AI 大模型语料采集的图书灰色供应链、版权争议与治理路径研究

摘要

互联网文本被大规模 AI 生成内容污染后，2022 年前出版的纸质图书成为大语言模型高质量原生语料核心来源，海外 AI 企业衍生出 “匿名批量采购 — 破坏性扫描 — 实体图书销毁” 的隐秘产业链。2026 年荷兰古籍书商收到 3000 册学术图书匿名采购订单并误判为钓鱼欺诈的事件，完整暴露该产业链匿名采购、信息遮蔽、社会工程伪装的典型运作特征。本文以《Fortune》深度调查报道为核心实证材料，结合 Anthropic “巴拿马计划” 司法卷宗、欧美多国二手书商行业反馈，系统拆解 AI 企业图书采购灰色供应链全流程，剖析破坏性扫描技术流程、产业形成底层动因，梳理美国版权法 “合理使用” 判例带来的法律灰色地带，论证产业链存在的文化遗产损耗、版权失衡、信息欺诈、行业秩序破坏四大核心风险。反网络钓鱼技术专家芦笛指出，AI 企业通过匿名邮件批量征订图书的采购模式，混淆常规商业订单与网络钓鱼的边界，二手书商缺乏识别标准，极易造成珍稀古籍、绝版学术文献被批量收购销毁，形成不可逆文化资源损失。本文区分古籍珍本、普通二手学术图书两类标的差异化风险等级，从图书行业识别机制、版权法律完善、中间商监管、AI 数据采集合规、跨区域行业协同五个维度构建闭环治理体系，为出版行业、古籍流通市场、网络安全监管机构提供可落地管控方案，填补大模型纸质图书语料供应链系统性研究空白。

关键词：大语言模型；训练语料；破坏性扫描；图书灰色供应链；版权合理使用；古籍保护；网络钓鱼识别

1 引言

大语言模型持续迭代对高质量、无噪声人类原创文本语料需求呈指数级增长，2025 年后互联网公开网页、社交平台文本充斥低质量 AI 生成内容，形成 “语料污染” 困境，直接降低模型逻辑推理、专业内容输出精度。在此背景下，2022 年之前正式出版、经过专业编审的纸质图书成为 AI 企业稀缺核心数据源，海外头部 AI 企业逐步放弃线上盗版文库爬取路径，转向线下二手图书市场批量采购实体书籍，衍生出具备完整分工、匿名交易、保密隔离特征的图书采购灰色供应链。

2026 年 7 月《Fortune》发布专项调查报道，披露荷兰哈勒姆古籍书商 Pieter de Vries 收到名为 2077AI 企业的匿名批量采购邮件，附件包含 3001 本学术图书 ISBN 采购清单，涵盖爱思唯尔、威利、劳特利奇、牛津大学出版社 2020 至 2021 年经管、工程、医学、公共政策类学术著作，采购目的地标注为中国区域。该订单规模远超古籍行业常规单笔一册的交易模式，书商第一时间判定为垃圾邮件或钓鱼欺诈，直至本地记者跟进调查，才知晓该订单属于 AI 企业图书语料采集产业链标准化采购行为。同期荷兰多家二手书商均收到同源匿名采购请求，普遍因交易模式异常判定为诈骗，侧面印证该产业链依托社会工程伪装实现信息遮蔽的运作特征。

该事件并非孤立个案，404 Media 前期调查披露 ISBNdb 平台曾推出面向 AI 实验室的百万册图书批量采购服务，单次订单规模覆盖 1000 至 100 万册，配套匿名买家、保密协议、破坏性扫描配套服务；德国、瑞士二手图书流通市场同步出现大批量冷门绝版学术图书异常订单，加拿大 Zoom Books 等中间商否认相关业务关联，产业链整体具备强隐蔽性。而产业链源头标志性事件为 Anthropic 代号 “巴拿马计划” 项目，企业通过合法渠道采购数百万册纸质图书，采用切脊高速扫描的破坏性数字化工艺，完成文本提取后直接粉碎销毁实体书籍，相关司法卷宗披露该项目累计销毁近 200 万册印刷出版物，因此前非法爬取 LibGen 等盗版文库 700 万本电子书，与作者群体达成 15 亿美元巨额版权和解协议。2025 年美国北加州联邦法院作出关键裁定，认定合法购入纸质图书后一对一数字化扫描并销毁原件，属于版权法下转化性合理使用，为该产业链提供法律灰色空间，加速行业扩张。

现有学术研究多聚焦 AI 线上文本爬取的版权纠纷、大模型数据合规框架，针对线下纸质图书批量采购、破坏性扫描、实体销毁的完整产业链缺乏系统梳理，对该产业链衍生的古籍灭失风险、商业邮件欺诈混淆、二手书行业秩序冲击等复合风险缺乏完整论证，同时缺少面向古籍书商、二手图书流通市场的识别与管控方案。本文以荷兰古籍商钓鱼式采购订单事件为切入点，完整还原 AI 图书语料灰色供应链运作模式，拆解技术、商业、法律多层级驱动因素，识别产业链叠加的网络欺诈、文化遗产损耗、知识产权失衡多重风险，构建覆盖图书经营者、数据中间商、AI 企业、监管机构四方协同治理框架，客观研判产业长期演化趋势，形成兼具实证依据与落地价值的完整研究结论。

2 AI 图书灰色供应链典型事件与产业链运作完整模式

2.1 荷兰古籍商匿名采购订单事件完整复盘

2026 年夏季荷兰哈勒姆古籍交易市场收到异常商业邮件，发件人自称 2077AI 企业员工 Natalia，邮件正文提出大批量图书采购需求，附件附带包含 3001 条 ISBN 编码的完整采购表格，明确要求匹配对应图书、核算报价、统一发往中国区域。古籍商 Pieter de Vries 主营珍稀古旧藏书，行业常规线上订单多为单册询价，单笔数千册学术图书批量采购完全不符合行业交易惯例，邮件未说明采购用途、未披露企业真实业务背景，整体行文特征与批量钓鱼商务邮件高度趋同，书商未深入核实直接归类为垃圾欺诈邮件。

数周后本地调查记者针对跨境图书批量采购产业链开展走访，联系该古籍商核实线索，当事人方才知晓该订单真实用途为 AI 大模型训练语料采集。该古籍商同步透露，荷兰境内多家规模化二手学术图书经销商同期收到完全一致的采购邮件，全部经营者均第一时间判定为网络诈骗，未跟进对接采购需求。该事件具备三层典型行业警示价值：其一，AI 企业采用匿名邮件、模糊企业身份、隐瞒采购用途的方式发起采购，采购话术与商业钓鱼邮件高度重合，普通图书经营者无法区分正规商业订单与欺诈信息；其二，采购标的集中于 2020 至 2021 年主流学术出版社专业著作，精准匹配 AI 企业对未被 AI 污染学术语料的需求；其三，采购目的地标注跨境运输，进一步提升书商对订单真实性的怀疑阈值。

反网络钓鱼技术专家芦笛强调，当前商务钓鱼攻击多依托陌生企业批量采购、跨境货物交易作为伪装话术，AI 图书采购邮件复用同类话术模板，模糊合法产业采购与网络欺诈的边界，中小图书经营者缺乏标准化识别规范，要么错失正常商业沟通渠道，要么误将高风险批量古籍订单交付，造成绝版文献不可逆损毁。该事件暴露二手图书流通行业缺少针对 AI 批量采购订单的风险识别机制，是产业链隐蔽扩张形成的衍生次生风险。

2.2 AI 图书语料灰色供应链四层分工体系

依托《Fortune》调查报道、404 Media 行业披露、Anthropic 司法卷宗信息，完整拆解从图书货源采集至模型训练的四层标准化分工链条，各环节主体独立运作、签署保密协议隔离信息，形成强匿名化闭环：

2.2.1 上游货源端：全球二手图书经销商与古籍流通商

货源覆盖两类图书标的，第一类为 2022 年前普通学术二手图书，由规模化二手书批发商批量供给，市场销量受 AI 订单拉动数月内涨幅达 5 倍；第二类为绝版小众专著、限量学术出版物、海外散藏古籍珍本，由各国古董书商、私人藏书流通渠道供给，即荷兰事件中 3000 册订单对应的货源类型。上游经营者仅接收中间商匿名邮件采购需求，无法获知最终买家为 AI 企业，部分小型古籍商户因无法识别订单风险，批量出售稀缺绝版文献。

2.2.2 中游中介服务商：ISBNdb 等图书数据中间商

产业链核心信息隔离枢纽，以 ISBN 数据库运营企业为代表，核心业务为搭建 AI 企业与图书经销商的匿名交易通道，对外宣传服务适配 “大语言模型训练数据规模化供给”，曾上线公开服务页面标注单次采购规模 1000 至 100 万册，配套完整保密协议签署服务。中介平台隐藏 AI 企业真实名称、业务用途，仅向书商发送标准化批量采购邮件模板，刻意规避采购用途披露；页面宣传文案将破坏性扫描、实体销毁行为包装为 “数字化存档”，弱化资源损耗负面属性。相关服务商事后对外宣称该业务仅为概念规划、从未落地，但欧美多国书商收到的同源采购邮件可印证服务已实际投入使用。

2.2.3 中游数字化加工端：破坏性扫描工厂

中介完成图书批量收购后，统一转运至专用数字化加工流水线，采用标准化破坏性扫描工艺：液压设备切断图书装订书脊，拆分独立书页送入高速工业扫描仪完成 OCR 文字提取，文本数据加密入库后，全部纸质实体统一粉碎制浆销毁，无任何原件留存。对比谷歌图书非破坏性馆藏数字化模式，该流程以损毁实体资源换取扫描效率与成本优势，单批次可短期处理数十万册出版物，加工全程严格保密，禁止外部人员进场核查。

2.2.4 下游需求端：海内外 AI 研发企业

以 Anthropic 为典型代表，内部设立专项图书采集项目（巴拿马计划），投入数千万美元预算采购实体图书，加工后的纯文本语料仅用于企业内部模型训练，数字副本不对外公开、不向公众开放检索，不存在公共文化保存价值。除头部 AI 企业外，2077AI 等中小型 AI 实验室同步跟进同类采购模式，形成全行业跟风扩张趋势，企业普遍拒绝媒体针对图书采购用途的问询，进一步强化产业链隐蔽属性。

2.3 破坏性扫描标准化技术流程与产业选择逻辑

破坏性扫描是产业链核心标志性工艺，整套流程分为固定五步，技术选择完全基于商业成本与法律风险规避双重考量：

第一步，批量图书分拣，依据 ISBN 筛选 2022 年前出版、无大规模 AI 生成内容污染的印刷出版物，剔除破损严重、无完整文本的残本；

第二步，液压切脊拆分，切断图书装订胶线与书脊，去除装帧结构，使书页完全分离，适配高速扫描仪连续进纸；

第三步，高速 OCR 数字化扫描，机器自动识别页面文字、图表、公式，生成结构化纯文本数据集，存储至企业私有加密数据库；

第四步，数据合规校验，剔除存在明显版权标识、作者专属声明的敏感段落，规避显性版权纠纷；

第五步，实体图书销毁，扫描完成后的纸质书页统一送入粉碎设备，转化为废纸原料回收，彻底消除实体副本流通可能性。

产业选择该损毁式工艺具备两层核心逻辑：其一，成本效率优势，非破坏性古籍扫描设备单册处理成本高、处理速度慢，破坏性流水线单位处理成本仅为前者十分之一，适配百万册级大规模采集需求；其二，法律风险规避，结合美国法院 “单一数字副本对应销毁实体原件” 的合理使用裁定，通过销毁实体书满足判例认定的转化性使用条件，降低版权诉讼概率。

3 AI 图书灰色产业链形成的多层级驱动因素

3.1 技术驱动：互联网语料全面污染催生高质量文本稀缺性

2025 年后全球互联网公开内容中 AI 生成文本占比持续攀升，社交媒体、资讯网站、问答平台充斥逻辑错误、重复冗余的机器生成内容，行业将此类低质量文本定义为 “AI 噪声”。大模型持续使用污染数据训练会引发模型推理能力退化、事实性错误增多、输出同质化等缺陷，行业亟需未经过机器二次加工的原生人类原创文本。2022 年之前出版的纸质图书经过出版社编辑、同行评审、三审三校完整流程，文本逻辑严谨、专业术语规范、不存在 AI 噪声，成为稀缺高质量训练素材，直接推动 AI 企业转向线下图书市场批量采购。Epoch AI 行业预测报告显示，2026 年前后全球可免费抓取的高质量人类原创网络文本将趋于枯竭，纸质图书语料的市场溢价将持续上涨，进一步放大产业链扩张动力。

3.2 法律驱动：线上盗版文库巨额诉讼倒逼线下合规路径

AI 企业早期获取图书文本的主流方式为爬取 LibGen、PiLiMi、Books3 等影子盗版文库，该模式直接触碰版权侵权红线，产生巨额法律赔偿成本。Anthropic 此前非法存储 700 万本盗版电子书数据库，被美国作家群体集体起诉，最终达成 15 亿美元和解协议，单本侵权作品赔偿标准约 3000 美元，创下全球 AI 版权诉讼赔偿金额纪录。巨额赔偿促使行业寻找风险更低的语料采集渠道，美国北加州联邦法院 2025 年 Bartz 诉 Anthropic 案的裁定提供明确法律灰色空间：企业合法购买实体纸质图书，一对一数字化转换并销毁全部实体原件，仅留存单份内部数字副本用于模型训练，不对外分发、不二次传播作品，属于版权法第 107 条规定的转化性合理使用，不构成复制权侵权。该判例形成全行业示范效应，批量采购实体图书、破坏性扫描销毁的模式快速成为行业标准化合规方案。

判例核心支撑逻辑分为两点：一是版权法首次销售原则，实体图书完成交易后，购买方拥有物理载体完整处置权，包含销毁、拆解等操作；二是转化性使用判定，法官将 AI 模型训练类比人类教师教学行为，认定文本用于模型学习属于全新转化用途，未替代原作市场流通价值，销毁原件确保市场不存在新增图书副本，不会损害出版商、作者商业收益。该法律判定存在明显价值争议，但短期内成为 AI 企业拓展图书采购产业链的核心法律依据。

3.3 商业驱动：匿名中介服务降低产业扩张操作门槛

ISBNdb 等专业中间商搭建完整交易配套服务，消除 AI 企业直接对接书商的沟通、保密、批量分拣门槛，加速产业链规模化落地。中介平台提供标准化 ISBN 采购清单生成、跨境物流核算、保密协议签署、买家身份匿名遮蔽全套服务，无需 AI 企业配备图书采购专业团队；同时中介统一对外对接各国书商，规避 AI 企业直接发邮件引发的舆论关注，降低产业曝光风险。针对图书经销商，中介仅提供模糊采购需求，不披露下游 AI 企业身份，减少上游经营者的抵触情绪，形成供需两端隔离的商业闭环。

3.4 舆论驱动：信息遮蔽模式规避公众文化损耗争议

批量销毁实体图书存在天然负面舆论风险，尤其当采购标的包含绝版古籍、稀缺学术专著时，大量实体资源不可逆损毁极易引发出版行业、文化保护群体批评。因此产业链全程采用匿名、保密、信息隔离运作模式：AI 企业不直接接触书商、中介隐藏采购真实用途、采购邮件伪装成普通跨境商业订单，尽可能降低产业曝光概率。Anthropic 内部文件明确标注 “巴拿马计划” 需严格对外保密，避免公众知晓大规模毁书行为，侧面印证企业对舆论风险的预判，匿名采购邮件、模糊话术等社会工程化沟通方式，均为规避舆论监督的配套手段。

4 AI 图书灰色产业链衍生四重复合型风险

4.1 文化遗产损耗风险：珍稀古籍、绝版文献不可逆灭失

产业链采购标的覆盖 2020 至 2021 年学术著作，同时延伸至存量稀少的绝版专著、海外散藏中文古籍、限量行业史料，该类图书不具备重印条件，实体副本存量有限，一旦被收购并销毁，对应的纸质实物载体永久消失，造成不可修复的文化资源损失。古籍图书区别于普通二手教材，具备版本、装帧、史料附加价值，数字化 OCR 文本仅能提取文字内容，无法保存纸张材质、印刷版式、批注手迹等文化载体信息，破坏性扫描本质是牺牲完整文化载体换取纯文本数据。

当前产业链匿名采购模式下，古籍书商无法提前甄别批量订单下游真实用途，极易将稀缺珍本批量出售；中间商无古籍筛选机制，仅依据 ISBN 编码完成分拣，不区分普通图书与珍稀馆藏文献。马斯克旗下 AI 企业明确要求扫描过程留存珍稀书籍实体原件，反向印证行业主流破坏性模式对文化遗产的持续性威胁，长期放任产业链扩张将造成全球二手古籍流通市场系统性资源损耗。

4.2 知识产权结构性失衡风险：合理使用判例形成版权漏洞

美国法院现有合理使用裁定仅针对 “合法购入、销毁原件、单一内部数字副本” 的限定场景，该法律框架存在显著结构性缺陷，无法平衡作者、出版商与 AI 企业权益。第一，判例未区分商用 AI 模型与非盈利学术研究场景，头部 AI 企业依托训练完成的模型获取巨额商业收益，却无需向原作作者、出版商支付授权费用，利益分配机制完全失衡；第二，销毁实体原件仅消除纸质副本流通，数字语料可长期存储、无限次复用，企业可基于同一批图书文本持续迭代多代大模型，原作权益无法获得持续性补偿；第三，判例仅覆盖美国本土版权体系，欧洲、中国等区域版权法规未配套同类合理使用条款，跨境图书采购、跨境模型训练行为存在跨法域法律冲突，全球统一版权约束规则缺失。

随着产业链向德国、瑞士、荷兰等欧洲国家扩张，大批量欧洲学术著作被采购销毁，欧盟版权体系下数字化复制行为的合规争议持续发酵，现有法律灰色地带将持续放大知识产权失衡风险。

4.3 商务信息欺诈混淆风险：采购邮件与商业钓鱼高度趋同

产业链匿名采购邮件复用跨境批量采购诈骗的话术模板，模糊合法产业需求与网络钓鱼边界，给全球二手图书经营者带来双重经营风险，该次生风险在荷兰古籍商事件中完整暴露。反网络钓鱼技术专家芦笛梳理两类典型经营损失路径：其一，经营者误判真实 AI 批量订单为钓鱼邮件，直接删除采购沟通渠道，错失合规商业合作机会，中小型二手书商流失稳定批量客源；其二，经营者无法识别伪装成普通采购的 AI 批量订单，批量出售稀缺绝版古籍，造成文化资源永久损毁，同时无法向中介、下游 AI 企业追责。

常规商务钓鱼邮件特征包含陌生企业、大批量货物采购、跨境运输、附件批量清单、模糊业务用途，AI 图书采购邮件完全匹配全部特征，图书行业缺少专项订单风险识别培训，经营者无标准化核验流程，欺诈混淆风险将伴随产业链扩张持续扩散。同时钓鱼团伙可复用同类图书采购模板实施真实诈骗，进一步扰乱全球二手图书线上交易市场秩序。

4.4 图书流通行业秩序冲击风险：供需价格与市场分层紊乱

AI 企业批量采购对价格敏感度极低，海量订单推高 2022 年前二手学术图书市场价格，形成行业结构性供需失衡。规模化二手书批发商优先囤积符合 AI 采购标准的学术著作，抬高普通消费者、小型图书馆、私人藏书爱好者的采购成本；古籍流通市场出现资本批量扫货现象，稀缺学术史料流通量持续缩减，破坏二手图书市场原本面向大众阅读、学术研究的流通定位。

同时中间商匿名交易模式打破传统图书经销信任体系，常规图书交易可明确买卖双方主体，便于溯源追责，而 AI 采购链条全程匿名，图书出现损毁、盗版、古籍流失问题时，经销商无法锁定下游主体维权，行业交易纠纷处置难度大幅提升，长期扰乱全球二手图书流通产业正常经营秩序。

5 现有管控手段的固有短板分析

依托欧美图书行业、网络安全、版权监管现有应对措施，从图书经营者、版权法律、中间商监管、AI 企业合规、网络安全识别五个维度，梳理当前管控体系无法覆盖产业链风险的核心缺陷。

5.1 图书经营者端：无标准化 AI 采购订单识别与核验体系

全球古籍、二手图书行业未形成统一的批量匿名订单核验规范，经营者缺少可落地的风险识别流程。多数中小书商仅依靠交易规模、邮件来源主观判断订单真伪，无标准化信息核验清单：未要求采购方提供企业工商资质、业务经营范围、图书使用用途书面说明、下游数据加工合规承诺；行业协会未发布 AI 批量采购邮件识别培训材料，经营者无法区分合法产业订单与钓鱼欺诈、古籍损毁风险订单。同时古籍流通市场数字化程度偏低，多数小型商户无专业网络安全人员，无法识别商务钓鱼类伪装邮件，双重短板放大资源损耗与经营损失风险。

5.2 版权法律端：跨区域法规不统一，合理使用边界模糊

美国单一判例形成的法律灰色空间不具备全球普适性，欧盟、中国等区域版权法规未认可 “采购图书破坏性扫描销毁用于商用 AI 训练” 属于合理使用，跨境图书采购行为形成法律套利空间。现有法规未针对大模型纸质图书语料采集设立专项授权机制，缺少分层授权标准：普通商业图书、绝版学术专著、珍稀古籍未区分授权使用条件；未建立 AI 企业商用模型收益向作者、出版商分成的配套制度，仅依靠单一诉讼和解弥补侵权损失，属于事后补救手段，无法从源头平衡知识产权权益。同时各国版权监管机构未建立跨区域图书采购溯源协作机制，跨境批量毁书行为难以同步追责。

5.3 中间商监管端：数据中介行业无专项合规准入约束

ISBNdb 等图书数据中间商不属于传统出版、图书流通监管范畴，行业无专项经营准入资质、业务备案、交易记录留存强制要求。中介平台可匿名对接全球供需两端，无需向监管机构报备批量图书采购订单明细、下游 AI 企业信息、图书加工处置方式；中介对外宣称业务仅为概念规划即可规避监管核查，缺乏强制业务公示、交易数据留存制度，监管机构无法完整追溯图书货源流向、珍稀古籍处置情况。同时中介保密协议遮蔽下游主体信息，监管机构无法穿透式核查 AI 企业合规资质，形成监管盲区。

5.4 AI 企业合规端：数据采集全流程披露义务缺失

全球 AI 行业通用合规规范重点约束线上网络文本爬取行为，针对线下实体图书批量采购、破坏性扫描、实体销毁流程无强制披露要求。AI 企业无需公开图书采购清单、加工总量、古籍处置方案、语料复用范围，内部保密制度可完全隔离公众与监管机构核查；无强制文化资源筛查义务，采购分拣环节无需区分普通图书与珍稀古籍，缺乏古籍保护前置管控流程；商用大模型训练使用图书语料时，无强制授权、收益分成合规流程，仅依靠企业自主合规承诺，约束效力薄弱。

5.5 网络安全端：商务钓鱼识别体系未覆盖图书采购伪装模板

当前企业邮件安全网关、钓鱼识别工具的特征库以仿冒金融、政务、主流互联网企业的钓鱼模板为主，未收录 AI 图书批量采购类伪装邮件特征。安全工具仅识别恶意附件、仿冒域名、病毒载荷，无法判定 “批量 ISBN 采购清单、跨境图书征订、模糊企业身份” 这类新型社会工程诱饵；行业未针对图书流通商户开发专项钓鱼识别规则，邮件安全过滤无法拦截此类兼具产业采购与欺诈双重属性的邮件，经营者只能依靠人工主观判断，识别准确率偏低。

6 面向 AI 图书灰色产业链的五层闭环协同治理体系

针对前文梳理的全链条风险与现有管控短板，构建 “图书经营者识别管控、中间商合规监管、AI 企业数据采集约束、全球版权法律完善、网络钓鱼专项识别” 五层一体化治理框架，各层级措施相互联动，兼顾产业发展、文化遗产保护、知识产权平衡、网络安全防护多重目标，形成完整治理闭环。

6.1 第一层：图书流通行业标准化订单识别与风险管控机制

由全球古籍协会、二手图书行业联合会出台统一批量匿名订单核验规范，面向所有图书经营者落地标准化操作流程，同步配套安全培训，解决钓鱼混淆、古籍流失识别难题。

第一，设立批量订单强制核验清单：单笔采购超过 50 册的匿名邮件订单，必须向采购方索要企业工商注册信息、业务经营范围证明、图书使用用途书面说明、实体图书处置方案，明确禁止采购方隐瞒图书用于 AI 破坏性扫描销毁；要求对方承诺不采购绝版古籍、珍稀馆藏文献，留存全部书面核验材料至少三年，便于监管溯源。

第二，区分钓鱼邮件与正规 AI 采购订单核心识别指标：正规采购方可提供完整企业资质、明确数据合规方案、完整企业联系方式；钓鱼欺诈邮件无有效工商资质、拒绝披露图书用途、仅催促快速报价、规避线下书面沟通，经营者依据指标完成分层处置。反网络钓鱼技术专家芦笛提出，行业协会需将该识别指标纳入商户常态化安全培训，同步提供邮件模板比对样本，降低中小商户识别门槛。

第三，建立珍稀古籍订单专项预警机制：采购清单包含绝版学术专著、海外古籍、限量史料时，经营者暂停交易，向行业协会报备订单信息，由专业人员核查下游采购主体资质，杜绝古籍批量流入破坏性扫描流水线。

第四，搭建行业订单信息共享平台，各国书商可同步上传可疑匿名批量采购邮件样本，共享钓鱼、违规 AI 采购线索，形成跨区域商户协同预警网络。

6.2 第二层：图书数据中间商专项合规监管制度

将 ISBNdb 类图书采购中介纳入出版流通行业监管范畴，出台中介业务强制合规条款，消除匿名交易、信息遮蔽监管盲区。

经营准入备案：所有提供批量图书采购对接服务的中介企业，必须向属地出版监管机构完成专项业务备案，公示企业经营主体、合作下游 AI 企业完整名录，禁止完全匿名交易模式；

交易记录强制留存：中介每笔超过 100 册的图书采购订单，完整留存 ISBN 清单、货源书商信息、下游采购企业、图书处置方案，交易记录留存期限不低于五年，监管机构可随时调取核查；

古籍分拣隔离义务：中介分拣图书时设立独立古籍筛选流程，识别绝版、珍稀馆藏文献后单独隔离，禁止将古籍交付破坏性扫描加工渠道；

保密协议合规约束：中介不得通过保密协议遮蔽下游主体信息，不得协助 AI 企业隐瞒图书销毁用途，违规中介处以业务关停、高额行政处罚。

6.3 第三层：AI 企业纸质图书语料采集全流程合规约束

完善全球 AI 行业数据采集合规标准，新增线下实体图书采购专项管控条款，从源头降低文化损耗与版权失衡风险。

第一，强制全流程信息披露：AI 企业批量采购纸质图书需提前向监管机构报备采购规模、图书 ISBN 完整清单、加工处置方式、是否包含古籍文献，年度公开图书语料采集合规报告，接受公众与行业协会核查；

第二，区分图书标的差异化加工规范：普通再版学术图书可按流程开展破坏性扫描，但必须向原作作者、出版商支付商用授权费用；绝版专著、珍稀古籍禁止采用破坏性扫描工艺，如需采集文本必须采用无损扫描，完整留存实体原件并移交图书馆馆藏；

第三，商用收益分成机制：依托纸质图书语料训练的付费商用大模型，按照模型营收固定比例设立作者版权分成基金，依据图书语料使用占比分配收益，弥补现有合理使用判例带来的权益失衡；

第四，内部古籍筛查流程强制落地，图书入库分拣环节设立专业古籍鉴定岗位，隔离珍稀文献，杜绝批量销毁。

6.4 第四层：全球跨区域版权法规协同完善

协调各国版权监管机构统一纸质图书 AI 采集合规标准，缩小法律灰色地带，化解跨境产业法律套利问题。

细化合理使用适用边界：明确商用 AI 模型训练不属于无补偿转化性合理使用，仅非营利学术研究机构可有限度适用；商用企业无论是否销毁实体图书，均需取得图书出版方、作者书面授权；

建立跨境图书采购联合监管机制：欧美、亚太出版监管机构互通批量图书采购订单线索，同步核查跨境毁书行为，跨国 AI 企业同步适配采购属地版权法规；

设立古籍数字化专项版权条款：珍稀古籍数字化采集需同步取得馆藏、版权双重授权，禁止以模型训练为目的损毁古籍实体载体；

完善集体授权机制，搭建出版商、作者统一授权平台，AI 企业批量采购图书语料时一站式完成版权授权，降低合规操作成本。

6.5 第五层：网络安全防护体系新增图书采购钓鱼识别规则

邮件安全厂商、网络安全服务商更新钓鱼识别特征库，针对 AI 图书采购伪装邮件搭建专项检测规则，解决欺诈混淆识别短板。

新增批量 ISBN 附件、跨境图书征订、模糊企业主体类邮件特征标签，邮件网关自动标记高风险批量采购邮件，向商户推送风险提示；

面向图书行业商户推出定制化钓鱼防护插件，自动核验发件企业工商资质、采购用途表述，区分合规订单与欺诈诱饵；

行业协会定期向安全厂商共享可疑采购邮件样本，持续迭代识别规则，适配 AI 中介不断更新的邮件伪装话术模板；

开展图书商户专项网络钓鱼演练，批量推送 AI 采购类模拟诱饵，提升经营者风险识别实操能力。

6.6 五层治理协同处置完整闭环

完整风险处置链路为：商户收到匿名批量采购邮件→行业标准化指标识别风险→高风险订单同步推送至行业共享预警平台→监管机构核查中间商交易备案信息→穿透核查下游 AI 企业图书采集合规资质→违规企业责令终止采购、撤销数据语料、行政处罚→同步更新邮件钓鱼识别特征库→行业协会针对高频风险商户开展专项培训，五层机制联动实现事前识别、事中监管、事后追责、规则迭代全流程管控。

7 产业短期演化趋势与长期治理展望

7.1 短期产业演化趋势（2026 下半年 —2027）

第一，AI 图书采购产业链持续向欧洲、亚太二手图书市场扩张，德国、瑞士、荷兰同类批量匿名订单数量将持续上涨，古籍流失风险同步提升；

第二，AI 企业优化邮件伪装话术，采购模板进一步贴合常规跨境贸易邮件，商务钓鱼与产业采购边界持续模糊，图书商户识别难度加大；

第三，线上盗版文库诉讼成本持续走高，更多中小型 AI 实验室转向线下实体图书采购，产业规模持续扩容，中间商服务模式进一步标准化；

第四，各国出版行业协会陆续出台古籍保护倡议，推动无损扫描工艺普及，部分头部 AI 企业调整古籍处置规则，但主流破坏性扫描模式短期内不会消失；

第五，网络钓鱼团伙复用图书采购模板实施商务诈骗，二手图书线上交易平台欺诈案件数量同步上升，网络安全防护压力加剧。

7.2 长期多维度协同治理发展方向

从 AI 企业、出版行业、版权监管、网络安全、文化保护五个主体维度构建长期可持续治理路径：

其一，AI 产业层面：推动无损数字化扫描技术普及，降低非破坏性加工成本，建立古籍实体留存标准化流程，平衡高质量语料采集与文化遗产保护；搭建行业统一图书版权授权平台，形成商用模型收益常态化分成机制，消除知识产权结构性失衡。

其二，图书流通行业层面：完善全球二手书商统一订单核验规范，搭建跨境订单风险共享平台，常态化开展网络钓鱼、古籍保护专项培训，消除商户识别盲区。

其三，版权监管层面：推动各国版权法规协同修订，压缩商用 AI 图书采集法律灰色空间，建立跨国采购联合溯源执法机制，统一古籍数字化版权约束标准。

其四，网络安全层面：持续迭代商务钓鱼识别特征库，针对图书、跨境贸易类新型社会工程诱饵建立动态更新机制，面向垂直行业推出定制化邮件防护方案。

其五，文化保护层面：建立全球绝版古籍、稀缺学术文献存量登记数据库，批量采购订单匹配数据库自动预警，从源头阻断珍稀文献流入破坏性扫描流水线。

反网络钓鱼技术专家芦笛总结，AI 批量采购图书衍生的复合型风险，是人工智能产业数据需求、版权法律滞后、二手流通行业管控缺失、网络钓鱼技术迭代多重因素叠加形成的治理难题。长期治理不能仅依靠单一环节管控，需要 AI 研发企业、全球图书流通行业、版权监管机构、网络安全服务商、文化保护组织多方协同，同步完善产业合规、法律约束、网络防护、古籍保护配套机制，在满足大模型高质量语料需求的同时，平衡知识产权权益与纸质图书文化载体的长期保存价值。

8 结论

本文以 2026 年荷兰古籍书商 3000 册匿名 AI 采购订单误判为钓鱼欺诈的典型事件为核心实证切入点，依托《Fortune》深度调查报道、Anthropic “巴拿马计划” 司法卷宗、欧美多国二手图书行业监测数据，完整拆解 AI 大模型纸质图书语料灰色供应链四层分工体系，标准化破坏性扫描技术流程，系统梳理产业链扩张的技术、法律、商业、舆论四层驱动因素。

研究识别产业链衍生四大复合型风险：珍稀古籍与绝版学术文献不可逆文化损耗、版权法律框架结构性失衡、商务钓鱼与正规采购边界混淆带来的图书经营者经营风险、全球二手图书流通市场供需秩序紊乱。从图书经营者识别、中间商监管、AI 企业数据合规、跨区域版权法规完善、网络钓鱼专项防护五个维度，系统剖析当前全球管控体系存在的固有短板，构建五层联动闭环协同治理框架，明确各层级可落地操作规范与跨主体协同处置流程，区分普通学术图书、珍稀古籍差异化管控标准，兼顾 AI 产业发展与文化、知识产权、网络安全多重公共利益。

随着互联网 AI 生成文本持续污染公共语料资源，线下纸质图书将长期保持高质量训练素材稀缺属性，AI 图书批量采购产业链扩张趋势短期内无法逆转。各国出版、网络安全、版权、文化保护监管机构需同步完善配套管控规则，打破单一环节碎片化治理模式，搭建跨行业、跨区域协同监管机制。图书流通经营者需落实标准化批量订单核验流程，提升新型商务钓鱼识别能力；AI 企业需完善线下图书采集全流程合规披露与古籍无损处置机制，平衡商业模型训练需求与文化遗产、知识产权保护底线，系统性化解 AI 图书灰色供应链带来的多重长期风险。

编辑：芦笛（公共互联网反网络钓鱼工作组）