拆古籍喂AI：一名扫描销毁员的工作自白

Hacker News 上的一篇热帖引发关注：一名一线从业者透露，他所在的公司为了采集 AI 预训练数据，在对古籍进行高分辨率扫描后，会将实体书物理销毁。随着大模型对高质量文本数据的需求激增，部分数据服务商采用切脊扫描等高效手段来提升吞吐量，随后直接废弃纸质原件。这种破坏性的数据获取模式，折射出大模型研发中追求数据规模与保存历史文献之间的现实矛盾。这不仅揭示了 AI 数据工程流水线中冷酷的一面，也给行业带来关于数据来源合规性与文化遗产保护的深层思考。