数字化为何可能让人类失去自己的文明
导语：一本被切掉书脊的书
2025年公布的美国法院材料显示，Anthropic曾购买大量纸质书籍，将其拆解扫描后随后直接丢弃原件。
Google Books真正引发争议的地方，不是销毁原书，而是另一件更隐蔽的事：平台可以保存和检索全文，普通读者对仍受版权保护的图书却通常只能看到几个搜索片段。Google自己将这一工程称为“增强版卡片目录”，并明确表示，它的目的首先是帮助人们发现图书，而不是让人们从头读到尾。
这是一个具有时代象征性的画面。
纸书被切开，文字被抽走，原件被消耗，内容进入模型。书曾经属于作者、读者、书店和图书馆；如今，它首先成为一家技术公司的数据资产。
人类原本期待数字化消除知识稀缺。
现实却可能相反：当知识进入服务器，稀缺的已经不再是复制能力，而是访问权、解释权、训练权和控制权。
亚历山大图书馆毁于火焰，人类为它惋惜了两千年。
今天的亚历山大图书馆虽然保留在服务器里，但同样不再真正属于公众。
一、Google Books改变的，不只是书的载体
Google Books最初展现的是一种近乎理想主义的未来。
过去，要寻找一本罕见著作，研究者可能需要查询目录、致信图书馆、申请馆际互借，甚至跨越国家去查看某一版本。数字扫描出现后，数千万册图书可以被统一索引。一个关键词能够穿越语言、年代和馆藏边界，从浩瀚书库中找到此前无人注意的句子。
到2025年，公开报道仍将Google Books描述为一个规模超过2000万册的搜索型数字图书工程。仅哈佛大学参与Google扫描计划的馆藏，就覆盖107万余册、250多种语言。
这当然是巨大的文明进步。
它使绝版书重新可见，使残障人士获得新的检索工具，使语言学家能够研究数百年的词汇变化，也使图书馆获得了自身难以独立承担的数字化能力。
美国法院后来认定，Google对整本图书进行扫描，用于全文搜索和片段展示，属于具有转化性的合理使用。其理由是，Google并未把完整版权作品直接交给读者，而是把图书变成了可检索的信息系统。
问题也恰恰出在这里。
为了让搜索成立，机器必须“阅读”全文。
为了避免替代原书，普通人只能阅读片段。
于是数字时代产生了一种过去难以想象的知识结构：
系统知道一本书里写了什么，读者却未必有权知道。
传统图书馆的基本制度，是收藏与阅读相互连接。图书馆取得一本书，原则上就取得了保存和借阅它的能力。即使借阅数量有限，书仍然是一件可以转移、赠予、转卖和长期保存的物品。
Google Books建立的则不是一座传统意义上的图书馆，而是一层位于图书馆之上的知识基础设施。
纸书属于大学。
扫描文件由合作关系和合同控制。
全文用于后台检索。
公众得到的是搜索入口。
这个系统极其高效，却改变了文化资产的权力中心：掌握知识的不再只是保存原件的机构，而是能够把原件转化成数据、建立索引并控制入口的平台。
从这一刻开始，数字化就不再只是“把纸变成像素”。
它同时完成了一次权利结构重组。
二、从拥有一本书，到被允许阅读一本书
纸书时代的商业模式，是出售一个物品。
数字时代的商业模式，越来越多地变成出售一项持续有效、随时可以调整的访问许可。
纸书买下以后，出版社很难限制读者在哪个房间阅读，也很难阻止他把书借给朋友、卖给二手书店或者留给下一代。
电子书则完全不同。
用户购买的往往不是一个独立文件，而是在某个账户、终端和软件环境中阅读的许可。平台可以改变格式，可以停止服务，可以下架内容，也可以通过数字版权管理技术限制复制、转借和迁移。
这种变化不仅发生在图书领域。
音乐从唱片变成订阅歌单，电影从光盘变成流媒体目录，软件从永久授权变成年度服务，游戏从实体载体变成账号资产，学术文献从图书馆馆藏变成数据库权限。
表面上，内容离消费者越来越近。
结构上，消费者离所有权越来越远。
Internet Archive与出版商之间的诉讼，揭示了这种冲突最尖锐的一面。
Internet Archive提出“受控数字借阅”模式：一家图书馆如果拥有一册纸书，就扫描出一个数字版本；纸书停止流通时，数字版只同时借给一位读者。它试图把传统图书馆“买一本、借一本”的逻辑延伸到互联网。
但美国第二巡回上诉法院没有接受这一逻辑。法院认定，大规模扫描和在线借阅完整版权图书不能被视为合理使用。2024年12月，Internet Archive决定不再寻求美国最高法院审查，并同意按出版商要求移除相关借阅图书。
这场诉讼不能简单理解为“出版商阻碍知识传播”。
作者需要收入，出版社承担编辑、营销和发行风险，数字副本也可能直接替代正版电子书销售。没有创作者激励，知识生产本身就会受损。
但它同时暴露出一个制度空白：
传统图书馆购买纸书后拥有的保存权和借阅权，并没有自然迁移到数字世界。
数字文件极易复制，因此版权人要求更严格的控制；平台掌握技术，因此倾向于用许可取代所有权；图书馆缺乏议价能力，只能接受按年付费、限定读者人数、限定下载方式的合同。
结果是，数字产品比纸质产品更容易传播，却可能比纸质产品更难保存。
一个图书馆可以保存一册1910年的纸书。
但它未必有权永久保存一册2026年购买的电子书。
数字化没有消灭稀缺，而是重新设计了稀缺。
过去稀缺的是纸张、运输和书架。
现在稀缺的是账号、许可、接口和平台同意。
三、AI时代，文明开始从“作品”变成“生产资料”
Google Books的时代，平台扫描图书，主要是为了建立搜索。
生成式人工智能的时代，平台获取图书，是为了训练模型。
这是两者之间最根本的差异。
对于搜索引擎而言，一本书仍然是一件需要被找到的作品。系统的任务，是把读者引向它。
对于大模型而言，一本书首先是一组语言规律、知识关系、叙事结构和推理样本。系统的任务，不再是把读者引向原书，而是吸收原书所包含的能力。
书在这里获得了新的经济身份：
它既是文化产品，也是工业原料。
煤炭进入蒸汽机以后，不再以煤炭的形式出现，而转化为动力。
钢铁进入工厂以后，不再以矿石的形式出现，而转化为机器和建筑。
数以百万计的图书进入模型以后，也不会逐篇出现在回答中。它们被转化为概率、参数、语言能力和商业服务。
这就是为什么图书版权与AI训练之间的争议如此难以用旧有概念处理。
如果模型逐字复制一本书，传统版权规则相对容易适用。
如果模型没有直接复制，却通过海量图书获得了写作、总结、翻译和推理能力，那么作者的作品究竟是被“阅读”、被“使用”，还是被“工业化吸收”？
2025年的Anthropic判决给出了一种区分：法院认为，模型训练本身对作品进行了高度转化；但取得数据的方式仍然必须合法，盗版下载和永久保存不能仅仅因为最终用于AI训练，就自动获得合理使用保护。
这个区分具有重要意义。
它意味着未来真正有价值的资产，不只是一部模型，也包括一套来源清晰、授权可靠、能够持续更新的数据体系。
人工智能公司争夺图书，不是因为它们热爱藏书。
而是因为高质量的人类文本正在成为一种稀缺的生产要素。
互联网曾经产生过海量文本，但网络内容短促、重复、来源不明，充斥营销、情绪和机器生成材料。图书经过作者写作、编辑审校、出版筛选和长期保存，在结构、知识密度和语言质量上具有不同价值。
因此，数字时代的文化圈地正在进入第二阶段。
第一阶段，平台争夺的是内容入口。
第二阶段，AI企业争夺的是文明训练权。
一家企业拥有多少合法、完整、高质量的图书数据，将直接影响其模型能力、产品质量和长期竞争壁垒。
这也意味着，人类文明积累第一次在如此大规模上被转换为少数公司的资产负债表优势。
作者创造内容。
出版社组织生产。
图书馆长期保存。
公共财政支持教育。
几代读者共同形成语言环境。
最后，这些积累可能通过一次集中扫描，转化为一家私人公司的模型能力和资本估值。
问题不在于企业不应从知识中获利。
现代出版、搜索和人工智能都需要资本、工程和风险投入。
问题在于：当公共文明积累成为私人智能的主要原料时，社会是否建立了相应的回流机制？
如果没有，数字化就可能表现为一种新的价值链：
公共社会负责积累知识，技术平台负责提取知识，资本市场负责定价知识，而公众只能重新购买由自身文明训练出来的服务。
四、数字化为什么反而会造成文化资产折损
数字化的确提高了保存能力。
一册脆弱古籍可以被复制到多个地点，一卷胶片可以免于反复放映，一份档案可以跨越国界被研究。否认这些进步没有意义。
真正需要分析的，不是数字化是否有价值，而是数字化在什么治理结构下运行。
数字化至少可能造成四种新的文化折损。
第一种是访问折损。
原件已经扫描，理论上可以被无限复制，但公众实际得到的可能只有缩略图、低清图片、片段搜索或者受限接口。
这是一种反常识状态：技术上的可访问性提高了，制度上的可访问性却没有同步提高。
第二种是所有权折损。
纸质馆藏可以由公共机构长期持有，数字内容却常常受到平台协议、软件环境和授权期限约束。原件仍在图书馆，真正具有使用价值的高清扫描、OCR文本、标注数据和搜索系统却可能掌握在技术合作方手中。
第三种是语境折损。
一本书不仅是若干文字。
它还包括版本、纸张、装帧、批注、印章、目录、出版信息和与其他文献之间的关系。大规模数据处理倾向于把作品切分成字符、段落和向量。当内容成为训练数据时，来源和语境容易被压缩甚至丢失。
模型可能继承了某种知识，却无法清楚说明知识来自哪一本书、哪一位作者、哪一种历史环境。
第四种是治理折损。
实体图书馆受公共使命、专业伦理和长期制度约束。商业平台则受产品战略、股东回报和市场竞争约束。
平台可以在某个时期投入巨资扫描，也可以在未来调整业务、关闭接口、改变价格或者减少维护。
数字文件看似永恒，实际上必须依赖持续的电力、服务器、软件、格式迁移、网络安全和组织投入。
纸书放在合适的环境中，可以沉睡一百年后被重新打开。
数字文件若失去运行环境，可能在十年内就变成无法读取的残骸。
美国版权局在2015年的大规模数字化报告中承认，逐一取得海量作品授权，在实践中往往近乎不可能；对于孤儿作品，使用者即使进行了善意查找，也可能因为权利人未来出现而面临高额诉讼风险。于是许多机构最安全的选择不是开放，而是不使用。
这不是单纯的技术问题。
它是法律、财政和组织能力共同造成的结果。
版权制度保护的是创作者激励。
文化机构承担的是公共保存责任。
技术企业追求的是规模和效率。
三个体系各有合理性，却没有自然形成统一的数字文明制度。
因此，今天最危险的不是“没有人扫描”。
而是只有少数机构有能力扫描，扫描结果又只能在少数机构设定的条件下使用。
这不是传统意义上的焚书。
它更像是一种无声的圈地。
书仍然存在。
目录仍然可以搜索。
服务器仍然正常运行。
只是人类与自己的文明之间，多了一扇必须获得许可才能打开的门。
五、人类进步需要的，不是更大的服务器，而是新的公共制度
把问题归结为Google、出版商或AI公司的道德缺陷，并不能得到真正的答案。
企业按照商业激励行动。
出版社保护版权。
技术公司建立壁垒。
图书馆受制于预算。
法院依据现有法律裁判。
每个参与者都可能在自己的逻辑中保持理性，最后却共同形成一个对文明不利的结果。
这正是制度问题最典型的表现：局部理性并不自动产生整体进步。
经济学家埃莉诺·奥斯特罗姆与夏洛特·赫斯提出“知识公地”概念，强调知识既不能被简单理解为纯粹私人财产，也不能被想象成无人维护、无限免费使用的自然资源。数字知识具有近乎零边际复制成本，但保存、整理、校验、授权和治理仍需要长期投入。真正可持续的开放，不是取消规则，而是建立一套能够同时支持使用者、贡献者和维护者的规则。
人类需要的第一股力量，是公共财政。
图书馆、档案馆和博物馆不能永远依靠商业平台代为完成数字化。公共机构如果没有扫描设备、OCR能力、服务器、网络安全和专业人员，就只能把文明基础设施外包。
外包本身并非错误。
错误在于公共机构提供原始文化资产，却没有同步保留完整副本、开放接口、迁移能力和长期控制权。
公共资金支持的数字化项目，应当明确规定：公版作品的高清文件、OCR文本和基础元数据，在合理期限后必须向社会开放；商业机构可以提供增值服务，但不能重新垄断公共领域。
Europeana在2025年更新的《公共领域宪章》中明确提出：模拟世界中已经属于公共领域的作品，数字化后仍应属于公共领域；技术复制不能创造新的排他权，合同和技术措施也不应重新封闭公共文化资产。
人类需要的第二股力量，是新的版权清算机制。
版权不应被取消，但必须降低大规模合法使用的交易成本。
对于绝版作品、孤儿作品和长期无法联系权利人的作品，可以建立扩展集体许可、权利人退出、收益托管和善意使用责任限制制度。
这样既不要求图书馆为数百万册书逐一寻找继承人，也不意味着任何平台都可以不经授权自由占有。
真正成熟的制度不是在“全部封闭”和“全部免费”之间二选一，而是把权利、使用、补偿和公共利益重新组合。
人类需要的第三股力量，是开放技术标准。
文化数字资产必须具有可迁移格式、清晰来源、开放元数据和长期校验机制。
一个数字图书馆不能只是一张网页。
它必须能够被其他图书馆备份，被研究者调用，被未来的软件重新解析，并在原平台退出后继续存在。
否则，数字化只是把纸书的物理脆弱性，替换成对某家公司技术栈的依赖。
人类需要的第四股力量，是公共知识基础设施。
美国数字公共图书馆正在通过全国性合作网络，聚合图书馆、档案馆和博物馆资源，并建设由图书馆控制的电子内容采购和服务平台。它的价值不只在于提供一个网站，而在于尝试让公共机构重新掌握数字内容的组织和分发能力。
更值得注意的例子来自哈佛大学。
2025年，哈佛相关团队将Google早年扫描的馆藏重新整理为Institutional Books 1.0，对其中983004册被认定为公共领域的图书开放OCR文本和元数据，规模约2420亿个词元，覆盖250多种语言。
这个案例说明，Google Books并非只有封闭的一面。
私人技术投资可以完成公共机构难以承担的扫描工程；当法律关系、机构能力和开放制度进一步成熟后，原本集中在平台中的数字资产，也可以重新转化为公共研究资源。
这才是数字化真正有价值的方向：
不是拒绝商业力量，而是防止商业力量成为唯一力量。
不是反对人工智能使用人类知识，而是要求AI产业建立透明来源、合法授权和公共回馈。
不是让所有文化资料无条件免费，而是确保属于公共领域的内容不被重新圈占，确保公共资金形成的资产能够服务公众，确保创作者能够从商业使用中获得合理收益。
未来的文明竞争，不只是谁拥有更大的模型、更多的服务器和更强的算力。
还包括谁能够建设一个既保护创造者，又允许知识流动；既支持商业创新，又维护公共记忆的制度体系。
印刷术使知识逐渐摆脱少数抄写机构。
公共图书馆使阅读逐渐摆脱财富门槛。
互联网使复制逐渐摆脱物理距离。
但数字时代尚未完成最后一步：
让数字化后的文明摆脱对单一平台的依赖。
回到那本被切掉书脊的书。
它的文字或许已经进入模型，成为一个智能系统回答问题时极其微小的一部分。它也许不会真正消失，甚至会比过去影响更多人。
但如果没有来源，没有档案，没有公共副本，也没有社会可以持续主张的访问权，那么人类保存下来的就只是知识的功能，而不是文明本身。
亚历山大图书馆的悲剧，是书被火焰烧毁。
服务器时代更值得警惕的悲剧，是书没有被烧毁，知识也仍在运转，但人类已经无法确认它在哪里、来自谁，又由谁决定它可以如何被使用。
数字化的最高目标，不应是把整个人类文明装进服务器。
而应是确保无论服务器属于谁，文明最终仍然属于人类。