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
886 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
11.36亿股解禁压顶!中金公司历史上第5次跌停,股民:已经跌破924以来的底了

HOT / 1

11.36亿股解禁压顶!中金公司历史上第5次跌停,股民:已经跌破924以来的底了

10月29日,A股券商板块整体走弱。截至收盘,中金公司10CM跌停,华鑫股份跌近8%,财达证券跌超5%,湘财股份、首创证券、西部证券等公司股价纷纷走跌。 其中,中金公司A股股价更是低开低走,午后触及跌停。截至目前,股价报27.12元/股,跌幅9.99%。对于一家头部券商而言,单日跌停的走势颇为罕见。中金公司股价也创“924”行情以来新低。有投资者在股吧表示,“已经跌破924以来的底了”。 值得一提

演员张蓝心自曝讨薪六年:“谁还没有讨薪的时候呢,我只是讨了6年而已”

HOT / 2

演员张蓝心自曝讨薪六年:“谁还没有讨薪的时候呢,我只是讨了6年而已”

据11月2日报道,最近,演员张蓝心一段关于“讨薪”的自述,直接把不少打工人看沉默了。她自曝被拖欠综艺和电影片酬长达六年,其中不乏大卫视的综艺项目,还有一些上映或没上映的电影。一句话总结:活儿干了,钱没到,人还找不着了。 据张蓝心描述,这些项目完结后,合作方直接失联,尾款迟迟不结。她用一句“人都走了,都没这人了,告不了了”来形容自己的处境——基本等于追回无望。六年时间,说长不长,说短不短,但放在任何

媒体人:冉珂嘉是所有留学的中国球员中最适应NCAA的球员

HOT / 3

媒体人:冉珂嘉是所有留学的中国球员中最适应NCAA的球员

直播吧11月10日讯 NCAA常规赛,泽维尔大学 70-54 战胜阿克伦大学。 本场比赛,效力于泽维尔大学的冉珂嘉首发出场27分钟,投篮9中6,三分6中4,罚球2罚1中,得到17分6篮板1抢断。 媒体人“别跑刚背猪”发文谈到了冉珂嘉,内容如下: 不开玩笑,冉珂嘉应该是所有留学的中国球员当中最适应NCAA的球员。 各种技战术执行,进攻选择,技术细节,跟NCAA的完全融合了,几乎看不出来原来国内的痕迹

终结勇士8连胜!库里伤退!杜兰特超奥尼尔,斯玛特挥拳遭驱逐!

HOT / 4

终结勇士8连胜!库里伤退!杜兰特超奥尼尔,斯玛特挥拳遭驱逐!

火箭主场迎战勇士,火箭先发:杜兰特、小史密斯、申京、阿门、范弗里特!勇士先发:伦德博格、格林、霍福德、波杰姆斯基、库里! 首节开局,史密斯先进三分,伦德伯格篮下时间差打进。申京篮下打成以后,杜兰特2+1,阿门再次切球库里抢断,火箭反击杜兰特上篮命中领先到了7分。阿门干扰球以后,申京外线三分也进,库里三分也来。但库里投进这个三分以后,受伤返回更衣室。火箭这边杜兰特状态神勇,连续中距离,然后助攻斯玛特

大胆预测!2027欧冠冠军锁定三支球队,不是曼城,也不是巴萨

HOT / 5

大胆预测!2027欧冠冠军锁定三支球队,不是曼城,也不是巴萨

巴黎体系稳如铁桶,皇马变数全靠玄学,拜仁火力猛如烟花——但欧冠从不是比谁更稳,而是比谁先犯错。这套“下限论”看似有理,实则把足球简化成了数学题,评论区已经吵翻了。 欧冠这个玩意儿,有时候真不是谁纸面最强谁就能捧杯。2026年决赛,巴黎常规时间和阿森纳踢成1比1,加时没分出来,点球4比3,总比分5比4,硬生生把大耳朵杯留在了王子公园。再往前推半个月,半决赛打拜仁,首回合5比4,次回合1比1,总比分6