美国AI公司抢购中文书训模型，台“中科院”早有布局

美国AI公司为训练大语言模型，曾在台湾地区大批采购中文书籍。自由时报11月10日引述台军政人士说法称，早在各类大语言模型问世时，台“中科院”就已列出书目并采购，内容涉及战术、战法、战技，用于训练专家模型。该人士据此认为，无须担忧相关书籍被外国企业抢购。

韩国《中央日报》10月19日刊出的调查报道给出另一条线索：台湾图书经销商联合发行（United Distribution Co.）从2024年11月起，分16批把简、繁体中文书籍运往美国，总重约563吨，买方是二手书商“共建美好世界图书公司”（Better World Books）。这家书商是人工智能企业安特罗匹克公司（Anthropic）大量收购纸质书籍的重要合作商。书籍流向安特罗匹克公司的“巴拿马计划”（Project Panama）：大批纸质书被切散、扫描，完成数字化后转为AI训练数据。这种处理方式会大量损毁书籍，珍贵的绝版、冷门或专业书籍可能就此消失，外界由此生出担心。

中文图书供应大语言模型训练的业务，欧美其它公司也在做。加拿大天际公司公开面向AI团队提供简体中文纸质书，文学、历史、科技、医学等门类都在供货范围内。按该公司自述，可供10万余种国际标准书号，并能发往美国，近期曾接到6万种不同国际标准书号的订单，具体买家及最终用途未予披露。该公司2011年3月与中国国际图书贸易集团（CIBTC）合资成立中国图书贸易（加拿大）有限公司（China Book Trading (Canada) Inc.），共同经营出版中文书刊。

电子书渠道同样有动作。全球最大的、非营利性的开源数字图书馆元搜索引擎“安娜的档案”（Anna's Archive）于2023年11月4日自称取得源自中国读秀数据库的754.3万份中文图书扫描文件、约359TB数据，并向大语言模型开发者提出合作邀约：以“光学字符识别”（OCR）和文本提取换取一年优先独占访问。

有分析认为，美国人工智能公司通过多种渠道大批采购中文书籍训练大语言模型，既牵涉珍贵书籍的保护，也存在数据安全隐患，需要重视。