Steven Levy：AI 公司正抢购企业的旧邮件、Slack 和文档来训练模型，Spirit 航空破产资产里的 5 亿条内部消息也被竞价

最近，一种新型推销邮件找上了我的收件箱。「不知道你有没有听说，」一个叫 Nick 的人写道，「Anthropic 和 OpenAI 等 AI 实验室正在向 Wired 这样的媒体公司一次性支付 35 万到 180 万美元，购买它们旧工作记录（文档、邮件、Slack 消息、工单等）的副本，用来训练更好的模型。」

另一封内容类似的邮件（在想要的信息清单里加上了通话记录）把价码抬到了可能的 200 万美元。「公开数据已经用尽，实验室正花超过 450 亿美元购买私有数据来打造更好的模型，」一个叫 Cora 的人写道。

我知道 AI 公司在从各种渠道购买专家数据，但这件事一直没受到太多关注。可一旦深入了解，我发现这门生意比我想象的大得多——而且按从业者的说法，它对劳动者和社会的影响，可能不亚于眼下占据新闻头条的数据中心。

联系我的这些公司，属于一场数据采购行业热潮的一部分：它们一直在悄悄买下大型公司的工作流程，而且胃口大到已经蔓延到了我们的收件箱。一位自由撰稿人最近写了自己的经历：一家叫 Handshake 的公司出价 1000 美元，想买她为一篇报道所做的工作材料。（她没卖。）Handshake 的一位代表向我证实了这个报价：「我们在很多领域授权专业文档，好让实验室测试和训练模型处理真实知识工作的能力，」他说，「新闻业就是其中一个领域。」Handshake 告诉我，它的一大块业务是收购研究生的论文和课程作业。

我的一位创业者朋友说，他一直收到好几家公司的邮件，它们的业务是「帮助初创公司收尾关停」，一家叫 Sunset 的公司在邮件里这样解释。「我们负责全流程，清洗和匿名化数据，去掉公司人员和任何可识别的细节，然后撮合与实验室的交易。」

这些较新的数据采购初创公司，希望复制该领域头部公司的快速成功，而这些头部公司本身也才成立没几年。行业领头羊 Handshake、Micro1 和 Mercor 正在像一场现代淘金热那样抢购数据库。领头的似乎是 2023 年成立的 Mercor；去年，它的三位联合创始人在 22 岁时成为亿万富翁。和所有这类公司一样，它声称与几乎所有大型 AI 实验室都有合作。（这些实验室自己的回应要谨慎得多：Anthropic 承认数据市场很大，但告诉我它不会从 WIRED 这样仍在运营的公司购买工作流程数据。OpenAI 在发稿前没有给出回应。）

Mercor CEO Brendan Foody 在采访中告诉我，随着 AI 行业寻求多得多的数据，这个市场即将爆发。Mercor 最初是一家 AI 招聘公司，但在团队逐渐熟悉各家玩家之后，他们了解到大实验室对数据质量很不满意。行业通常是雇专家来模拟真实的工作流程，但这捕捉不到一家真实运营企业的混乱。他让我想一想：大型 AI 有两个无底洞般的需求，算力和数据。行业在前者上的巨额投资人尽皆知，而数据采集同样重要。

我提到隐私问题时，Foody 早有准备。企业把数据传给 Mercor 时，公司会去除所有个人可识别信息（PII）。他说这种去标识化是可以验证的。和我交谈过的所有数据采购从业者一样，他认为技术已经解决了购买这些信息带来的隐私问题。

毫不意外，Micro1 CEO Ali Ansari 也认为数据采购市场很快会接近 AI 算力基础设施的规模。他说，如今实验室、企业和机器人公司每年花大约 400 亿到 500 亿美元获取数据。（我无法核实这一点。）「未来两到四年，这会超过每年一万亿美元，」2022 年创办这家公司的 Ansari 说。Micro1 买来的信息主要用于改进它自己构建的 AI 模型，但也会卖给大型 AI 公司。

「现在几乎所有人都想进入数据领域，因为需求太大了，」他说，「你看 YC 的初创公司，大约一半是数据公司。」（实际上更多——在最近一期 YC 中，65 家发布的公司里有 40 家被归为数据初创公司。）

这场寻找新鲜数据的狂潮有多「狂野西部」，在破产的 Spirit Airlines 挂牌出售其数字资产时得到了罕见的曝光。这批语料包括 8 万个邮箱账户、5 亿条内部消息、2060 万个 Microsoft SharePoint 文件和 100 万条考勤记录。谷歌似乎以 1000 万美元的出价拿下了它，但随后 Micro1 加价 250 万美元，引发了谁才是赢家的争执。目前这笔交易被搁置，原因让整个出售人类工作流程的做法都受到质疑：空乘工会指控这次出售涉及他们的私人信息。

工会的反对揭示了这场淘金热的阴暗面。尽管几乎所有数据公司都声称没有任何 PII 进入 AI 模型，批评者认为个人数据仍有泄露的危险。「目前并不清楚匿名化能否彻底消除隐私问题，」电子隐私信息中心（EPIC）总法律顾问 Mayu Tobin-Miyaji 说，该中心已代表空乘人员提交了法庭之友意见书，「邮件和 Teams 消息包含非结构化数据，更难彻底清除。可能会有员工谈论看病预约或家庭问题的消息。」

「我们还没有为数据采购建立规范和标准，现在的做法并不恰当，」把这个问题当作自己事业的风险投资人 Gordon Ritter 说，「AI 行业的速度远远快于我们真正制定标准的能力，而这在一定程度上是故意的。」

这场数据采集运动最令人不安的地方或许在于：本质上，它征召劳动者——并不总是经过明确同意——为一项最终目标是取代或自动化这些文档、消息和邮件背后人类工作的事业出力。当 Mercor 说它的座右铭是「组织人类智能，为 AI 经济提供动力」时，没说出口的意思是，由血肉之躯的劳动者构成的经济将会有更少的工作可做。正如空乘工会主席对一位采访者所说：「这些数据其实只是在 AI 时代才变得有价值，为的是训练模型来取代工作岗位，并把工作环境中的其他部分商品化。」

我问 Micro1 的 Ansari，将来企业的默认做法会不会是持续把自己的工作流程数据卖给大型 AI 公司，他给出了肯定的回答。「我认为它会成为比广告更常见的企业收入项，」他说。我指出，社会上对 AI 已经有相当大的抵触，人们可能不会乐见自己在工作中做的一切都被灌进某个大型 AI 模型的血盆大口。

「我认为这是个合理的观点，」Ansari 说。但在他看来，这类反对意见是可以化解的。他认为劳动者会明白，他们的劳动成果会带来更好的 AI 模型，而这会让他们的生活更轻松。「你得想想好的一面，想想 AI 能带来的富足。」（我发现，AI 据称会带来的未来富足，是为各种妥协辩护的一个顺手理由。）

我确实回复了收到的其中一封陌生推销邮件，发件人是一位邮箱域名为 gorexen.com 的女士。顺便说一句，「gorexen」是两种宝可梦生物的融合体，会「用细长的管状嘴吸食猎物的体液」。她给我安排了与一家成立两年、名叫 Tenkara 的公司的会面（这个名字似乎和一种日本飞蝇钓有关）。我发现自己在和「商业化负责人」Jonah Stillman 交谈，他是个坐在旧金山办公室里、一副初创公司模样的年轻人。

我开始连珠炮似地向他提问。Tenkara 寻找数据，似乎是为了提升它那个为制造业公司运营办公事务的 AI 模型的质量。（WIRED 的档案能帮上什么忙，是个谜。）他证实，他工作的一大部分就是打这样的电话来抢购数据。我告诉他，我们这次会面的场景让我有种《拜金一族》（Glengarry Glen Ross）的感觉，但他不知道这个梗。

当然，我无权把 WIRED 编辑流程的文档卖给 AI 公司，也没有拿自己的饭碗冒险，把这些东西提供给 Jonah 和他的公司。如果我的老板们做了这笔买卖，我也不会太高兴。

本文是 Steven Levy 和 Lauren Goode 的 Backchannel 通讯中的一期。