人工智能正以前所未有的速度吞噬数据,如今实验室不得不争抢最后未被触及的“人类”内容来源。这不仅涉及文本,还包括面孔、声音乃至动作——所有这些都成为新一代模型的原材料。

模型崩溃:当AI开始吞噬自身

行业面临的关键问题是所谓的“模型崩溃”。这一术语由伊利亚·舒迈洛夫领导的研究团队于2023年引入科学界,描述的是神经网络在基于其他AI生成的数据进行训练时出现的退化现象。每一轮循环都会使模型变得更加平庸、可预测,且脱离现实。数学上已证明:掺入合成数据会导致稀有事件丢失和错误累积。

威胁的规模有数据佐证。Ahrefs的研究显示,谷歌搜索中超过74%的新页面带有自动生成的痕迹。而据Epoch AI估计,互联网上可供训练使用的文本储备可能在2026至2032年间枯竭。正因如此,2022年之前出版的书籍成为金矿:它们保证不含“合成垃圾”和“有毒”数据。

图书业务:从批量采购到法律诉讼

整合了1.13亿种出版物元数据的ISBNdb服务,向AI公司提供了一项特殊服务:批量采购图书,单次可达一百万册,随后进行数字化处理并销毁。当媒体曝光这一模式后,该公司急忙删除了服务描述页面,并声称未达成任何交易。据其代表称,这仅仅是“测试市场需求”。

值得注意的是,这种做法本身并不新鲜。2024年8月,三位美国作家对Anthropic提起集体诉讼,指控该公司侵犯版权。根据案件材料,Anthropic匿名购买印刷书籍的整批印量,拆掉装订并进行大规模扫描。然而,2025年6月,法官威廉·阿尔苏普裁定:对合法购得的书籍进行数字化以训练语言模型,属于合理使用原则的范畴。

二手书商已证实存在异常需求:一位商家的销量从每周二十本飙升至数百本。采购方不关心体裁或价值——只在乎是否有ISBN编号。与此同时,独特版本被永久丢失,被送往扫描仪而非书架。

面孔租赁:数字替身的新市场

与此同时,一个外貌授权市场正在形成。ActID和New Claw等平台向人们支付15至700美元,以获得在AI剧集和广告中使用其面孔的权利。在中国,2026年第一季度发布的128,000部AI微短剧中超过95%由神经网络制作,对真人面孔的需求极为旺盛。

然而,对数字克隆的控制十分脆弱。英国公民将肖像权出售给初创公司Synthesia后,发现自己的面孔出现在支持委内瑞拉和布基纳法索独裁者的宣传视频中。这些案例成为演员工会Equity的先例,该工会正在争取立法禁止不受控制的数字肖像权转让。

不仅是文本和面孔

机器人还需要自然动作的示例。特斯拉等公司每小时支付高达48美元,请人们穿着动作捕捉服重复日常动作,以训练人形机器人。2025年,这类机器的研发投资超过60亿美元。

模式处处相同:过去数据是未经许可获取的,现在则要付费。但交易结构并未改变——资产不可逆转地脱离所有者的控制,只是如今多了一张收据。

我的评论:“纯净”数据市场正变得像石油或稀土金属一样具有战略意义。然而,行业忽视了一个根本性风险:一旦数字副本的权利被转让,就没有回头路。监管机构应加快制定明确的法律框架,否则我们将迎来一个每个人都可能成为自己数字替身的人质的世界。