Anthropic「巴拿马计划」曝光：数百万本书被拆成AI训练数据

这件事藏了两年，终于被揭开了。

2024年4月，Anthropic内部流传了一份文件，代号叫"巴拿马计划"。目标写得直白：破坏性扫描全世界的书。文件原话说"我们用一个软代号，因为不想让人知道我们在做这件事。"2026年1月，法官下令解封4000多页诉讼文件，这份备忘录彻底曝光。

与此同时，Reddit也正式起诉了Anthropic，指控其非法访问网站10万次，用用户数据训练AI模型。要知道，Reddit之前跟OpenAI、谷歌都签了数据合作协议，唯独Anthropic是"不遵守规则"的那一个。

为什么叫"巴拿马计划"

巴拿马运河是人类工程史上的奇迹——用一条水道连接两大洋。Anthropic给这个项目取这个名字，意思很明确：他们想建一条"数据运河"，把人类几百年积累的知识，从纸质载体搬运到AI训练集里。

具体操作是这样的：收购或获取大量旧书，把书脊切掉，用高速扫描仪逐页扫描，然后通过OCR和结构化处理，变成训练数据。数百万本书，目标是"破坏性"扫描——也就是说书扫完就没了，物理实体被转化为数字数据。

这件事为什么重要

大模型训练需要海量数据，这大家都知道。但数据的来源一直是个灰色地带。之前各家公司基本是"先用了再说"——网上的文本、书里的内容、论坛的帖子，能抓就抓。版权问题？等被告了再说。

Anthropic这次被曝光，说明这个灰色地带正在被一条一条地画上红线。法官解封诉讼文件、Reddit主动起诉，这些信号都指向同一个方向：AI训练数据的合规窗口正在关闭。

对中国AI行业意味着什么

国内目前在这方面的法律框架还在完善中，但趋势已经很清楚了。杭州最近公布了全国首例AI大模型商业秘密刑事案，12年老员工窃取垂类模型核心资料获刑。这说明司法层面对AI数据和知识产权的保护力度在快速升级。

对于做AI的公司来说，数据的获取方式会越来越规范。未来的竞争，可能不是谁的模型更大、参数更多，而是谁有合法、高质量、独家的训练数据。数据壁垒，可能比算力壁垒更难突破。

一个更大的问题

人类几百年来写在书里的知识、经验和思想，该不该被拆解成训练数据？这个问题没有简单的答案。从技术进步的角度看，这是AI能力跃升的关键燃料。从知识生产的角度看，如果作者没有获得任何补偿，这跟知识掠夺有什么区别？

2026年，AI训练数据这件事，正式从灰色地带进入了法律对抗阶段。这场博弈才刚刚开始。