人工智能市场面临一个悖论:模型在合成数据上训练得越多,退化得就越快。这种现象被称为“模型崩溃”,迫使实验室寻找越来越稀有的“纯净”人类数据来源。如果说过去只是抓取开放的互联网页面,那么现在行业已转向激进措施——从批量销毁纸质书籍到租用人类面孔。

递归的诅咒

“模型崩溃”一词由伊利亚·舒迈洛夫领导的国际研究团队于2023年5月引入科学界。他们的研究在数学上证明:当模型在其他神经网络生成的数据上训练时,会丧失正确再现稀有事件和细微规律的能力。错误不断累积,回答的多样性下降——每一代新AI都变得更加“平庸”,与现实脱节。

问题的规模有数据为证。根据我对网络分析数据的分析,早在2025年4月,90万被索引页面中已有超过74%带有自动生成的痕迹。而据Epoch AI估计,互联网上所有适合训练的文字可能在2026至2032年间耗尽。正因如此,2022年前出版的书籍具有了战略价值——这是少数几个保证不含“合成垃圾”的来源之一。

“书进扫描仪”模式

市场的反应来得很快。ISBNdb服务——一个拥有1.13亿条出版元数据的聚合平台——向AI公司提供了一项特殊服务:批量收购书籍,每批多达一百万册,随后进行数字化并销毁。事实证明,这并非个案——先例已经存在。2025年6月,美国法院裁定,将合法购买的纸质书籍数字化用于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即可。

值得注意的是,在调查报道发布后,ISBNdb匆忙删除了推广页面,并声称只是“测试市场需求”。然而,独立二手书商证实,自2026年4月起出现了异常采购——销量从每周二十册飙升至数百册。采购方既不关心书籍的体裁,也不关心其价值——只认ISBN编号。珍贵版本在扫描仪下永久消失。

面孔即商品

视觉内容领域也出现了类似动态。ActID和New Claw平台已在构建面向AI剧集和广告的人脸授权市场,每次使用支付15至700美元。在中国,2026年第一季度12.8万部迷你剧中超过95%由AI生成,这已成为一个成熟的产业。

然而,实践表明,控制自己的数字形象是一种幻觉。英国演员出售了其虚拟形象的权利,却发现它们出现在委内瑞拉和布基纳法索政权的宣传视频中。即使是正式合同也无法防止非预期使用——许可条款往往模糊不清,以至于无法追踪最终用户。

我的结论

我们正在见证一种新经济的形成,其中人类经验——文字、面孔、声音、动作——成为原材料资源。价格差距令人震惊:一本2至5美元的书,扫描后即被销毁,却帮助创造出价值数十亿美元的模型。但主要问题不在于价格,而在于不可逆性。一旦转让权利,人类就永远失去对其数字痕迹的控制。目前行业正沿着阻力最小的路径前进,但这种失衡必将导致监管收紧——问题只在于谁能在此之前赚到钱。