加密新闻

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，最多可达一百万册，随后进行数字化处理并销毁。当这一模式公之于众后，该公司急忙删除了服务介绍页面，并声称未达成任何交易，称这只是“市场需求的测试”。

在市场的另一细分领域，ActID和New Claw平台愿意向人们支付15至700美元，以获得将其面部作为AI剧集和广告角色基础的权利。

让我们来分析一下，为什么实验室被迫购买“有机数据”，什么是“模型崩溃”，以及机器还需要哪些人力资源。

衔尾蛇：当AI吞噬自身

“模型崩溃”一词描述的是AI系统在基于其他神经网络生成的数据进行训练时性能退化的现象。每经过一个周期，结果变得更加平均化、可预测，并失去与大型语言模型本应反映的现实之间的联系。

这一术语最早由伊利亚·舒迈洛夫领导的国际研究团队正式提出。2023年5月，他们发表了引起广泛关注的研究《递归的诅咒：在生成数据上训练导致模型遗忘》，从数学上证明：如果定期混入合成数据，模型将无法正确再现稀有事件的信息，随后开始积累错误。

问题的规模有数据为证。2025年4月，Ahrefs的研究人员检查了Google搜索中90万个新编入索引的页面——带有自动生成特征的资料占比超过74%。根据Epoch AI的估计，互联网上所有适合训练的文本可能在2026年至2032年间耗尽。

正因如此，2022年之前出版的书籍具有特殊价值——它们是少数几个保证不含机器垃圾和故意“陷阱”的来源之一。一些作者已经采取了反制措施——“投毒”数据，在文本中隐藏模型会解读为隐藏命令的字符。英国AI安全研究所、Anthropic和牛津大学的联合团队研究表明：仅需250份“投毒”文档，就能悄无声息地让LLM学习有害模式。

华氏451度之Anthropic

在这场竞赛中，书籍的命运并非所有卖家都看得清楚。2024年8月，三位知名美国作家对Anthropic提起集体诉讼，指控其管理层在训练Claude模型时侵犯版权。根据案件材料，该公司向“非官方”项目Panama投入了数千万美元：匿名收购印刷书籍的整批印量，切掉书脊，进行工业化规模扫描，随后销毁。

2025年6月，法官威廉·阿尔苏普裁定：对合法购买的印刷书籍进行数字化处理，并使用数字副本训练语言模型，属于合理使用原则的范畴。现在只需购买纸质书并保留收据——数据的来源就有了文件证明。

据404 Media报道，这种做法早已超出个别初创公司的范围。ISBNdb作为运营二十多年的最大国际印刷书籍元数据数据库，已将收购和销毁图书变成了一站式服务。2026年7月21日，记者伊曼纽尔·迈伯格发现了一个推广板块，该公司在此向AI实验室提供批发经纪服务：

• 组织收购2022年之前的印刷书籍，批量从1000册到100万册不等；
• 保证书籍“纯净”，不含AI垃圾和投毒算法；
• 通过保密协议和二手市场收购的合法性提供法律保护。

平台管理层直言不讳：“认知问题确实存在。‘AI公司销毁了两百万本书’——这不是一个能赢得公众同情的标题。”

独立书商证实，自2026年4月起出现了异常采购：销量从每周二十册增长到数百册。采购方不关心体裁或价值——主要标准是ISBN代码。甚至购买了稀有外文版本，无视其价格。独一无二的版本将永久消失——唯一存世的副本可能在扫描仪下结束其生命。

调查发布后，ISBNdb删除了推广页面并发表声明：“事实是：ISBNdb从未购买、扫描或出售过书籍。该页面只是对市场需求的测试。”

原材料与成品之间的价值差距很难说是成比例的。扫描后立即销毁的书籍在二手市场上售价为2至5美元。而基于数百万册此类书籍训练的模型，估值可达数十亿美元。

需要更多：面孔和声音的市场

过去三年，广州互联网法院审理了约700起利用AI非法使用他人外貌的案件。2026年3月，北京法院作出了一项前所未有的裁决：未经许可在深度伪造中使用他人外貌属违法行为，即使图像已被修改。

这一实践反映了AI内容市场的增长。在中国，2026年前三个月发布的12.8万部AI短剧中，超过95%是使用人工智能制作的。对真人面孔的需求催生了一种新型交易——外貌租赁。ActID和New Claw平台像市场一样运作：公司支付15至700美元以获得图像授权。用户在专门的工作室上传照片，制片人按性别、年龄以及“邻家女孩”或“硬汉”等类别选择面孔。

New Claw运营部门负责人龙刘简单解释了逻辑：“出售照片使用权让人们有机会在继续线下职业的同时赚钱。”ActID于2026年3月在深圳成立，注册了约800名用户，其中300人同意授权图像。每集价格从15美元到74美元不等，平台收取10%的佣金。

平台宣称的目标是保护人们免受ByteDance旗下AI短剧平台Hongguo所发生事件的影响。2026年4月，两名网红指控该公司盗用其面孔。这部拥有4000万观看量的剧集不得不下架。自2026年初以来，ByteDance已删除了超过8.5万个未经授权使用他人面孔和声音的视频。

北京律师伊勒·邓认为授权市场是积极的一步，但他警告：“许多机构只付给人们几十美元来收集数据。授权条款往往模糊不清，无法确定最终是谁、出于什么目的在使用这张面孔。”

在实践中，控制被证明是脆弱的。出售面孔授权的人发现，他们的数字克隆被用于不诚实的广告或政治宣传。两个引起广泛关注的案例涉及英国人，他们将虚拟形象权利出售给了初创公司Synthesia：演员丹·杜赫斯特发现他的“克隆体”成为了与尼古拉斯·马杜罗政府有关联的假新闻频道主持人，而模特马克·托雷斯则发现他的形象被用于支持布基纳法索独裁者的宣传视频。这两个案例都成为英国演员工会Equity的先例，该工会正在推动立法禁止转让不受控制的数字外貌权利。

别忘了收据

书籍和面孔并不是AI公司需要的全部。语音数据市场也出现了类似情况：2026年6月，SAG-AFTRA工会成员批准了一项协议，扩大了对未经同意使用合成语音副本的保护。

机器人需要自然动作的示例。现代物理模拟无法足够精确地再现手如何握住杯子，因此机器人的合成数据面临与模型崩溃类似的问题。据MIT数据，2025年人形机器人开发投资超过60亿美元，而Tesla每小时支付高达48美元，让人们穿着动作捕捉服数小时重复日常动作来训练Optimus机器。

如果抛开载体差异——文本、面孔、声音、动作——模式到处都是一样的。以前数据是未经许可获取的：扫描档案、抓取照片。现在要为此付费。只是交易结构没有改变：资产同样不可逆转地脱离所有者的控制，只是现在多了一张收据。

书籍和人类外貌似乎是不同的类别，但对AI行业来说，它们是同一类型的资源——训练数据。公司愿意购买，但市场的结构决定了交易不提供保护。权利转移后，人们无法完全控制谁将如何使用他们的声音、面孔或生成的内容。

我的结论：我们正在见证数据经济的根本性转变。AI行业在达到“免费”内容的天花板后，现在被迫为有机数据付费，但这样做缺乏透明的权利保护机制。在法院和工会追赶现实的同时，市场将继续是“狂野西部”，其中的问题不仅是金钱，还有对自身身份的控制权。