前沿研究TechCrunch
research · 海外 AI 灵感
亚马逊收购绝版书破解AI训练数据荒
亚马逊大量收购稀有书籍，拆解扫描用于AI训练，解决高质量文本数据枯竭问题。
为什么有市场空间
国内AI公司同样面临高质量中文数据短缺，且中文书籍数字化程度低，存在大量未上网的绝版书和文献。与出版社合作数字化，或开发版权清晰的文本获取方案，可缓解数据荒，同时保护知识产权，符合国家鼓励AI发展与版权保护并重的政策导向。
01
背景故事
随着AI大模型训练对高质量文本的需求激增，互联网上的可用数据几乎被消耗殆尽，且存在大量AI生成内容导致模型崩溃的风险。亚马逊曾以在线书店起家，深知稀有书籍的价值，尤其是那些绝版或无法在线上找到的作品，它们成为独特且纯净的训练数据源。为了获取这些内容，亚马逊通过商业渠道大量收购，甚至不惜破坏书籍装帧进行扫描，这一做法虽引发争议，但也凸显了数据稀缺的紧迫性。
02
落地效果
据404 Media报道，亚马逊已在拉斯维加斯建立名为VGT3的设施，专门处理这些书籍，其标识为恐龙抱书图案。亚马逊确认购买书籍用于改善产品和服务，但具体训练数据量和模型效果尚未公开落地数据。
栏目说明
本栏目内容由 AI 对海外科技媒体公开报道进行中文改写，并经创新性筛选、国内相关性门控与 MVP 可行性分析生成。 金点子用于灵感参考，不构成投资或创业建议。点击「查看原文」可追溯出处。