目錄
2026 年 8 月404 Media 公開一場很有戲劇性的調查：記者和一名書商合作，把 AirTag 藏進一批約 1,000 本書中的其中一本，再一路追蹤這批書最後去了哪裡。訊號從加州出發，經過威斯康辛州與科羅拉多州，最後停在 Amazon 位於拉斯維加斯的 LAS8 倉庫，而且不是一般的按需印刷區，而是北側一個代號 VGT3 的獨立作業區。404 Media 根據 Amazon 員工在內部論壇的描述指出，這裡會接收大量紙本書、裁掉裝訂，再進行掃描，實體書也會因此被破壞。隔天 Ars Technica 等媒體跟進，才讓「一顆 AirTag 追進 Amazon 倉庫」迅速變成這週科技圈最受討論的 AI 資料新聞之一。
404 Media 將 VGT3 描述為 Amazon 的 AI training facility，也認為現有證據強烈指向 AI 訓練用途；Amazon 本身並沒有確認這個說法。公司對 404 Media 與 GeekWire 的回應只有表示，Amazon 會透過商業管道購買書籍，用於開發與改善客戶使用的產品與服務，沒有進一步說明 VGT3 掃描出的文字最後進入哪一套模型或資料集。
所以，這篇真正能確認的不是「Amazon 已承認把這一千本珍本全部拿去訓練某個 AI 模型」，而是另一件已經很具體的事：大量紙本書正在被買進 Amazon 設施，員工描述的作業包含裁書與掃描，而這種作業方式會破壞原本的實體書。至於掃描資料最後如何使用，Amazon 至今沒有公開完整答案。
AirTag怎麼追出Amazon的掃書設施？原始調查其實來自404 Media
一筆約1,000本書的匿名訂單，最後進了Las Vegas的Amazon LAS8
這次調查不是記者隨便挑一本舊書寄出去。404 Media 先從長期追蹤二手書異常大宗採購的書商取得線索。一名賣家透過 Biblio 收到一筆大約 1,000 本書的訂單，買方身分並不透明，而且這類訂單近幾個月開始頻繁出現在二手書市場。書商同意讓 404 Media 提供一顆 AirTag，藏進其中一本書裡，再觀察整批貨物最後去哪裡。
AirTag 最後一路抵達 Amazon 位於 Las Vegas 的 LAS8。這個地點原本讓記者很困惑，因為 LAS8 大部分業務是 Print-on-Demand，也就是有人下單後才印書，和大量裁書剛好是完全相反的方向。真正讓線索接起來的是 AirTag 最後的位置：不是一般按需印刷區，而是倉庫北側代號 VGT3 的另一套作業。
依 Amazon 員工在工作論壇上的描述，VGT3 會收到大量紙本書，有人負責切書，有人負責接收與掃描。404 Media 的調查則進一步指出，書的裝訂會被裁掉，以便更快速掃描，實體書也會在這個過程中被破壞。VGT3 入口還有自己的標誌：一隻露出牙齒、手裡拿著書的暴龍。原稿寫成「正要吞掉書本」稍微加戲了，現有照片與描述比較接近「拿著一本書的暴龍」。
這批書可以叫rare books，但不是全部都是孤本或頂級古籍
404 Media 自己把這批貨稱為 rare books，調查合作方也是稀有書市場的賣家。不過，「rare」放進中文很容易讓人直接想到博物館等級的孤本、初版本或幾百年前的古籍，實際情況沒有這麼單一。
GeekWire 整理 404 Media 的調查時特別提到，書商觀察到這些大量採購反而沒有包含「最稀有」的那一批，也就是老到甚至沒有 ISBN 的書。這讓書商懷疑，買方可能是在依 ISBN 等出版資料系統化地尋找尚未數位化的出版品。
因此，文章比較適合寫成「稀有、冷門或難取得的舊書」，而不是把整批都描述成全球僅存數冊的珍貴古籍。文化保存的問題仍然存在，但程度要依每一本書的版本、存世量與實體特徵個別判斷。
AI公司為什麼重新盯上實體書？重點是乾淨而且還沒數位化的文字
舊紙本被資料供應商當成「沒有AI生成內容」的來源
早在這次 AirTag 調查前一個月，404 Media 就報導過另一條供應鏈。書籍資料公司 ISBNdb 當時向 AI 客戶推銷大量取得實體書的服務，核心賣點之一就是舊書產生於生成式 AI 大量出現以前，因此內容不會混入近年快速增加的 AI-generated text。ISBNdb 當時甚至把紙本書描述成經過編輯、結構完整、具有領域知識的資料來源。
所以，原稿「實體書是少數還沒被抽乾的高品質語料」方向可以留下，但不要寫成已經有一個公認的「網路資料快耗光」臨界點。現在比較能確認的是，AI 資料供應鏈確實開始積極尋找兩種東西：一是還沒有被數位化的文字，二是生成式 AI 普及以前產生的人工文本。
對模型開發商來說，這類書還有另一個現實優勢。一本冷門的地方史、老技術手冊或絕版專業書，在一般二手市場可能沒多少買家，但如果內容從來沒有出現在 Common Crawl 或大型電子書資料庫裡，它對訓練資料集的價值和二手書售價並不是同一套計算方式。
裁掉書背再掃描並不是Amazon發明的
Destructive scanning 本身不是新技術。需要大量掃描裝訂書時，把書背裁掉，就能把散開的頁面送進高速掃描設備，不必逐頁翻頁。真正重新引起注意的，是生成式 AI 公司開始大量採購紙本書，把這套原本就存在的數位化方法放大到模型資料取得。
Anthropic 就是目前已有法院文件完整記錄的案例。2025 年的 Bartz v. Anthropic 裁定記載，Anthropic 購買紙本書後拆除裝訂、逐頁掃描，把書轉成可搜尋的數位版本，再從自己的中央資料庫挑選內容訓練 Claude。法院文件也明確寫到，紙本來源在轉換過程中被銷毀。
所以，Amazon 這次並不是第一個出現 destructive book scanning 爭議的 AI 業者。不同的是，Anthropic 的做法是在著作權訴訟 Discovery 過程中被公開；Amazon 這次則是靠一名書商與一顆 AirTag 把貨物流向追了出來。
Amazon真的承認拿這些書訓練AI嗎？目前沒有
Amazon承認購書，但沒有確認VGT3的掃描資料用途
這是整篇最需要保留的不確定性。404 Media 的調查標題直接稱目的地為 Amazon AI training facility，而且從舊書採購模式、VGT3 作業方式、Amazon AI 業務與其他 AI 公司既有做法來看，這個推論有不少旁證。Amazon 的正式回應卻停在更廣的範圍，只表示會透過商業管道購買書籍，用於開發和改善客戶使用的產品與服務。GeekWire 直接向 Amazon 詢問是不是為了訓練模型，Amazon 仍沒有確認。
因此，原稿的「Amazon 過去曾否認這類作法」建議整句刪掉。目前查不到 Amazon 先前公開否認 VGT3 或類似內部掃書計畫的可靠紀錄。容易混淆的是，前幾週確實有其他公司否認相關事情：例如 Zoom Books 表示自己不會把書數位化後銷毀；Anthropic 也曾表示自己的資料取得計畫不會購買並銷毀 rare or antiquarian books。那不是 Amazon 的說法。
比較準確的問題不是「Amazon 為什麼說謊」，而是：Amazon 已經承認購書是為了改善產品與服務，404 Media 又找到了實際裁書掃描的 Amazon 作業區，但兩者中間那一段資料最後進了什麼系統，公司目前沒有公開。
買下實體書之後可以直接掃描嗎？所有權與著作權其實是兩件事
首賣原則允許處分那一本書，不代表自動取得內容的重製權
原稿把這段寫成「合法購得的書屬於買方財產，拆毀不當然違法」方向沒問題，但要把後半段分開。
美國著作權法第 109 條的 First Sale Doctrine，處理的是某一本合法取得的實體副本。持有人原則上可以把那一本書轉售、借出或處分掉；著作權人不能一直控制同一個實體副本後續怎麼流通。
但掃描一本書會另外產生複製，因此不是「買下書＝取得掃描權」。是否能在沒有作者授權的情況下複製，還要再看 Copyright Act 的其他規則，包括 Fair Use。這也是為什麼目前 AI 訓練爭議沒有辦法只靠「公司有付錢買紙本」結束。
Anthropic曾在特定案件中勝訴，但不能寫成美國已全面認定AI訓練合法
2025 年 Bartz v. Anthropic 的聯邦地方法院裁定，把涉案書籍拿來訓練 Claude 屬於 Fair Use；法院也另外認為，Anthropic 將合法購買的紙本書轉為數位館藏，在該案件的特定做法下屬於 Fair Use，其中一個考量就是原本紙本被銷毀，沒有額外留下第二套可流通副本。
同一份裁定也拒絕替 Anthropic 從盜版網站取得並永久保存的書籍開脫，將「合法購買後掃描」和「先從盜版來源取得」分開分析。
因此，截至 2026 年，比較安全的寫法是：美國已有聯邦地方法院在 Anthropic 與 Meta 的特定案件紀錄下認定 AI training 可以構成 Fair Use，但這不等於所有模型、所有資料來源、所有取得方式都已經被法院一律認定合法。個案中的資料來源、市場影響、模型輸出與使用目的仍然會影響判斷。
書被掃完後為什麼還要銷毀？法律理由和文化保存理由不能混在一起
Destructive scanning追求的是掃描效率，不是保存實體
從目前公開資料能確認的是，裁掉裝訂可以提高掃描效率；在 Anthropic 案件中，「紙本被數位版本取代」甚至成了法院分析該次數位化是否 Fair Use 的一部分。
至於 Amazon 為什麼不把 VGT3 的書重新裝訂、捐給圖書館或長期保存，公司沒有公開解釋。原稿把原因直接寫成倉儲、溫濕度、保險與人力成本，雖然在實務上合理，現階段仍屬推論，不適合包裝成 Amazon 的決策原因。
比較能確定的是，如果一套流程的目標只是大量取得文字，裁書、掃描、處理下一本會比把每一本實體書重新整理成可收藏狀態快很多。這就是 destructive scanning 的效率來源，也是保存團體最在意的地方。
數位文字可以留下，但一本特定的書不只剩文字
對一般量產二手書來說，損失可能就是少了一個紙本副本；但如果書本身具有版本、特殊裝訂、簽名、藏書章、書店標記或讀者手寫註記，掃出文字並不能保存全部資訊。
這也是為什麼「rare books」三個字需要特別小心。這次調查沒有證明 VGT3 正在大量摧毀孤本級文化資產，但只要採購流程以 ISBN 與文字取得為主要目標，就有可能把「這本書作為文本是否有用」放在「這一冊實體本身是否值得保存」之前。前者適合模型資料庫，後者則是圖書館、檔案館與古籍市場在意的問題。
Amazon不是第一家公司掃書，這次真正的新東西是供應鏈被追到了
Anthropic 的 Project Panama 已經透過訴訟文件曝光，法院紀錄顯示公司曾大量購買、拆解並掃描紙本書。近幾個月，英國、愛爾蘭與澳洲的二手書商也陸續回報異常的大量訂單：主題沒有明顯關聯、數量很大、買方對價格相對不敏感，目的地有時又是轉運倉。部分書商因擔心書籍最後會被 destructive scanning，開始拒絕某些訂單。
這次 Amazon 調查真正多出來的，是一條可以一路追蹤的實體物流鏈。大約 1,000 本書從賣家出去，AirTag 最後進入 Amazon LAS8／VGT3，而 VGT3 員工又描述了拆書與掃描工作。以前的疑問是「到底誰在大量買這些書」，這次至少有一批訂單找到了具體終點。
所以，比較適合下的結論不是「整個 AI 產業都在秘密摧毀珍本」，而是 destructive scanning 已經不只是 Anthropic 訴訟裡的一個特殊案例。現在至少又有一場獨立調查，把類似作業追到了 Amazon 的實際設施。
Flock的12萬台車牌辨識器，提供的是另一種「規模問題」對照
同一週 Flock Safety 也因為全美自動車牌辨識網路受到大量批評，宣布縮短資料保存期限、強制使用異常搜尋稽核工具，並要求執法人員把搜尋綁定案件編號。Flock 的系統目前遍及美國 49 州，規模超過 12 萬台攝影機。
這和 Amazon 掃書不是同一種法律問題，也不適合直接說「拍一張車牌和掃一本書都是合法的，所以乘上十萬就變不合法」。自動車牌辨識的合憲性與資料使用本來就有持續訴訟，各州規則也不同。
比較有參考價值的是規模效應。單獨一台 ALPR 拍到一台車，和 12 萬台攝影機形成可搜尋的跨地區移動資料庫，治理問題完全不同；同樣地，一家公司自己掃描幾本書做內部搜尋，和建立大規模紙本收購、裁書、掃描供應鏈，也不是同一種資料取得能力。
這個對照比較能說明現在的爭議：很多技術動作本身已經存在很多年，真正改變環境的是自動化、資料庫與規模把它們連在一起後，能一次處理多少東西。
這件事對網站創作者有什麼關係？紙本書只是比較昂貴的那條資料管道
實體書至少還需要取得一本紙本、運送、拆解與掃描。公開網站則沒有這些物流成本。只要頁面可以公開讀取，取得文字的成本通常低得多。
因此，部落格、電子報、公開資料庫或其他網站內容面對的是另一種資料供應鏈。robots.txt 可以告訴爬蟲哪些路徑不希望被存取，但 IETF 的 Robots Exclusion Protocol 本身就明確提醒，它不是有效的內容安全措施，也不能替代真正的 Access Control。
這不代表 robots.txt 沒必要。它仍然是一個標準化的爬蟲政策表達方式，對願意遵守的搜尋引擎與 AI crawler 有作用；只是不適合把它理解成技術上的防盜鎖。
對內容經營者來說，比較實際的是分層處理：希望被搜尋的公開文章可以維持正常 Crawling；不希望任意取得的會員內容應該透過登入、權限與伺服器端控制限制；使用第三方平台發布的內容，則需要另外確認平台條款與是否提供 AI training opt-out。單一 robots.txt 很難同時解決這幾種問題。
創作者現在比較值得做的，不是把全部內容藏起來
先確認每個發布平台怎麼處理AI訓練資料
同一篇文章放在自架 WordPress、社群平台與電子報服務上，適用的是不同規則。平台是否取得內容訓練授權、是否能退出、退出只影響未來資料還是包含既有內容，都需要分開確認。
這一步很無聊，但比在作品底下放一句「禁止 AI 訓練」後就當作完成實際得多。聲明可以留下作者立場，真正的存取與授權還要看網站控制方式、平台條款與適用法律。
自有網站把robots.txt當政策層，不要當安全層
robots.txt 可以持續設定，尤其已知 AI crawler 有明確 User-Agent 時，可以直接表達站方政策。但 RFC 9309 已經說得很清楚，它不是內容安全機制。真的不希望公開取得的資料，需要 Authentication、Authorization 或其他伺服器端控制。
因此，公開 SEO 文章與私人資料不用採同一套策略。希望 Google 找得到的文章，本來就需要讓搜尋爬蟲存取；付費教材、內部檔案或真正不能外流的內容，就不應該只靠 Disallow。
把一手資料和查核過程留在自己的系統裡
實地照片、採訪錄音、測試紀錄、原始試算表、購買證明與版本歷史，價值不只在「比較難被 AI 複製」。它們還能回答一個生成文字很難回答的問題：這個資訊是怎麼得來的。
公開文章可以被爬走，句型也可以被模仿；原始採訪檔與實測紀錄卻仍然掌握在資料產生者手裡。對需要長期建立可信度的內容網站來說，這種 provenance 比刻意把文章寫得「不像 AI」實際很多。
公開文章把已確認與尚未確認的地方分開寫
這次 Amazon 事件本身就是很好的例子。目前可以確認 AirTag 到了哪裡、員工怎麼描述 VGT3、Amazon 如何回應；不能確認的則是掃描資料到底進入哪一個模型、總共處理多少書，以及這批資料現在被哪些 Amazon 產品使用。
把這兩層分開寫，讀者比較知道哪裡是調查結果、哪裡是合理推測。AI 生成內容變多之後，這種寫法不需要額外發明什麼「真人感」，單純把證據邊界標清楚就已經差很多。
這次 AirTag 調查最有意思的地方，不只是那隻 VGT3 暴龍。真正做調查的 404 Media 原本面對的是一條很難直接看到的資料供應鏈：書商知道有人大量買書，外界也知道 Anthropic 曾經 destructive scan，但到底是哪一家企業在接收某一批書，沒有答案。最後靠一顆藏在紙本裡的追蹤器，把其中一批貨一路送到了 Amazon。
但證據到這裡就該停。Amazon 還沒有確認 VGT3 的掃描內容就是特定 AI 模型的 training set，也沒有公開這項計畫的規模。404 Media 的調查提供了很強的線索，並且確認實體裁書掃描作業確實存在；下一步需要的仍然是 Amazon 更完整的說明，而不是把剩下的空白直接補成定論。
對內容創作者來說，這件事也不用變成「以後什麼都不能公開」。比較現實的提醒只有一個：文字一旦放進公開流通系統，後續可能怎麼被取得、轉換與再利用，已經不能只用傳統的「有人閱讀這篇文章」來理解。平台設定、網站爬蟲規則、授權條款與原始資料保存，都開始變成內容工作的一部分。
常見FAQ
Q1：Amazon真的承認買舊書來訓練AI嗎？
目前沒有完整承認。404 Media 調查把一批約 1,000 本書追到 Amazon LAS8／VGT3，並取得員工對裁書與掃描工作的描述；Amazon 則只表示會透過商業管道購書，以開發與改善客戶使用的產品與服務，沒有確認 VGT3 掃描資料具體用於哪一套 AI 模型。
Q2：被Amazon掃描的都是非常珍貴的古籍嗎？
不能這樣說。404 Media 將調查對象稱為 rare books，但書商也表示大量買家沒有鎖定連 ISBN 都沒有的最稀有古籍。比較準確的描述是稀有、冷門、舊版或尚未廣泛數位化的紙本出版品。
Q3：買下實體書後，把它裁開掃描就是合法的嗎？
拆毀或處分那一本合法購買的實體書，和重製書中受著作權保護的內容是兩個問題。美國 First Sale Doctrine 讓合法副本持有人可以處分那份實體副本，但掃描所涉及的重製仍要另外分析。2025 年 Bartz v. Anthropic 的特定案件中，法院認定 Anthropic 的訓練與合法購買紙本後的特定數位化方式屬 Fair Use，但不能因此推成所有 AI 訓練資料取得方式都已一律合法。
Q4：為什麼AI公司會想買舊的紙本書？
目前資料供應商的一個明確賣點，是生成式 AI 普及以前出版的書不會混入近年大量增加的 AI-generated text，而且許多冷門作品尚未完整出現在網路資料集中。404 Media 7 月的調查就記錄到書籍資料商以這個理由向 AI 客戶推銷舊紙本。
Q5：Amazon是第一家使用destructive scanning的AI公司嗎？
不是。Anthropic 的訴訟文件已經記錄公司大量購買紙本書、拆除裝訂、掃描後建立數位資料庫的作法。Amazon 這次的特別之處，是 404 Media 透過實體追蹤器把一批書的物流終點直接追到了 Amazon VGT3。
Q6：部落格設定robots.txt就能阻止AI公司取得文章嗎？
不能保證。robots.txt 是標準化的爬蟲規則，但 IETF 明確指出 Robots Exclusion Protocol 不能取代真正的內容安全措施。它適合表達 crawler policy；真正不能公開取得的內容，仍需要登入、權限或伺服器端存取控制。