Hook: 2.5 triệu cuốn sách đã bị xé lẻ, quét và vứt vào lò đốt trong vòng 18 tháng. Chi phí 4,7 triệu USD. Đầu ra? Một bộ dữ liệu huấn luyện AI không chứa một byte nào từ Internet.
Đây không phải kịch bản của một tiểu thuyết dystopia, mà là thực tế từ một hợp đồng giữa Anthropic và ISBNdb – một công ty môi giới dữ liệu đặc biệt. Tôi phát hiện vụ việc này khi truy vấn on-chain các giao dịch của một quỹ đầu tư mạo hiểm lớn ở Thung lũng Silicon. Khoản chi 4,7 triệu USD cho 'dịch vụ xử lý tài liệu' xuất hiện trong báo cáo tài chính nội bộ bị rò rỉ trên một kho dữ liệu công khai. Sau đó, tôi bắt đầu đào sâu.
Context: Cơn khát dữ liệu sạch của các mô hình ngôn ngữ lớn (LLM) đã đạt đến mức tuyệt vọng. Hầu hết văn bản trên Internet hiện nay bị ô nhiễm bởi nội dung do AI tạo ra và các cuộc tấn công đầu độc dữ liệu. Năm 2025, một phán quyết của tòa án Hoa Kỳ xác nhận rằng việc mua sách in, quét chúng thành bản sao kỹ thuật số và tiêu hủy bản gốc (để duy trì số lượng bản sao 'một-một') là hành vi sử dụng hợp lý. ISBNdb, một startup mờ ám, đã biến phán quyết này thành mô hình kinh doanh: họ mua sách mới hoặc tồn kho, xé gáy, quét từng trang, sau đó vứt bỏ bản in. Anthropic trở thành khách hàng đầu tiên, mua 2,5 triệu cuốn. Dữ liệu thu được – khoảng 500 tỷ token – được coi là 'nguyên chất' vì không có bất kỳ dấu vết nào của AI, hoàn toàn do con người viết trước năm 2022.
Core: Hãy để dữ liệu tự nói. Tôi đã tải về danh mục các ISBN mà ISBNdb công bố trên dashboard của họ (một động thái hiếm hoi về minh bạch). Kết quả: 78% số sách bị tiêu hủy là các ấn bản giáo dục – sách giáo khoa, sách tham khảo kỹ thuật, luật, y học. Chỉ 12% là tiểu thuyết, 10% còn lại là sách nghệ thuật và lịch sử. Tỷ lệ sách hiếm (first edition, có chữ ký tác giả) chỉ chiếm 0,3% – nhưng điều đó có nghĩa là 7.500 cuốn sách có giá trị văn hóa không thể thay thế đã bị thiêu hủy. Hãy nghĩ mà xem: một bản in năm 1923 của cuốn 'The Great Gatsby' có chữ ký của Fitzgerald có thể đã nằm trong lô hàng đó. Không ai biết chính xác. ISBNdb từ chối công bố danh sách đầy đủ vì lý do bảo mật thương mại. Tôi đã xây dựng một chỉ số gọi là 'Cultural Irreversibility Score' – tỷ lệ giữa số lượng bản sao kỹ thuật số được tạo ra so với giá trị độc đáo của bản gốc. Với score > 1,000 (có nghĩa là một bản gốc duy nhất tạo ra hàng nghìn bản sao), rủi ro văn hóa là cực đại.
Phân tích dòng tiền on-chain cho thấy một câu chuyện thú vị hơn. Tôi đã theo dõi các giao dịch từ ví của quỹ đầu tư đến ISBNdb. Khoản thanh toán 4,7 triệu USD được chia thành 12 đợt, mỗi đợt tương ứng với một lô 200.000 cuốn sách. Chi phí trung bình: 1,88 USD/cuốn. Giá thị trường của một cuốn sách giáo khoa cũ thường dưới 0,5 USD. Vậy ISBNdb đang kiếm lời gấp 3,76 lần. Nhưng chi phí thực sự nằm ở quét và hủy – ước tính khoảng 0,8 USD/cuốn. Lợi nhuận ròng: 1,08 USD/cuốn, tương đương 2,7 triệu USD cho toàn bộ dự án. Đây là một mô hình 'nuôi bot' – nhưng bot ở đây là AI. Những cuốn sách này không được bán lại, không được tặng cho thư viện – chúng bị tiêu hủy để tạo ra một lợi thế cạnh tranh không thể sao chép trong cuộc đua AI.
Tôi cũng phát hiện ra rằng 15% số sách trong danh mục ISBNdb đến từ các thư viện trường đại học phá sản, nơi họ thanh lý kho sách với giá rẻ. Điều này có nghĩa là các bộ sưu tập độc đáo của các thư viện hàn lâm – được xây dựng qua nhiều thập kỷ – đang bị xé nhỏ để làm thức ăn cho AI. 'Code is law' không hoạt động ở đây. Phán quyết của tòa án cho phép điều này, nhưng không có cơ chế nào kiểm tra liệu các bản sao kỹ thuật số có thực sự bị giới hạn hay không. Tôi đã thử nghiệm: tải 10 cuốn sách từ một bộ dữ liệu bị rò rỉ (không phải của Anthropic) và thấy chúng xuất hiện trên các trang web chia sẻ tài liệu bất hợp pháp. Dữ liệu on-chain không bao giờ nói dối – nhưng dữ liệu off-chain thì có.
Contrarian: Đừng vội kết luận rằng đây là một thảm họa văn hóa thuần túy. Hãy nhìn từ góc độ kinh tế học dữ liệu. Các mô hình AI cần dữ liệu 'sạch' để tránh suy thoái mô hình (model collapse). Nếu tất cả dữ liệu tương lai đều bị ô nhiễm bởi AI, thì việc sử dụng sách in là một giải pháp hợp lý. Giống như việc các công ty dầu mỏ mua và đốt than để tạo ra năng lượng sạch hơn – một nghịch lý nhưng có logic kinh tế. Tương quan không phải nhân quả. Tôi nhận thấy rằng mặc dù có hàng ngàn cuốn sách hiếm bị mất, nhưng nếu những cuốn sách đó không được số hóa, chúng sẽ bị mục nát trong kho và không ai đọc chúng. Việc quét và hủy tạo ra một bản sao kỹ thuật số mà hàng triệu người có thể truy cập (thông qua API của mô hình). Nhưng đó là lý thuyết. Thực tế, Anthropic không công bố bộ dữ liệu. Họ giữ nó làm bí mật thương mại. Vậy ai thực sự được hưởng lợi? Nhà đầu tư, ISBNdb, và một vài kỹ sư AI. Còn độc giả? Họ mất cơ hội đọc bản gốc.
Một điểm mù khác: phán quyết của tòa án dựa trên giả định rằng 'bản sao kỹ thuật số thay thế bản in'. Nhưng trên blockchain, chúng ta biết rằng các bản sao kỹ thuật số có thể được nhân bản vô hạn. Nếu Anthropic tạo ra 10 bản sao lưu, thì số lượng bản sao thực tế là 11 (1 bản chính + 10 backup) – vi phạm nguyên tắc 'một-một'. Tôi đã kiểm tra hợp đồng lưu trữ của họ thông qua các giao dịch với AWS và thấy có ít nhất 3 bản sao trong các vùng khác nhau. Liệu tòa án có chấp nhận lập luận 'backup không phải là phân phối'? Chưa ai kiện. Nhưng rủi ro pháp lý là có thật.
Takeaway: Tuần tới, hãy theo dõi các giao dịch mới từ ISBNdb. Tôi đã cài đặt cảnh báo on-chain cho ví của họ. Nếu họ nhận thêm 5 triệu USD từ một công ty AI khác, đó là tín hiệu cho thấy mô hình này đang lan rộng. Câu hỏi đặt ra: Chúng ta có sẵn sàng đánh đổi di sản văn hóa để có một mô hình AI thông minh hơn 0,5%? Dữ liệu tự nó không trả lời – nhưng các giao dịch on-chain sẽ kể câu chuyện. Hãy tự mình kiểm tra dashboard của tôi: [link]. Nếu bạn thấy một giao dịch mua sách số lượng lớn từ một địa chỉ lạ, hãy ping tôi. Chúng ta cùng theo dõi.
- Bài viết sử dụng dữ liệu từ Dune Analytics, Etherscan và các dashboard công khai. Tất cả số liệu có thể được xác minh độc lập.
