404 Media近日通过追踪一本珍本图书，将视线引向亚马逊位于内华达州拉斯维加斯的一处仓储设施。该仓库内运作的团队代号VGT3，其标识为一只张着嘴、手持书本的恐龙形象。团队的核心任务是将书籍拆解并扫描，为人工智能模型的训练提供数据素材。

一位在该仓库工作的匿名员工接受了媒体采访，透露了内部运作的诸多细节。据其描述，仓库接收的图书来源广泛，既有全新出版物，也有二手旧书，甚至包含一份代表英女王提交给议会的文件副本。图书语种覆盖德语、俄语、日语等多种语言，显示出采集范围的全球化特征。

在具体操作流程上，员工会首先扫描图书条形码，以识别并剔除重复副本，这些多余书籍将被退回给经销商。随后，团队使用人工操作的设备切开书脊，再利用数十台扫描仪对书页进行高速数字化处理。完成扫描后的纸质页面会被统一销毁。

该员工指出，亚马逊最初向团队宣称这些扫描数据将用于扩充Kindle电子书库，但这一说法在版权层面存在明显疑点。随着工作推进，员工逐渐了解到真实用途——这些内容实际是为训练人工智能系统而构建的大规模语料库。这一转变揭示了科技巨头在数据获取策略上的隐蔽性。

这一事件折射出AI产业对高质量文本数据的旺盛需求，以及数据采集过程中可能涉及的版权与透明度问题。对于从业者而言，如何平衡技术发展与版权合规，正成为行业亟需面对的课题。