹤的貨件、亞馬遜設施內的目的地、書籍處理作業，以及員工描述的掃描與銷毀流程。但這仍不等於亞馬遜公開承認，所有經過該處理流程的書籍都會成為某個具名模型的訓練資料。

較精確的結論是：404 Media找到了亞馬遜書籍數位化作業的證據，而這套作業與AI資料收集相容。這項報導出現之際，亞馬遜也正把資源重新集中到新的前沿模型計畫。路透社另報導，亞馬遜正在調整AI策略，逐步收縮多項內部模型，轉向新的前沿模型開發工作。

為什麼書商覺得這像是在掃描全球書目？

書商向404 Media表示，有些大宗訂單的內容十分駁雜，似乎不太在意書籍的轉售價格、品相、主題或市場需求。若買家目的是轉售，通常需要衡量需求與利潤；但若目的是建立訓練資料，廣泛取得不同書名與ISBN，可能比單本書能賣多少更重要。

因此，一些業者懷疑，AI公司或資料經紀商可能正試圖逐步涵蓋已出版書籍的目錄，而不是只挑選具商業價值的熱門書。404 Media此前報導，書籍資料庫公司ISBNdb曾宣稱可為AI公司大量取得印刷書；遭報導後，該公司撤下相關內容，並表示那個網頁只是測試市場反應。

目前沒有證據能證明每一筆看似古怪的訂單都與亞馬遜或AI有關。但這種模式確實讓書商難以判斷市場：一筆對零售交易而言缺乏邏輯的訂單，若放在「盡可能擴大資料集涵蓋範圍」的脈絡中，便可能顯得合理。

老書為何可能成為有吸引力的AI資料？

在生成式AI文字大量出現之前出版的書籍，提供了龐大的人類書寫語料。許多絕版或難以在網路上找到的作品，也可能包含地方史、專門知識、歷史資料及其他尚未充分數位化的內容。

這使紙本書成為一種相對廣泛、且較不容易由合成文字組成的資料來源。404 Media在報導ISBNdb時，便將舊書的價值與它們「沒有AI垃圾內容」連繫起來，反映出業界對未來訓練資料可能混入越來越多AI生成文字的憂慮。

研究人員與開發者也討論所謂「模型崩潰」（model collapse）：如果模型反覆以AI生成內容訓練後續模型，可能導致品質或多樣性下降。這能解釋人們為何重新重視較早期、由人類創作的內容，但不能據此推論亞馬遜的任何模型已經發生模型崩潰，也不能證明拉斯維加斯的書籍正是因為這個理由而被收集。

與Anthropic Project Panama的相似之處

據報導，亞馬遜的流程與Anthropic的Project Panama相當接近。Anthropic曾購買實體書，拆除裝訂、掃描頁面，再丟棄紙本，以取得AI工作所需的數位資料。

在2025年6月23日的Bartz v. Anthropic案裁定中，美國加州北區聯邦地方法院法官William Alsup認為，按照當時分析的事實，使用這些書籍訓練Claude及其前身模型，具有「極高度的轉化性」，屬於著作權法下的合理使用。法官也認為，將合法購買的紙本書數位化，作為內部圖書館中更節省空間、便於搜尋的對應數位副本，同樣可構成合理使用。

但這不是「只要把書銷毀，AI訓練就一定合法」的全面通行證。購買方式、使用目的、是否保留或散布副本，以及其他具體事實都可能影響法律判斷。同一宗訴訟也將Anthropic以盜版書籍建立永久性資料庫的做法區分開來，並未給予相同待遇。

這條法律界線也正是亞馬遜事件的核心。即使亞馬遜是合法購書，作業規模、掃描內容的實際用途、與作者或出版社的合約安排，以及稀有實體作品是否因此消失，仍是不同於Bartz狹義合理使用分析的問題。

爭議不只是著作權與版稅

書商的反對並不只關乎銷售損失或著作權補償。稀有、絕版書籍可能同時具有歷史、思想、文化與情感價值。當一本稀有書被切開並送進回收流程，文字或許仍能以掃描檔形式存在，但那件實體文物已經不復存在。

這帶來的是保存問題，而著作權裁定未必能完整回答。某種處理方式在特定事實下可能具有法律上的抗辯空間，卻仍可能讓收藏家、書商、圖書館與讀者感到不安，因為對他們而言，書並不只是承載文字的容器。

事件也凸顯出資訊落差：AI公司可能早已理解冷門書籍的資料價值，個別賣家卻未必知道一筆看似隨機的大宗訂單，可能屬於更大的收購策略。亞馬遜表示買書是為了改善產品，但這仍留下書業最在意的實際問題：收購規模有多大、哪些內容會被掃描，以及掃描檔最後如何使用。

放在亞馬遜AI策略中看

這起疑似書籍資料收集作業，與亞馬遜爭取前沿AI能力的整體布局相互呼應。路透社報導，亞馬遜正縮減多項自研模型，把資源集中到新的前沿模型計畫；AWS則提供Nova Forge，讓客戶把自有資料與亞馬遜整理的訓練資料結合，用於開發客製化前沿模型。

這些背景說明亞馬遜有理由重視高品質文字資料，但不能單獨證明404 Media追蹤的書籍曾被用來訓練某一款模型。現階段最直接的證據，仍是調查對貨件路線與拉斯維加斯設施的報導。

更大的問題是：實體書市場，是否正悄悄成為AI的資料供應鏈？404 Media至少記錄了一個具體案例——書籍從書商手中出發，抵達亞馬遜的處理設施，接著被掃描並銷毀。至於這種作業的完整規模，以及掃描內容最終流向何方，仍未公開。