大模型终于露出了最原始的獠牙:它们开始吃纸了!
FIELD
NOTE

ARTICLE DETAIL

最新动态

从事实、趋势与实践出发,为您梳理文章中的关键信息,帮助读者更高效地理解内容重点。

ORIGINAL REPORT

大模型终于露出了最原始的獠牙:它们开始吃纸了!

球速体育足球进球-赛事动态与球员表现编辑部
451 阅读
约 5.5 分钟

如果你最近去过东京的神田神保町——那个被誉为世界最大古书店街的地方,可能会注意到一种极为诡异的景象。 这里的古书店主们,接待了一批奇奇怪怪的“大客户”。 他们既不是戴着老花镜的老学者,也不是搞文献收藏的富豪,更不像任何一种人类读书人。 他们买书不挑作者,不看名气,不选装帧,甚至不计较品相。从昭和时代的地方志、几十年前的法学判例集、早已淘汰的旧医学手册,到极其枯燥的农业生产统计小册子,只要是带字的,他们统统照单全收。 有店家一天就被扫走上百本,有的店铺累计卖出了上千册。买家注册的账号名称五花八门,但包裹最终的送达地址,却全都指向了同一个跨境物流中转站。 直到日本媒体追查发现,自去年以来已经有超过50吨日本二手书籍被出口到了美国,大家才恍然大悟:这根本不是什么书虫在淘宝,而是一场跨国算力巨头发起的“纸质文明大清剿”。 按一本书500克粗算,50吨相当于整整10万册纸质书。那些藏在书架深处、落满灰尘的纸质知识,正在被整箱整箱地塞进集装箱,运往大洋彼岸。 顶尖的高科技AI公司,怎么突然对古董摊上的“破纸”产生了如此饥渴的食欲? 答案既科幻又讽刺:在吞噬了几乎整个互联网之后,大模型终于没饭吃了。它们开始“吃纸”了。 一、互联网被“蹭秃”了,大模型面临断粮危机 过去几年,人工智能的进化逻辑简单粗暴:大力出奇迹。只要模型够大,数据够多,AI就能越来越聪明。硅谷的爬虫机器人像蝗虫过境一样,把全球网页上的维基百科、论坛贴吧、新闻报道、甚至社交平台上的吵架纪录全给吃了个遍。 但人类在网络上留下的字,毕竟是有限的。 权威AI研究机构 Epoch AI 曾发布过一份让人后背发凉的预测报告:按照目前大模型训练数据的消耗速度,互联网上积累的高质量人类文本数据——大约在数万亿至数十万亿 Token 之间——将在2026年前后彻底耗尽。 这就是让硅谷所有首席科学家夜不能寐的“数据墙”(Data Wall)。 比“没书吃”更可怕的是“吃毒药”。如今的互联网,早已不是那个纯洁的知识海洋,而是充斥着各种由AI批量生成的营销号文章、SEO垃圾信息和水军废话。如果大模型继续纵容爬虫在现在的网络上“拾荒”,就会陷入极其可怕的“模型塌陷”(Model Collapse)。 英国剑桥大学和牛津大学的研究人员在《Nature》上发表的论文证实:如果让AI用AI生成的数据来训练自己,只需要迭代几代,模型的输出就会彻底沦为毫无逻辑的呓语。这就像让一个画家只临摹画册的复印件,复印件再复印,几代之后,画面就只剩下模糊不清的噪点。这种“算力近亲繁殖”会导致AI智力急速衰退。 面对即将见底的网络数据库和遍地有毒的垃圾信息,硅谷巨头们放眼全球,猛然发现:最纯净、最具有逻辑深度、绝未被AI污染过的“高蛋白粮源”,居然全部静静地躺在那些没有被数字化的实体纸质书里。 二、从“优雅爬虫”到“工业斩首”:硅谷的物理拆书术 既然互联网的数据榨不出来汁了,那就只能对实体书下手。 你可能以为AI公司买书回去,是安排一排工作人员坐在桌前,小心翼翼地翻页扫描?那太低估科技新贵们对效率的狂热追求了。在硅谷,把纸质书变成训练集的过程,充满了工业时代最原始的暴力美学。 此前就有外媒曝光过 AI 独角兽公司 Anthropic 的经典操作。为了快速获取海量高质量图书文本,他们建立了极其凶残的“图书数字化流水线”: 巨头们买来成吨的实体图书,甚至根本不看内容,直接送进工业级切纸机。随着铡刀轰然落下,珍贵的书脊被瞬间切掉,一本本厚重的著作瞬间化为几百张散落的单页。 随后,这些纸张被塞进高速工业扫描仪,以每分钟几百页的速度狂飙,转化成高分辨率图像。紧接着,最新的 OCR(光学字符识别)视觉大模型接手,将图像中的文字、排版、表格瞬间提取为结构化的数字文本。 什么叫硬核数字化?这就叫“拆书炼丹”。 一本凝聚了作者半辈子心血的著作,在流水线上只需几秒钟,就会经历从物理消亡到数字升华的全过程。书脊断裂的声音,就是大模型吞噬人类文明的嚼碎声。 三、为什么偏偏是日本的古旧书籍? 在这场全球性的“纸质文本抢购战”中,日本的二手书之所以成为硅谷眼中的“顶级A5和牛”,有着非常现实的技术逻辑。 首先,是极高的数据纯度与排版质量。日本从近代以来就拥有极其庞大的出版业,印刷工艺精良,字体排版高度规范。 这种高质感纸张和清晰的印刷,让现代 OCR 软件的识别准确率几乎高达 99.9%。相较于某些印刷质量参差不齐、扫描出来满屏糊字的其他语种旧书,日本古书简直是整理数据工程师的梦幻食材。 其次,是不可替代的“领域知识深度”。这次神秘买家扫荡的重点,包含了大量的“地方志”(地方历史记载)、过期的法律判例集、以及昭和时代的行业报告。这些东西在当年发行量极小,且极少被上传到互联网。里面记录的社会运行逻辑、人情世故、法律博弈和历史细节,是任何现代网页都提供不

about image
分享这篇内容

让更多人看到有价值的信息

返回资讯列表

YOU MAY ALSO LIKE

推荐阅读

继续浏览平台精选内容,发现更多行业观察。

TRENDING NOW

热点内容

从正在发生的行业事件到读者关注的热门话题,我们将值得关注的内容集中呈现,方便您快速了解当前讨论焦点。

查看全部资讯
从第一中锋到没人要,只用了5年!这位天才中锋的陨落,藏着NBA的残酷真相

HOT / 1

从第一中锋到没人要,只用了5年!这位天才中锋的陨落,藏着NBA的残酷真相

2010年的选秀大会上,国王队用第五顺位选中了一个来自肯塔基的大个子,他就是德马库斯考辛斯,身高2米11,体重123kg,能够背打,能够投三分,能够持球突破。球探报告普遍认为,他拥有奥尼尔的身体和加索尔的技术,但是没有人能够想到这位全明星的天才会在短短五年之内无球可打,最终黯然离开NBA。 国王时代:数据怪兽,却带不动胜利 考辛斯在国王的7年是一段矛盾重重的生涯,在数据上看他几乎无解,2015-1

李天阳3-2逆转入决赛!削球手创5纪录国乒队史首人 19岁要一黑到底?

HOT / 2

李天阳3-2逆转入决赛!削球手创5纪录国乒队史首人 19岁要一黑到底?

北京时间10月25日,乒乓球亚锦赛丨男单半决赛,李天阳3-2郭冠宏晋级,五局比分:【11-13,11-7,7-11,11-2,11-6】 。也就是说李天阳在大比分0-1、1-2落后的情况下逆转晋级决赛,这场比赛李天阳打得太出色了。 这场半决赛,18岁的郭冠宏VS19岁的李天阳,这两人都是本届亚锦赛男单的超级黑马,这场半决赛也被誉为最强黑马之战,19岁的李天阳还是更胜一筹,他才是那匹最黑的黑马,他最

[台球]范争一止步斯诺克国际锦标赛半决赛

HOT / 3

[台球]范争一止步斯诺克国际锦标赛半决赛

收藏 播放列表 正在播放 正在播放 正在播放 正在播放 [台球]范争一止步斯诺克国际锦标赛半决赛 来源 : 央视网 2026-11-06 07:56 内容简介 关注 [台球]范争一止步斯诺克国际锦标赛半决赛 简介 来源:央视网 更新时间:2026年11月06日 07:56 视频简介 北京时间11月5日,2026-2027赛季斯诺克国际锦标赛半决赛,凯伦·威尔逊9-6战胜范争一。 栏目信息 播放列表

20岁前单场40+有多难?历史仅8人 KD&甜瓜在列 弗拉格已超老詹

HOT / 4

20岁前单场40+有多难?历史仅8人 KD&甜瓜在列 弗拉格已超老詹

在今天独行侠主场125-122战胜步行者的比赛中,弗拉格砍下全场最高43分外加10篮板6助攻3抢断1盖帽。 这已经是弗拉格生涯第5次单场砍40+,纵观联盟历史,能在20岁前单场砍下40+的球员并不多见,多次砍下40+的更是屈指可数。今天老震来带大家一起盘点一下,联盟历史上在20岁前达成过单场40+的球员都有谁(数据后面附上球员比赛当日年龄): 杰里迈亚·费尔斯(1次) 2026年4月8日,鹈鹕15

图赫尔:我并不将定位球视为对手的弱点,而是视为自身的强项

HOT / 5

图赫尔:我并不将定位球视为对手的弱点,而是视为自身的强项

率队在欧国联小组赛末轮客场3-2击败西班牙之后,英格兰队主教练图赫尔出席了新闻发布会,本文为新闻发布会的第三部分。 你好,托马斯,祝贺你,接下来你们将会有四个月的时间没有比赛可踢了…… 是的。 那么你要如何把今天晚上的这种感觉以及球队所取得的这种进步“封存保管”起来,然后在明年3月集结的时候重新把它延续下去呢? 说实话,最后那半个小时给人的感觉真的有点像是阿兹特克的重现(指世界杯1/8决赛对阵墨西