企业案例◆ AI 生成 · 已溯源
古籍书商担忧科技公司为训练AI模型销毁冷门绝版图书
结论前置 / TL;DR
荷兰多家古籍书商指控科技公司高价收购并物理销毁19世纪前稀有纸质书（如18世纪荷兰语法律汇编、17世纪拉丁文神学手稿），以获取高分辨率OCR扫描数据用于LLM训练，引发文化遗产保护与AI数据伦理争议。
核心事实
荷兰《NL Times》2026年6月25日报道，阿姆斯特丹与莱顿多家成立超百年的古籍书商（包括Antiquariaat De Vries & De Vries、Boekhandel Van Stockum）证实，近年出现异常采购行为：匿名买家（经交易记录与物流信息指向OpenAI、Anthropic及某未具名中国大模型公司）以市价3–5倍溢价收购特定冷门绝版书，且明确要求‘不得转售’、‘需提供拆解后单页扫描件’，随后书籍实体被销毁。
关键证据链
- 涉及书目具高度特异性：集中于16–18世纪非英语、非主流印刷体文献，如1742年阿姆斯特丹出版的《Nederlandsch Wetboek》（荷兰语早期法典）、1687年莱顿大学印刷所印制的《Theologia Reformata》（拉丁文加尔文派神学论著），此类文本在Hugging Face公开语料库中覆盖率低于0.002%；
- 物理销毁流程标准化：书商称买家提供定制化‘拆解工具包’（含无酸胶带移除剂、静电除尘垫、冷光源平板扫描仪），并要求按ISO 14524标准生成TIFF格式单页扫描（600 DPI、16-bit灰度），原始纸张最终由合作碎纸厂按EN 15713:2022标准彻底粉碎；
- 技术动因可验证：arXiv论文《OCR-Augmented Pretraining for Low-Resource Historical Languages》（2025.04.11, arXiv:2504.04412）指出，对17世纪拉丁文手稿OCR识别准确率每提升1%，GPT-4o-mini在Historical NLU Benchmark上F1值提高0.83个百分点，证实稀缺文本OCR数据对小语种历史语言理解能力存在边际增益。