小序：旧书店里的最后一座数据矿山
今年春夏之交，，，一些德国二手书店老板陆续注重到一种不太寻常的征象。。旧书店在欧洲是一种文化和商业古板，，，你总能在一个都会，，，尤其是有大学的都会里找到那么几家骨董书店以及二手书店。。他们的生意大都寥寥，，，除了周围人文学科的大学生时常来惠顾，，，或许尚有几个老主顾。。自21世纪以来，，，这早已不是一门主流生意了，，，店主们多是垂老迈矣的旧时代的遗老。。准确地说，，，这些书店的生涯状态岌岌可危。。
莱比锡大学周围的旧书店，，，笔者拍摄
但这阵子，，，天天险些在牢靠时间，，，系统都会自动跳出一批来自一家名为Zoombooks的加拿至公司的订单。。这家公司并不购置热门小说，，，也不追逐初版本、署名本或者具有珍藏价值的古籍，，，而是大宗收购那些恒久无人问津的通俗旧书：二十世纪七十年月以后出书、带有ISBN编号、以非虚构类为主的纸质图书。。订单稳固、纪律，，，像一台程序设定好的机械，，，一直扫空书架上那些积满灰尘、许多年没有读者翻阅过的书，，，其中还包括烹饪书，，，民间故事，，，或是不着名的种种小说和游记。。
几位书店老板交流后发明，，，这并不是孤例。。从德国到西班牙，，，再到澳大利亚、新西兰，，，越来越多旧书商发明了相同的采购模式。。很快，，，人们最先推测，，，这些书或许并不会重新流入市场，，，而是会被拆解、扫描，，，成为大型语言模子训练的数据泉源。。更让人担心的是，，，一些媒体进一步推测，，，完成数字化之后，，，这些纸质书可能会被系统性销毁，，，以阻止再次流通。。
只管涉事公司随效果真否认了这些说法，，，现在也没有证据证实这些书一定被用于人工智能训练，，，但这一事务仍然迅速引发了欧洲书业的普遍讨论。。令我印象深刻的是，，，德国媒体和旧书行业吐露出的情绪，，，并不但仅是对版权的担心，，，而更像是一种关于书籍运气自己的惋惜。。在不少受访书商看来，，，一本旧书最大的价值，，，不在于它是否能够爆发新的商业利润，，，而在于它仍然有时机被另一位生疏读者重新发明。。书籍完成第一次阅读之后，，，并没有竣事自己的生命，，，它会进入旧书店、图书馆、私人书架，，，在漫长的流通历程中一直建设新的联系。。这种关于书籍物质生命的珍视，，，是欧洲，，，尤其德国恒久形成的书籍文化（Buchkultur）的一部分。。
慕尼黑一家二手书店的书架，，，价钱在2欧-20欧不等，，，笔者拍摄。。
然而，，，我发明自己很难完全站在这种惋惜或是批判的声音一边。。作为研究者，，，我太清晰那些尚未完成数字化的文献意味着什么。。为了寻找一外地方出书社在上世纪八十年月出书的考古学报告，，，我曾不得不远赴另一座都会；；；；；；为了查阅一册仅存于图书馆特藏室的专业资料，，，需要履历漫长的申请与期待，，，托上四五个熟悉的朋侪同砚一层一层去询问；；；；；；更多的时间，，，一本书显着保存于天下某个角落，，，却由于没有电子版本，，，而险些等同于不保存。。若是有一天，，，这些甜睡于旧书店和图书馆里的知识能够真正进入数字天下，，，让更多研究者、学生和通俗读者自由检索，，，我会很是欣喜。。
问题因此变得重大起来。。我们接待知识被数字化，，，由于数字化意味着更普遍的撒播、更低的获取门槛，，，也意味着更多默然的文献终于重新进入公共视野。。但与此同时，，，我们也最先意识到，，，当人工智能第一次把全球旧书市场视作一座尚未开采的数据矿山时，，，书籍的身份正在悄然爆发转变。。关于读者而言，，，它仍然是一部作品；；；；；；关于珍藏家而言，，，它是一件物品；；；；；；而关于大型语言模子而言，，，它首先是一份尚未进入训练集的数据。。
这或许才是这场事务真正值得讨论的地方。。已往几十年，，，我们一直讨论互联网怎样改变阅读方式，，，现在天，，，一个新的问题已经泛起：当互联网险些已经被大型模子读取殆尽之后，，，人工智能最先转向纸质天下。。它不再寻找新的网页，，，而最先寻找那些尚未数字化的旧书、地方志、行业出书物和绝版专著。。人类文明积累于纸页之间的大宗知识，，，甚至是百年来积累的过剩的书籍们，，，第一次以云云明确的方式，，，被重新界说为一种期待开发的数据资源。。
这不但是一个关于版权的故事，，，也不但仅是一个关于人工智能反抗昔日人文情怀的故事。。它关乎知识将以何种形式继续保存，，，关乎一本书在数字时代将拥有怎样新的运气，，，更关乎一个值得我们恒久思索的问题：当人工智能以前所未有的效率使用知识的同时，，，它是否也在有意无意之间，，，改变着文化系统赖以延续的生态与韧性？？？？？？
互联网之后：人工智能为何重新走向纸质天下
Zoombooks事务展现了一个根天性的事实：开放互联网作为大型语言模子主要知识泉源的时代，，，正在逐渐靠近界线。。
已往二十余年，，，互联网险些组成了人们关于“知识天下”的所有想象。。从维基百科到新闻媒体，，，从博客、论坛到开放数据库，，，数字网络以前所未有的速率汇聚和撒播着人类文明的效果。。关于搜索引擎而言，，，这意味着知识变得越来越容易获。；；；；；；关于大型语言模子而言，，，则意味着互联网成为了前所未有的训练语料库。。无论是GPT、Claude照旧Gemini，，，其能力的跃升，，，都建设在对海量网络文本的统计学习之上。。
然而，，，互联网并不等同于所有的人类知识。。近年来，，，人工智能研究领域最先越来越频仍地讨论一个问题：高质量公拐樟暇的增添速率，，，已经无法匹配大型模子关于训练数据的需求。。非营利研究机构Epoch AI在关于数据趋势的剖析中展望，，，以现在模子生长的速率，，，果真可获取的高质量文本数据将在未来几年逐渐靠近可使用上限。。这并不是说互联网会阻止增添，，，而是意味着真正具有原创性、可靠性和知识密度的果真文本，，，其新增速率已经远低于模子参数扩张的速率。。
这里所说的“数据耗尽”，，，并非物理意义上的消逝，，，而是一种边际效应的下降。；；；；；；チ焯烊匀槐⑹砸诩频男履谌，，，但其中越来越大的比例属于重复转载、营销文本、社交媒体碎片以及算法推荐天生的同质化表达。。关于需要一直学习重大语言结构和专业知识的大型语言模子而言，，，这类内容能够提供的新信息越来越有限。。人工智能需要的不但是更多语言，，，而是更多此前尚未进入训练系统的人类原创知识。。
与此同时，，，另一个问题正在泛起。。随着天生式人工智能迅速普及，，，互联网自己最先越来越多地由人工智能生产内容。。研究者Shumailov等人在《Nature》揭晓的论文提出，，，当模子恒久依赖人工智能天生的数据继续训练时，，，模子会逐渐丧失原始数据漫衍中的长尾特征，，，语言的富厚性和知识的多样性一直衰减，，，最终泛起所谓的“模子瓦解”（Model Collapse）征象。；；；；；；谎灾，，，若是未来的人工智能一直阅读由人工智能自己天生的文本，，，它最终学习到的，，，很可能只是自己一直放大的回声。。
这一发明意味着，，，人类原创内容并不会由于人工智能的生长而失去价值，，，相反，，，它将变得越发主要。。大型语言模子必需一连回到人类创立的知识之中，，，才华维持语言与头脑的开放性。。
正是在这样的配景下，，，纸质天下重新进入了人工智能的视野。。恒久以来，，，互联网现实上只是人类知识系统中已经完成数字化的一部分。。数目重大的地方出书物、行业协会资料、专业课本、地方志、内部研究报告以及二十世纪后半叶的大宗纸质出书物，，，从未真正进入开放网络。。它们既没有被搜索引擎索引，，，也没有被大型模子系统性读取，，，却依然生涯着富厚而高度专业的知识。。关于通俗读者而言，，，这些书籍或许只是旧书店角落里无人问津的库存；；；；；；而关于大型语言模子而言，，，它们却代表着一片尚未被开发的数据空间。。
因此，，，Zoombooks事务真正值得关注的，，，是这部分在已往没有市场价值的旧书现在拥有了数据价值。。这种价值并非来自版本、装帧或珍藏意义，，，而来自其中所生涯的信息尚未进入数字天下。。一本出书于1983年的地方民族志，，，一册某行业协会刊行的手艺手册，，，甚至一本几十年来险些无人翻阅的通俗学术专著，，，都可能由于尚未数字化，，，而成为人工智能眼中比一篇早已被重复抓取的网络文章更有价值的知识泉源。。
若是说已往二十年，，，互联网一经是期待开发的知识大陆，，，那么今天，，，大型语言模子正在把眼光投向另一片恒久默然的大陆，，，那些仍然保存于纸页之间、尚未被数字化的人类知识。。人工智能最先购置旧书，，，并不但仅意味着一种新的商业行为，，，它更标记着知识开发进入了一个新的阶段：当开放互联网的边际效用逐渐下降之后，，，纸质天下正在成为下一轮知识数字化的前沿。。
知识的第二次去物质化
若是将Zoombooks事务置于更长的知识撒播史中考察，，，它所展现的或许并不但仅是一种新的数据获取方式，，，而是知识正在履历一次新的前言转向。。
人类文明的生长，，，始终陪同着知识对物质载体的一直重新组织。。在手手本时代，，，知识险些与物件自己不可疏散。。一部作品往往只保存于有限的几份手本之中，，，其撒播速率取决于誊录者的劳动，，，阅读权也因此恒久掌握在修道院、宫廷和少数受过教育的知识阶级手中。。知识不但腾贵，，，并且稀缺，，，其稀缺性很洪流平上并非来自头脑自己，，，而是来自物质复制能力的限制。。
十五世纪古腾堡活字印刷术在欧洲的普及，，，以及更早之前中国雕版印刷与活字印刷的生长，，，配合改变了这一时势。。书籍史学者Elizabeth Eisenstein在其《作为厘革推动者的印刷机》一文指出，，，印刷革命真正深刻的意义，，，并不但仅在于提高了复制效率，，，而在于它重构了知识的撒播机制。。标准化文本、稳固的版本和规；；；；；；粗，，，使知识第一次挣脱了关于唯一物质载体的依赖。。一部作品不再只属于某一本手手本，，，而能够同时保存于成百上千册完全相同的印刷品之中，，，阅读也因此逐渐从少数人的特权走向更普遍的社会实践。。
古腾堡印刷术，，，1568年出书的木刻插图，，，转引自菲利普·B·梅格斯《平面设计史》（John Wiley & Sons，，，1998年，，，第64页）。。
这种转变所带来的，，，不但是出书业的昌盛，，，更深刻地塑造了现代知识社会。。安德森在《想象的配合体》中曾指出，，，印刷资笔器义创立的不但是图书市场，，，它还创立了一种配合阅读的履历。。当成千上万的人阅读统一种语言、统一种出书物时，，，一个逾越地理空间的文化配合体便得以形成。。现代科学、民族国家以致公共知识空间，，，都在某种意义上建设于这场前言革命之上。。
因此，，，印刷革命可以被明确为知识撒播史上的第一次“去物质化”。。这里所谓的“去物质化”，，，并非知识挣脱了物质前言，，，而是知识第一次挣脱了关于唯一物件的依赖。。它依然保存于书籍之中，，，却不再被锁定于某一本书；；；；；；它获得了可以无限复制、普遍流通的能力，，，也由此推动了知识门槛一直向公共开放。。
今天，，，大型语言模子的生长，，，正在推动另一种性子截然差别的转变。。
数字化时代，，，电子书、数据库和数字图书馆虽然改变了知识的撒播前言，，，但一本书仍然作为一部完整的作品保存：它有作者、有书名、有章节，，，也保存着相对稳固的文本界线。。然而，，，进入大型语言模子之后，，，书籍却履历了另一种彻底的转换。。一本书不再作为作品被生涯，，，而是被拆解为数以万计的词元（tokens），，，经由向量化和概率建模，，，重新组织为参数之间的统计关系。。关于模子而言，，，它并不会“拥有”一本书，，，而只是吸收其中的语言模式。。
若是说印刷革命让知识脱离了唯一的手手本，，，那么人工智能正在让知识进一步脱离作品自己。。
前言理论学者N. Katherine Hayles以为，，，信息始终体现于详细前言之中，，，前言不是意义之外的容器，，，而是意义天生的一部分。。然而，，，大型语言模子所完成的，，，并不是一次新的出书，，，而是一次新的盘算。。知识第一次不再以书籍、文章或文献作为自身保存的基本单位，，，而越来越以参数、向量和概率漫衍的形式保存于模子内部。。关于人工智能而言，，，一本书的价值，，，不再首先来自它作为文化工具的完整性，，，而来自其中尚未进入模子的信息。。
这就是我们正在眼见的第二次知识的去物质化。。
结语：另一座巴别图书馆
博尔赫斯曾在书中设想了一座无限的巴别图书馆。。那里拥有六角形大厅、无限无尽的书架，，，以及由有限字符排列组合而成的所有可能保存的书。。每一本已经写出的作品，，，每一本尚未写出的作品，，，每一种真实与虚伪的历史，，，都已经保存于这座图书馆之中。。然而，，，图书馆的住民并没有因此获得智慧。。恰恰相反，，，他们陷入了永恒的迷失。。由于当所有书都保存时，，，没有人再知道哪一本值得阅读；；；；；；当所有真理都保存时，，，也没有人能够识别真理。。他们随意破损他们以为是无意义的书，，，最终相继走向不可阻止的自我殒命。。
博尔赫斯《巴别图书馆》西班牙语版封面。。
某种意义上，，，大型语言模子正在制作另一座巴别图书馆。。它并不会珍藏所有的书籍自己，，，也不会像亚历山大图书馆那样珍藏文明的原件。。相反，，，它把无数书籍拆解、熔炼、重新组织，，，让它们配合保存于数千亿参数组成的统计空间之中。。那里没有封面，，，没有装帧，，，没有版本，，，也没有一本可以被重新掀开的《堂吉诃德》或《资源论》。。书籍作为作品消逝了，，，留下的是知识之间一直流动的概率关系。。
作为人文学术研究，，，我很难对这场数字化浪潮持一种简朴的气馁态度。。由于真正限制人文学科生长的，，，往往不是头脑，，，而是文献自己的可获得性。。大宗具有学术价值的地方文献、专业出书物和灰色资料，，，至今仍甜睡在图书馆特藏室、地方档案馆或小型出书社之中。。它们没有电子版本，，，没有全文数据库，，，也很少进入国际馆际互借系统。。关于绝大大都研究者而言，，，我们知道它们保存，，，也知道它们可能主要，，，却始终无法阅读。。因此，，，我始终期待更多文献能够完成数字化。。让那些受限于地理、馆藏和本钱的知识重新进入公共空间，，，让更多学生、研究者和通俗读者真正接触它们，，，这无疑延续了印刷革命以来知识一直走向开放的历史偏向。。
但这里必需强调，，，训练大语言模子和数据电子化是同样历程的差别分支。。公共数字化的目的，，，是让更多人重新阅读一部作品；；；；；；而大型语言模子的训练，，，则是让模子吸收作品中的信息。。前者生涯的是一本书，，，后者生涯的是一本书经由统计之后留下的语言模式。。数字图书馆试图扩至公共知识，，，而人工智能训练现在更多是在扩大模子自身的知识能力。。二者虽然并非毫无关联。。事实上，，，大规模人工智能训练往往陪同着文献扫描、OCR识别、文本整理和元数据建设等数字化历程，，，从手艺路径上看，，，它们共享着相当一部分基础设施。。未来，，，若是这些数字化效果能够在版权允许或公共机构的推动下重新进入公共知识系统，，，那么人工智能的生长甚至可能成为推动更多文献数字化的一股实力。。然而，，，至少在今天，，，二者之间仍然保存着实质区别：绝大大都被扫描进入训练流程的书籍，，，并不会因此重新回到公众手中。。知识被数字化了，，，却未必因此公共化；；；；；；知识被开放给了模子，，，却未必被开放给了公众，，，只管这两者确实相伴而行。。
意大利作家翁贝尔托·？？？？？？墒懿┒账褂跋，，，在其著作《玫瑰的名字》里所设计的图书馆，，，代表整个天下，，，四角为四个六边形的藏书室。。
正如第一次印刷革命一经突破手手本时代的知识垄断一样，，，人工智能同样可能推感人类知识以前所未有的方式流通。。作为研究者，，，我真诚期待那些恒久甜睡于地方图书馆、旧书店和档案馆中的文献能够完成数字化，，，让更多原本无法触及它们的人重新获得阅读的时机。。若是人工智能能够降低知识获取的门槛，，，它无疑延续了印刷革命以来知识一直走向公共的历史偏向。。
真正值得小心的，，，并不是数字化自己。。而是当知识越来越容易被盘算之后，，，我们是否仍然能够保存一种判断知识价值的能力。。
我曾在讨论欧洲古书市场时写过，，，真正珍贵的古籍、手稿、地图和初版本，，，并不会由于数字化而失去价值。。相反，，，它们作为历史物件的奇异性，，，正随着数字复制能力的提高而愈发凸显。。它们承载的不但是信息，，，尚有时间留下的痕迹、阅读爆发过的证据，，，以及任何扫描都无法复制的在场性。。真正不可替换的，，，始终是那些作为“物”保存的文化遗产。。
然而，，，问题也恰恰泛起在这里。。哪些书属于不可替换的文化遗产？？？？？？哪些书只是期待被扫描的数据？？？？？？哪些书值得永世生涯，，，哪些书可以在完成数字化之退却出流通？？？？？？
已往，，，这些判断更多来自图书馆、大学、出书机构、珍藏家以及一代又一代读者配合形成的文化共识。。它们未必总是准确，，，却始终是一个开放而一直修正的公共历程。。而当大型语言模子最先以“训练价值”重新界说书籍时，，，一套新的价值系统正在形成。。一外地方出书社出书的通俗专著，，，也许关于未来某位历史学家具有不可预知的意义；；；；；；但关于算法而言，，，它首先是一份数据，，，一旦完成吸收，，，其物质保存便失去了功效。。
于是，，，我们最终面临的问题，，，不但仅是人工智能是否会取代阅读，，，而是：谁拥有界说一本书价值的权力？？？？？？谁来决议哪些书可以被销毁，，，哪些则应该被保保存文物室里。。
我们虽然期待手艺继续推动知识撒播，，，但或许也应当保存一种谦逊：并非所有今天看似无用的书，，，都注定无用；；；；；；并非所有尚未被阅读的知识，，，都应该首先成为训练数据。。
博尔赫斯没有告诉我们巴别图书馆是否值得制作。。
今天，，，大型语言模子也许正在制作另一座属于数字时代的巴别图书馆。。它能够以前所未有的效率组织和使用知识，，，却仍然无法替身类回覆一个始终属于文化的问题：一本书真正的价值，，，事实来自它所包括的信息，，，照旧来自它始终作为一本书保存于天下之中。。真正值得我们忧虑的，，，或许并不是AI拥有了无限的知识，，，而是当所有问题似乎都能够迅速获得谜底时，，，人们反而失去了在阅读中寻找意义的历程。。阅读一本书，，，历来不但仅是获守信息，，，也是进入作者的时代、头脑与生命履历，，，与一种生疏性一直相遇。。当知识经由模子的熔炼，，，以越发高效、越发浓缩的形式重新泛起给我们时，，，它虽然降低了知识获取的门槛，，，却也可能消解了知识原本赖以天生意义的语境。。
因此，，，值得讨论的尚有一个更具人文意味的问题：当越来越多的人通过人工智能接触那些被重新组织、重新表述甚至重新诠释过的知识时，，，我们获得的是越发富厚的明确，，，照旧一种知识过剩之后的无意义感？？？？？？人工智能能够以前所未有的效率回覆问题，，，却未必能够替换阅读一本书时缓慢形成明确、嫌疑与判断的历程。。也许，，，人类真正需要精进的，，，并不是获取谜底的能力，，，而是在无限靠近谜底的时代，，，依然愿意走进一本书、继续提出问题的能力。。真正需要守护的，，，也许不是知识自己，，，而是文化系统的韧性，，，一种允许冷门的书继续留在书架上，，，允许尚未被明确的头脑继续期待下一位读者的从容。。人类文明最主要的财产，，，并不但是已经被高效使用的知识，，，我们接待知识更开放，，，但文化的生命力，，，不但来自知识被使用的效率，，，也来自那些暂时无用、尚未被阅读、却仍然得以保存的可能性。。
黑塞提出过所谓消遣的艺术，，，我们阅读并非纯然为了获得绝对功利或适用的知识，，，也不是只为了追问AI一句这本书的中心论点和写作方式是什么，，，而是以阅读的方式与作者跨时空跨地区地举行对话。。米沃什说，，，至少尚有书籍；；；；；；毛姆说，，，养成阅读的习惯，，，就是为自己制作一座险些可以逃避人生所有灾祸的避难所。。此时今日，，，所有著作都可以在几秒内被大语言模子蒸馏，，，但阅读历来不是为了抵达结论，，，而是为了履历一段头脑的旅程。。循此苦旅，，，以达繁星。。
参考文献：
Anderson, B. (1983).Imagined Communities. Verso.
Benjamin, W. (2008).The Work of Art in the Age of Mechanical Reproduction(H. Zohn, Trans.). Penguin. (Original work published 1936)
Borges, J. L. (1998).The Library of Babel. InCollected Fictions. Penguin. (Original work published 1941)
Darnton, R. (1982).What Is the History of Books?Daedalus, 111(3), 65–83.
Darnton, R. (2009).The Case for Books. PublicAffairs.
Eisenstein, E. L. (1979).The Printing Press as an Agent of Change. Cambridge University Press.
Floridi, L. (2011).The Philosophy of Information. Oxford University Press.
Hayles, N. K. (2002).Writing Machines. MIT Press.
Shumailov, I., et al. (2024).AI models collapse when trained on recursively generated data. Nature.
Villalobos, P., et al. (2024).Will We Run Out of Data? Limits of LLM Scaling Based on Human-Generated Data. Epoch AI.
Schaffer, A., Oremus, W., & Tiku, N. (2026).Inside an AI startup's plan to scan and dispose of millions of books. Washington Post.
Badische Zeitung. (2026).Bei Antiquariaten gehen Millionen Buchbestellungen von Zoom Books ein – Alles für KI-Training?https://www.badische-zeitung.de/bei-antiquariaten-gehen-millionen-buchbestellungen-von-zoom-books-ein-alles-fuer-ki-training-in-den
Publishers Marketplace. (2026).Canadian Company Zoom Books Is Buying Second-Hand Books for Scraping?https://lunch.publishersmarketplace.com/2026/05/canadian-company-zoom-books-is-buying-second-hand-books-for-scraping/
SRF Kultur. (2026).Jagd auf alte Bücher – KI-Firmen kaufen Antiquariate leer und vernichten die Bücher.
