亚马逊靠卖书起家。二十多年后，一本纸质旧书沿着物流系统进入它在拉斯维加斯的设施，等着它的结局却是被切掉书脊、拆成散页、送进扫描仪。
404 Media 最近和一位书商合作，把 AirTag 藏进一笔约 1,000 本书的订单里。追踪器最后停在亚马逊的一处设施。接受采访的员工说，他们在那里接收大批纸书，切除装订后扫描，纸本也随之损毁。亚马逊回应，它通过商业渠道购书，用来开发和改进客户使用的产品与服务。
没有火，也没有坑杀谁。“焚书坑模”说的是一种荒诞的内容循环：旧书被拆掉，喂给模型；模型写出的新书，又被塞回书架和互联网，等着成为下一代模型的数据。
这个循环为什么偏偏从纸质旧书开始？
AI 公司争抢的，是还没被 AI 写过的文字
大模型见过的网页已经很多了。麻烦也从这里开始：2022 年以后，互联网上越来越多的文章、商品描述、作业、报告和帖子，都可能经过 AI 生成或润色。抓取量还在增加，来源却越来越难分。
一本 20 年前出版、从未数字化的书，反而成了“干净数据”。它的价值不只在内容，还在时间。至少在生成式 AI 大规模普及之前，这些句子不是从 ChatGPT、Claude 或其他大模型里吐出来的。
Anthropic 早就走过同一条路。2025 年公布的 Bartz v. Anthropic 法院材料显示，它花费数百万美元购买了数百万本新旧纸书。供应商拆掉装订、切开书页、扫描成带机器可读文本的 PDF，再丢弃纸本。
今天的 AI 公司进入仓库寻找旧书，像是在为互联网做一次“数据考古”。越老、越偏、越没有上网的内容，越可能保留模型没吃过的人类表达。
另一头，AI 写的书已经回到书架
旧书被机器吞进去的时候，新书市场正在发生相反的变化。
2026 年 8 月，一篇仍在评审中的工作论文分析了 14,419 本亚马逊自出版类型小说。这些书出版于 2023 年 1 月到 2026 年 3 月，研究者拿到了全文和后续销售数据。
按论文的检测方法，20% 的样本含有超过 25% 的 AI 文本，另有 17.1% 含有少量 AI 文本。样本中的书都没有披露是否使用 AI。
读者没有因此彻底抛弃它们。含大量 AI 文本的书占样本目录的 20%，拿走了 12.1% 的销量和 11.3% 的收入。平均表现较弱，规模依然足以争夺推荐位、榜单和读者注意力。
更麻烦的是供给速度。研究期内，累计目录规模增长了 38.3 倍，季度收入只增长了 8.9 倍。卖书的数量跑得远快于读者的钱包。研究者把这个现象称为“稀释”：大量低成本内容进入同一个书架，每本书能分到的注意力和收入都变少。
这项研究只覆盖亚马逊自出版类型小说，AI 检测也不适合拿来给某位作者定罪。它至少证明了一件事：AI 文本已经进入真实的出版市场，并且不再只是几本无人问津的实验品。
论文、期刊和学生报告也面临类似的来源问题。AI 帮人找资料、理结构、改病句，可以提质增效；批量代写和重复包装也会制造大量“看起来完整、实际没增加多少信息”的文本。两种用法最后都可能落在同一个公开语料池里，采集者很难知道它们经历过什么。
AI 吃自己，风险不叫“过拟合”那么简单
如果模型把这些内容再抓回去训练，会发生什么？
更准确的概念叫“模型崩塌”。2024 年发表在 Nature 的一项研究发现，无差别地使用模型生成内容进行跨代训练，会让后来的模型逐渐偏离最初的人类数据分布。最先消失的往往是尾部：少见的表达、低概率事件、边缘人群的经验。
可以把它想成反复复印一张老照片。第一张还看得清人物，复印件再复印几轮，细小纹理先没了，明暗层次慢慢挤在一起。模型输出通常更偏向高概率表达。下一代继续学习这些输出，世界就会被越说越像。
合成数据本身没有原罪。另一项研究发现，持续保留真实数据，并把经过筛选的合成数据作为补充，某些递归训练设定下可以避免崩塌。真正危险的组合是：来源不明、未经筛选、不断替换原始数据。
这也解释了旧书为什么值钱。模型公司需要保存一份没经过多轮机器转述的“底片”，用它校准后来越来越庞杂的内容。
以后最贵的，是文字背后那个人
生成式 AI 把写出一段通顺文字的成本压到了接近零。字数、篇数和更新速度还在增长，单纯由机器生成的那部分也会越来越便宜。
我越来越相信，未来真正值钱的不会是句子本身，而是句子背后那一小块机器替不了的东西：一个人真正见过什么、经历过什么、想通了什么，又愿意为哪个判断署名。
AI 可以整理资料、润色表达，也可以模仿一种成熟的写法。它无法替一个人完成那次真实的采访，承担那次错误决定的代价，或者从一段具体人生里长出一个此前不存在的想法。人的价值藏在这些地方，文字只是它最后留下的形状。
2026 年 8 月 14 日，Anthropic 公布了 Claude 文字水印的方案。未来支持这一功能的 Claude 模型，会在选词时留下肉眼看不见的统计规律。拿到密钥的检测方，可以据此判断一段文字有多大可能经过 Claude 生成或重写。
这套方法没有往正文里塞隐藏字符，也不会给“人类原创”发一张证书。短文本、轻度校对和大幅改写都会影响识别；Anthropic 也还没有开放检测 API。它最多说明 Claude 可能参与过，无法替我们判断其中的经历、观点和责任究竟属于谁。
水印让一个更大的变化变得具体：内容也需要留下来路。人工采访、原始数据、AI 整理、AI 润色、模型生成，各自走过哪一步，未来都会影响读者怎么相信它、平台怎么分发它、模型公司敢不敢再拿它训练。
纸质旧书因此有了另一层价值。它像一枚钉在时间里的坐标，证明这些文字诞生于生成式 AI 大规模进入写作之前。模型公司争抢的，正是这种还能确定来路的人类表达。
“焚书坑模”，最后坑掉的是什么？
回到那间仓库，整件事最荒诞的地方终于显出来了：AI 公司一边拆掉旧书，寻找没有被机器加工过的文字；另一边，模型又在以极低的成本制造更多文字，塞进书架、网页和未来的训练数据。
它们以为拆书是在给模型囤粮。可当旧书的原始载体被毁掉，机器生成的内容又不标来路，下一代模型面对的就会是一片越来越难分辨的语料：哪些来自人的生活，哪些只是上一代模型的回声。
古人焚书，是怕旧文字继续说话；今天拆书，是怕模型找不到还没被机器说过的话。人类造出了会写作的机器，机器却开始争抢那些还没被机器写过的文字。这就是“焚书坑模”最值得记住的荒诞。
今天被切掉的是旧书的书脊，明天可能被切断的是模型与真实世界之间的联系。
所谓焚书坑模，焚的是书，坑的是模型。坑底埋着那些不够标准、不够高概率，却真真切切被人活过、想过、写下来的声音。
以上就是这次的侦察。
如果对你有用，顺手点个赞 +「♥️」。
想第一时间收到前线情报，关注「硅基斥候S01」。我们，下次侦察见。