AI公司为何急购工作文件与邮件
最近，我的收件箱里出现了一种新的推销套路。一个叫 Nick 的人在邮件里写道：“不知道你听说没有，Anthropic、OpenAI 这类 AI 实验室正在向 Wired 这样的媒体公司支付 35 万到 180 万美元的一次性费用，购买他们的历史工作记录（文档、邮件、Slack 消息、工单等）的副本，用来训练更好的模型。”
另一封内容相似的邮件（在想要的信息清单里又加上了通话录音）把报价抬高到了可能 200 万美元。“公开数据已经用尽了，实验室正花超过 450 亿美元收购私有数据来构建更好的模型。”一个叫 Cora 的人这样写道。
我早就知道 AI 公司会从各种渠道购买专家数据，但这件事一直没引起太多关注。深入调查后我发现，这门生意比我预想的规模大得多——而且据从业者说，它对劳动者和社会的影响，可能不亚于最近霸占新闻头条的数据中心。
联系我的这些公司，正处在一个数据收购行业的繁荣期。它们一直在悄悄收购大型企业的工作流程数据，而且胃口依然不减，甚至蔓延到了我们的收件箱。一位自由撰稿人最近写文章讲述了她与一家叫 Handshake 的公司打交道的经历：对方提出花 1000 美元买下她一篇报道的工作资料。（她没卖。）Handshake 的一位代表向我证实了这笔报价：“我们授权采购各行各业的专业文档，让实验室可以测试和训练模型处理真实知识工作的能力。新闻业就是其中一个领域。”据 Handshake 说，他们的业务还有很大一部分是购买研究生的论文和课程作业。
我认识的一位创业者告诉我，他不断收到多家公司的邮件，其中一家叫 Sunset 的公司是这样描述业务的：“我们帮助创业公司清算关闭。我们负责全流程，把数据清洗、匿名化，剥离公司人员及一切可识别身份的信息，然后再与实验室牵线达成交易。”
那些新兴的数据采集初创公司正期待能复制该领域头部企业的快速成功——而这些头部企业本身也只有几岁历史。行业领军者 Handshake、Micro1 和 Mercor 正抢购数据库，其场面犹如现代版的淘金热。其中，2023 年成立的 Mercor 似乎处于领先地位；去年，其三联创始人在 22 岁时就跻身 亿万富翁行列。像其他同类公司一样，它声称与几乎所有主要 AI 实验室都有合作关系。（各大实验室的回应则更为谨慎：Anthropic 承认数据市场庞大，但告诉我它并不从 WIRED 这样的活跃企业直接购买工作流数据。OpenAI 在本文刊发前未予回应。）
在接受采访时，Mercor 首席执行官 Brendan Foody 告诉我，随着 AI 行业对数据的需求急剧增长，市场即将爆发。Mercor 最初是一家 AI 招聘公司，但随着团队深入接触行业内玩家，他们发现各大实验室对现有数据质量并不满意。通常，行业会聘请专家来模拟真实工作流，但这无法捕捉实际运营中的复杂与混乱。Foody 敦促我认识到，大型 AI 企业有两项无尽的需求：算力和数据。虽然行业正在公开地大量投资前者，但数据收集同样重要。
当我提出隐私 担忧时，Foody 早有准备。当企业将数据流向 Mercor 时，公司会剥离所有个人身份信息（PII）。他表示，这种去标识化过程是可以验证的。与我交谈的所有数据行业从业者一样，他认为技术已经解决了购买海量数据带来的隐私问题。
毫不意外，Micro1 CEO Ali Ansari 也认为数据买卖市场很快就会逼近 AI 算力基础设施的规模。据他透露，目前各大实验室、企业和机器人公司每年购买数据的开销约为 400 亿到 500 亿美元。（这一数字我无法核实。）Ansari 于 2022 年创立了这家公司，他预言：“未来两到四年，这个市场每年将超过一万亿美元。”Micro1 买来的数据主要用于改进自家 AI 模型，但也出售给大型 AI 公司。
“现在几乎人人都在挤进数据这个赛道，需求实在太大了，”他说，“看看 YC 的初创公司，差不多一半都是数据公司。”（实际上比这还多——在最近一批 YC 项目中，65 家公司里有 40 家被归为数据类初创企业。）
这场对新鲜数据的疯狂追逐，其“狂野西部”式的混乱一面罕见地曝光了：破产的 Spirit Airlines 把自家数字资产挂牌出售，其中包括 8 万个邮箱账户、5 亿条内部消息、2060 万个 Microsoft Sharepoint 文件，以及 100 万条考勤打卡记录。Google 似乎以 1000 万美元报价拿下，但随后 Micro1 加价 250 万美元反超，双方还为此争执谁才是赢家。目前这笔交易已被叫停，而叫停的理由恰好动摇了整个“变卖人类工作数据”这一行当的根基：空乘工会指控出售的数据涉及他们的隐私信息。
工会的抗议揭开了这场淘金热光鲜之下的阴暗面。尽管几乎所有数据公司都声称不会将个人身份信息（PII）输入 AI 模型，但批评者认为个人数据泄露的风险依然悬而未决。“匿名化未必能彻底解决隐私问题，”电子隐私信息中心（EPIC）总法律顾问 Mayu Tobin-Miyaji 说道。该中心已代表乘务员提交了一份法庭之友意见书。“电子邮件和 Teams 消息中包含大量非结构化数据，更难彻底清除。其中可能存在员工谈论就医安排或家庭问题的内容。”
风险投资人 Gordon Ritter 将这一问题视为自己的倡导课题，他指出：“我们尚未为数据获取制定规范和标准，目前的做法也远不规范。”“AI 行业的发展速度远远超过我们制定标准的能力，而这在某种程度上是故意为之。”
这场数据收集运动中最令人不安的一点在于，它本质上动员了员工——且往往未获得明确同意——去助力一项以取代或自动化人类工作为最终目标的行动，而所有这些文档、消息和邮件正是人类劳动的产物。当 Mercor 宣称其座右铭是“组织人类智能以驱动 AI 经济”时，其潜台词不言而喻：肉体凡胎的员工未来将无事可做。正如飞行乘务员工会会长在接受采访时所说：“这些只有在 AI 时代才变得有价值的数据，其用途是训练模型以取代工作岗位，并将工作环境中的其他部分商品化。”
当我询问 Micro1 的 Ansari，企业是否终将默认将工作流数据持续出售给大型 AI 公司时，他给出了肯定回答。“我认为，作为企业的收入来源，它比广告更常见。”我指出，目前对 AI 的反弹已相当强烈，人们或许并不满意自己工作中的一切都被吞噬进大型 AI 模型的“黑洞”。
“我觉得这个说法有道理，”Ansari 说。但在我看来，这类反对意见是可以化解的。他认为，员工会明白，自己劳动的成果将催生更好的 AI 模型，从而让自己的工作更轻松。“你得看到好的一面，看到 AI 能带来的丰裕。”（我发现，AI 未来将带来的所谓“丰裕”，已经成了各种妥协的万能借口。）
我确实回复了一封陌生推销邮件，发件人的邮箱域名是 gorexen.com。顺便说一句，“gorexen”是两只宝可梦的合体，“会用它细长的管状嘴吸食猎物的体液”。她帮我约到了一家名为 Tenkara 的公司（这个名字似乎源自一种日式飞钓），公司成立两年。和我通话的是“商业化负责人” Jonah Stillman，一个典型创业公司风格的年轻人，坐在旧金山的一间办公室里。
我接连向他抛出一堆问题。Tenkara 想获取数据，似乎是为了提升其 AI 模型的质量，好为制造业公司运营办公事务。（至于 WIRED 的档案能帮上什么忙，我实在想不明白。）他确认，他工作的一大块内容就是打这种电话来收购数据。我告诉他，这场会面的氛围让我想起了电影《大亨游戏》，但他没看过这部片子。
当然，我无权把 WIRED 的编辑流程资料卖给 AI 公司，也没有冒着丢工作的风险向 Jonah 和他的公司兜售这些“货”。而且就算老板们真把它卖了，我心里也不会太痛快。
本文出自 Steven Levy 和 Lauren Goode 的 Backchannel 通讯。往期内容可在这里阅读。