AI xé sách hàng loạt để nuôi mô hình: Cú đấm thầm lặng vào thị trường nội dung

Có một kho sách. Hàng triệu cuốn. Chúng được mua theo tấn, không phải theo cuốn. Người ta bóc bìa, xé gáy, đưa từng trang vào máy scan công nghiệp. Sau đó, xác sách biến mất. Không vào thư viện. Không vào tay người đọc. Chúng trở thành dữ liệu huấn luyện cho các mô hình AI. Cú đấm thầm lặng đánh thức thanh khoản ngủ quên. Không ai nói tên công ty. Không ai công bố số liệu. Nhưng quy mô đủ lớn để gọi là một chiến dịch. Vài triệu cuốn sách — nếu con số đó đúng — tạo ra hàng trăm tỷ token. Một kho vũ khí ngôn ngữ giữa cuộc chiến giành trí tuệ nhân tạo. Câu chuyện bắt đầu từ một bài phân tích không tên. Nó mô tả các nhà phát triển AI mua sách giấy, bóc trang, quét thành dạng số, rồi vứt phần còn lại. Google Books đã làm việc này từ năm 2004, với 40 triệu cuốn. Nhưng mục đích của Google là trích đoạn tìm kiếm. AI hiện đại cần toàn bộ văn bản, để học cách suy luận, kể chuyện, lập luận. Vì vậy, họ mua sách giấy. Tại sao không mua bản quyền số? Vì đàm phán với nhà xuất bản tốn thời gian và tiền bạc. Sách cũ, sách tuyệt bản, sách không có bản số — tất cả chỉ tồn tại dưới dạng giấy. Mua cả tấn sách cũ giá rẻ, quét sạch, không cần xin phép ai. Về mặt kỹ thuật, đây là một cách né tránh rủi ro pháp lý: "tôi mua cuốn sách, tôi có quyền với vật tôi sở hữu". Nhưng quyền sở hữu vật lý không bao gồm quyền sao chép toàn bộ. Ranh giới pháp lý mong manh hơn người ta tưởng. Trong thế giới blockchain, chúng ta quen nghĩ dữ liệu nằm trên sổ cái công khai. Nhưng dữ liệu tốt nhất thế giới vẫn nằm trong giấy. Và một nhóm nhỏ đang âm thầm chuyển nó thành tài sản riêng. Điều này tương tự sequencer của Layer2: quảng cáo phi tập trung, nhưng thực chất một node đơn lẻ quyết định thứ tự giao dịch. Dữ liệu cũng vậy. Vài công ty AI đang nắm quyền quyết định lịch sử nào được số hóa, tri thức nào được giữ lại. Đó là quyền lực trong im lặng. Tôi từng audit hợp đồng thông minh thời ICO năm 2017. Bài học đầu tiên: nhìn vào dòng tiền, không nhìn vào lời hứa. Dòng tiền ở đây đang chảy vào sách giấy. Hãy làm phép toán. Vài triệu cuốn sách, mua theo lô, giá mỗi cuốn từ một đến năm đô la. Riêng tiền sách đã từ ba đến hai mươi lăm triệu đô la. Kho bãi: năm đến mười nghìn mét vuông. Máy scan công nghiệp: từ năm mươi đến một trăm năm mươi nghìn đô la mỗi chiếc. Nhân công xé sách, quét từng trang, kiểm tra chất lượng OCR. Toàn bộ dự án có thể tiêu tốn từ mười đến năm mươi triệu đô la. Con số này chỉ là một vết cắt nhỏ so với ngân sách hàng chục tỷ đô la của các phòng lab AI hàng đầu. Nhưng nó đủ để đào một con hào. Các công ty nhỏ không thể theo kịp. Cú đấm thầm lặng đánh thức thanh khoản ngủ quên. Từ vài triệu cuốn sách, người ta thu về khoảng năm mươi đến hai trăm tỷ token. Một mô hình trăm tỷ tham số cần hàng chục nghìn tỷ token để huấn luyện. Đống sách này chỉ là một viên gạch trong tòa lâu đài. Nhưng đó là viên gạch tinh khiết nhất. Sách có cấu trúc, có mạch lạc, có chiều sâu; khác hẳn rác rưởi trên web. Trong giới options, tôi gọi những tài sản chất lượng cao đang bị bỏ quên là "thanh khoản ngủ quên". Sách chính là thanh khoản ngủ quên. Nhưng vấn đề không nằm ở kỹ thuật. Vấn đề nằm ở quyền lực. Ai kiểm soát dữ liệu độc quyền, người đó kiểm soát mô hình. Cũng giống như một sequencer tập trung quyết định thứ tự giao dịch trong Layer2, một bộ phận nhỏ của công ty AI quyết định cuốn sách nào đi vào mô hình, cuốn sách nào bị bỏ lại. Đây không phải là vấn đề bản quyền. Đây là vấn đề quyền hạn. Nếu Uniswap V4 giới thiệu hooks — những đoạn code cho phép can thiệp vào từng bước của thanh khoản — thì các công ty AI đang tự viết hooks cho dữ liệu của họ. Mỗi bước: chọn sách, scan, OCR, lọc, trộn tỷ lệ — là một lệnh can thiệp. Không ai kiểm tra. Không có cơ chế đồng thuận nào. Trong một thị trường giá xuống, mọi người nói đến sống sót. Nhưng sống sót không chỉ là quản lý danh mục. Nó còn là bảo vệ nguồn lực đầu vào. Các quỹ đầu tư vào blockchain đang theo dõi dòng tiền của các quỹ AI. Những gì đang xảy ra với sách là một tín hiệu: dữ liệu chất lượng cao ngày càng khan hiếm, ngày càng đắt đỏ, ngày càng tập trung. Nếu bạn nghĩ DeFi có thể thay thế ngân hàng, hãy nghĩ lại. Trước tiên, AI cần hiểu thế giới. Và thế giới đó đang bị vài thực thể độc quyền số hóa. Đám đông sẽ hét lên: "Chúng đang đốt sách!". Thực tế không phải vậy. Sách không bị đốt. Chúng bị xé và biến thành một dạng khác. Thông tin vẫn còn đó, chỉ là nó không còn thuộc về công chúng. Nó nằm trong một kho dữ liệu riêng, sau tường lửa, dùng để đào tạo mô hình đắt nhất hành tinh. Câu chuyện "bảo tồn tri thức" chỉ là một cái vỏ. Bên trong là câu chuyện tước đoạt. Đám đông lo lắng về đạo đức, về tác giả, về văn hóa. Còn người trong cuộc thì đang đếm token. Góc nhìn phản trực giác nằm ở chỗ: blockchain — thứ duy nhất có thể tạo ra dấu vết minh bạch cho hành trình của một cuốn sách — lại hoàn toàn vắng mặt trong câu chuyện này. Không có bằng chứng on-chain. Không có dấu vân tay dữ liệu. Các công ty AI không muốn một sổ cái công khai ghi lại những gì họ đã mua và quét. Nếu có một thứ gì đó giống như một "bằng chứng số hóa sách" được ghi trên blockchain, người ta có thể xác minh nguồn gốc. Nhưng không ai đề xuất làm điều đó. Bởi vì bí mật là lợi thế cạnh tranh. Hãy nhớ: trong thị trường này, "minh bạch" là một khẩu hiệu để bán token, không phải để vận hành doanh nghiệp. Cuộc chiến giành dữ liệu đã bắt đầu từ lâu. Sách giấy chỉ là một chiến trường ngầm. Mỗi cuốn sách bị xé là một cú đấm thầm lặng vào tường thành tri thức. Cú đấm thầm lặng đánh thức thanh khoản ngủ quên — nhưng không phải để phục vụ cộng đồng, mà để phục vụ một nhóm nhỏ. Câu hỏi lớn nhất không phải là "AI có vi phạm bản quyền không?". Câu hỏi lớn nhất là: ai sở hữu tri thức đã được số hóa, và liệu chúng ta có đang xây dựng một thế giới mà chỉ vài tập đoàn nắm giữ chìa khóa? Khi mô hình AI trở thành hạ tầng, thì dữ liệu chính là nền móng. Nếu nền móng nằm dưới quyền kiểm soát của số ít, công trình sẽ sụp đổ theo cách chúng ta không ngờ tới. Hãy nhìn vào dữ liệu thực địa, đừng nghe khẩu hiệu.