Amazon AI 書籍掃描調查：AirTag 追到 VGT3，證據到哪裡為止？（2026）

2026 年 8 月 17 日，記者 Emanuel Maiberg 在 404 Media 發布了調查〈We Tracked a Shipment of Rare Books. It Ended at an Amazon AI Training Facility〉。這起 Amazon AI 書籍掃描調查最有力的地方，不是標題裡的「AI」，而是一個極具體的物理軌跡：追蹤器跟著一批書，最後停在 Amazon 位於拉斯維加斯的設施。

但一條物流軌跡不是完整的資料血緣。本文先還原 404 Media 真正查到的事，再把 Amazon 的回覆、法院對 Anthropic 掃書案的判決、圖書保存規範與 AI 訓練資料研究放在一起對帳，最後回答兩個更難的問題：哪些結論已經站得住，哪些仍只是合理推論；一本書被轉成機器可讀資料後，究竟失去了什麼？

一、Amazon AI 書籍掃描：一個 AirTag 能證明什麼？

404 Media 的方法很簡單：把 AirTag 放進一批被懷疑將由 AI 公司收購的書中，沿途追蹤。報導稱，這批貨最終抵達拉斯維加斯一座 Amazon 倉庫；Clark County 的公開紀錄也能獨立確認 LAS8 是 Amazon 在該址的設施。記者再結合追蹤器位置、員工說法與內部論壇線索，把同一園區內的書籍作業單位辨識為 VGT3。

這裡必須把證據拆成三層：

• 追蹤器直接支持：至少一批書抵達 Amazon 的拉斯維加斯設施。
• 員工敘述支持：VGT3 接收大量紙本書、切除裝訂，讓散頁更快通過掃描設備，紙本在流程中被破壞。
• 仍待證明：那一本帶有 AirTag 的書後來是否真的被切開、掃描檔進入哪個資料集、用在哪個產品或模型，以及整體規模多大。

所以，AirTag 提供的是一個可信的物流終點，不是從單本書一路連到 Nova、Titan、Alexa 或其他模型的完整 lineage。把這兩件事混成一句「追蹤器證明 Amazon 用這些書訓練某個 AI」，會比公開證據多走一步。

二、VGT3 的流程很具體，但不是逐本稽核

404 引述多名自稱在該處工作的 Amazon 員工：有人負責收貨與掃描條碼，有人切掉書脊，另有人把散頁送進掃描器。這不是難以想像的技術；破壞式掃描本來就是高吞吐量數位化的一種做法。去掉裝訂後，頁面能以自動進紙方式快速處理，成本通常低於逐頁翻拍。

關鍵限制在證據型態。404 的報導把一個實際追蹤終點，和員工對日常流程的描述拼在一起，這比單靠傳聞強得多；但它沒有公開逐本操作影像、掃描紀錄或資料庫清單。最穩妥的表述是：404 根據 AirTag 與員工說法，記錄到一個破壞式書籍掃描作業；不是 Amazon 已公開一份可供外部稽核的 VGT3 AI 資料政策。

三、Amazon 說了一句話，留下四個空白

“Amazon purchases books through commercial channels to help develop and improve the products and services our customers use.”

中文：Amazon 透過商業管道購買書籍，用來協助開發與改善客戶使用的產品與服務。

Amazon 發言人回覆 404 Media

這段回覆確認了兩件事：Amazon 會買書，而且目的與產品、服務開發有關。但 404 公開的回覆沒有列出四項最重要的資訊：哪個產品、哪個模型、哪個訓練階段、哪些權利依據。它甚至沒有在引句中使用「AI」一詞；把 VGT3 定義為 AI training facility，是 404 綜合調查後的結論，不是 Amazon 的逐字承認。

歷史資料也不能替這次調查補上缺口。AWS 在 2022 年的技術實驗文章確實寫過使用 The Pile，而 The Pile 包含 Books3；那是一個示範用的十億參數模型實驗，不能反推 2026 年 VGT3 的掃描檔流向。同樣地，截至 2026 年 8 月 18 日，Amazon Nova 的這份服務卡只揭露授權、專有、開放與公開資料等大類，沒有書名層級的來源，也沒有把 VGT3 連到任何具名模型。

四、買下實體書，不等於自動取得所有複製權

這場爭議很容易被壓成「公司買了書，所以愛怎麼用都可以」或「掃描受版權保護的書一定違法」。美國法其實把幾個問題分開處理：

問題	主要規則	不能直接推出什麼
能否處分那一本紙本？	17 U.S.C. §109 的 first-sale doctrine，通常讓合法副本所有人得以出售或處分該實體。	不會因此自動取得作品的複製權。
能否製作數位副本？	需要授權、公共領域身分，或依§107 進行個案合理使用分析。	「拿來訓練 AI」不是自動通關密語。
是否應保存紙本？	要看版本、存世量、裝幀、批註、來源與研究價值。	法律可處分，不等於文化保存上毫無代價。

換句話說，實體所有權、著作權複製問題與保存責任，是三本不同的帳。Amazon 可能在第一本帳上有很強的權利；第二本帳仍要看具體作品與用途；第三本帳甚至不是現行著作權法主要替社會回答的問題。

五、Anthropic 判決沒有要求公司毀書

最接近的法律比較，是 2025 年北加州聯邦地方法院的 Bartz v. Anthropic 裁定。法院紀錄顯示，Anthropic 購入數百萬本紙本書，由服務商拆掉裝訂、裁頁、掃描，再丟棄紙本；公司保留一份內部數位副本，沒有證據顯示這些替代副本向外散布。

法院在該案紀錄上，分別認為特定 LLM 訓練用途具有轉化性，且「買一本、數位化一份、毀掉紙本、不對外分享」的格式替換構成合理使用；但法院也拒絕替 Anthropic 從盜版來源取得並永久保留的中央書庫開綠燈。這是一份地方法院、依具體事實作成的裁定，不是最高法院宣布所有 AI 訓練一律合法。

最重要的校正是：法院沒有命令 Anthropic 毀書，也沒有判定 Amazon 的流程合法。銷毀紙本只是讓 Anthropic 的「一進一出」論證更有利。這可能形成一個不舒服的制度誘因——原書與數位副本同時存在，和只留下內部數位替代品，在訴訟敘事上不完全相同——但這仍不能證明 Amazon 是為了利用該裁定而設計 VGT3。

六、「稀有」不是價格標籤，更不是孤本證明

404 把這批書描述成流通副本很少，可能因印量小、語言較少見或已難以取得；報導同時沒有公開書名、版次、品相、價格與圖書館館藏量。這使外界無法逐本查 WorldCat、辨識初版或作者題記，也無法判斷被處理的是普通重印本、受損複本，還是帶有獨特來源的實體。

因此，稱它們為「珍貴古籍」「孤本」或「最後存世副本」都超出證據。反方最強的情境也必須正面承認：若 Amazon 買到的是合法、常見、已有許多館藏或狀況不佳的複本，圖書館本來也會依館藏政策淘汰重複、損壞或低使用率資料。破壞一本普通複本，和讓一個作品或版本從公共世界消失，不是同一件事。

問題在於，截至 2026 年 8 月 18 日，我們檢視到的 Amazon 公開說明與 404 回覆，沒有提供足以驗證這個最強反方的篩選制度。缺少 title／edition、館藏量、last-copy 檢查與 artifact-value 規則，讀者既不能證明每一本都是文化損失，也不能放心相信每一本都只是可消耗的原料。

七、掃描保存了文字，卻未必保存一本書

破壞式掃描可以保留頁面影像或 OCR 文字，卻未必保存「書作為物件」的資訊。紙張、水印、墨色、裝幀、手寫批註、藏書票、修補痕跡與來源，都可能是未來研究者要讀的證據；把頁面切散後，原始關係無法完整復原。截至 2026 年 8 月 18 日，404 本次公開材料與 Amazon 回覆沒有說明保存的是高解析頁面影像、只有 OCR 文字，還是經處理後的 token，也沒有披露品質控管、metadata 與保存期限。

美國國會圖書館的掃描保存指引要求先評估原件狀況、裝訂與設備影響，並指出脆弱、高價或特殊館藏不適合送進自動進紙設備；FADGI 文化資產數位化指南也列出書架式相機、planetary scanner 等非破壞方法。這證明替代技術存在，但不代表它們能用相同成本與速度處理工業規模的書流。

最準確的結論不是「掃描等於保存」或「掃描等於抹除知識」，而是：文字內容或許留下了，實體副本的可轉售、可借閱、可重新影像化與物件證據價值卻可能永久消失。

八、AI 為何還要找舊書？不是因為合成資料「都有毒」

書籍對 AI 公司有吸引力並不神祕：它們提供經編輯的長篇結構、較少見的語言與主題，以及可追溯到大規模生成式 AI 普及前的人類文本分布。相較於充滿重複、SEO 拼接與模型生成內容的開放網路，一批經過策展、去重與清理的書，可以補足語料長尾。

2024 年發表於 Nature 的 model collapse 研究顯示，如果新一代模型反覆以模型生成資料取代原始人類資料，分布尾端會逐代流失。但這不等於「所有合成資料都是毒」。後續研究指出，只要累積保留真實資料並妥善混合合成資料，模型可以維持穩定。

而且「買到舊書」不等於「得到高品質資料」。掃描會有 OCR 錯字，版本可能重複，出版內容也可能過時、帶偏見或本來就品質不佳。真正稀缺的不是一個浪漫的「AI 前純淨年代」，而是來源可追、版本可辨、品質可量測、權利狀態可說明的人類資料。

九、Amazon AI 書籍掃描的真正爭點：這不是數位焚書，而是一次不對稱轉換

我同意：追蹤器讓一個封閉流程第一次變得具體

Amazon AI 書籍掃描之所以值得關注，不是因為「科技公司居然會拆書」；破壞式掃描並不新。真正的新資訊是，一批原本仍能在二手市場流通的書，被追到一個由員工描述為切書、掃描的 Amazon 作業點，而公司只提供高度概括的用途說明。這讓資料取得不再只是抽象的 terms of service，而是一條看得見、卻仍無法審計的供應鏈。

我存疑：標題把「目的」說得比回覆更確定

404 的證據足以讓「AI 資料作業」成為合理而重要的調查結論，但不足以指出特定模型、訓練階段或每一本書的命運。Amazon 沒有在公開引句裡承認 VGT3 是 AI training facility；書名未公開，也讓「rare」無法被獨立分級。嚴謹的讀法不是否定報導，而是把物流證據、員工證詞、公司承認與記者推論分層保存。

更深的問題：公共可接近性下降，私人計算價值上升

一本紙本書即使冷門，仍可能被轉售、借閱、收藏、重新掃描或讓未來研究者檢查；一旦切碎，它轉成公司內部的機器資產，外界卻不知道數位替代品能否被看見、能保存多久、會支援哪個產品。知識未必消失，但公共可接近性與私人可計算價值朝相反方向移動。這比「Amazon 是否討厭書」更接近治理核心。

什麼證據會改變判斷？

如果 Amazon 能證明每本書都合法取得、先查核版本與館藏量、對 last copy／批註本／脆弱本採非破壞流程、只保留一份受控的內部替代品、模型輸出不會取代原作，並公開殘骸回收與資料保留政策，那麼法律與文化保存上的批評都會大幅減弱。反過來，如果出現未授權取得、未做稀有度篩選、掃描品質不足或把可替代原作的輸出商業化等證據，爭議就會更嚴重。

十、接下來該要求的不是口號，而是四張表

這起調查留下的最好行動方向，不是要求所有紙本永遠不能被拆，也不是讓「合法買到」替所有後續用途背書。對任何工業規模的破壞式數位化，至少應有四層可查核紀錄：

1. 取得表：購買管道、授權或公共領域狀態、書名與版次。
2. 保存分流表：館藏量、last-copy 檢查、品相、批註與來源價值；被標記者改用非破壞掃描或轉交保存機構。
3. 轉換表：影像解析度、OCR、去重、品質控制、metadata、實體殘骸處理與數位檔保存期限。
4. 用途表：資料進入哪個產品或訓練階段、誰能存取、輸出如何避免替代原作，並發布可供外部稽核的彙總數字。

出版社、圖書館與二手書平台也能做一件實際的事：讓版次、館藏稀缺度與物件特徵更容易被機器查詢。當工業流程只看 ISBN 與價格，真正容易消失的往往不是最貴的書，而是 metadata 最差、語言最邊緣、卻沒有人先替它貼上「不可逆處理前請停一下」的那一批。