AI 焚书现在网络充斥大量AI产出的同质化水文，如果持续抓取这类文本训练模型，会造成模型退化、逻辑混乱灵。

而2022年前印刷的书籍，全部是人类原创、经过编辑校对，是相对稀缺、纯净度相对高的高质量语料。

这些巨头更现实的考虑是：第一、规避一部分版权风险。按照海外现有判例，企业合法购入实体图书、仅内部提取文字训练，被认定为“合理使用”；比直接爬取电子书，法律纠纷门槛更低。

第二、可以筑建独家数据壁垒。不少冷门专著、地方史料存量稀少，收购销毁之后，同行很难获取同源文本，形成别人拿不到的知识库。