另一封类似的邮件中,除了工作文件,还加入了通话记录,报价甚至高达200万美元。邮件中一位名叫Cora的人写道:“公开数据已经枯竭,实验室们正在花费超过450亿美元购买私有数据,以打造更优质的模型。”

虽然我知道AI公司从各种渠道购买专家数据,但这一现象并未引起太多关注。深入调查后,我发现这项业务远比我想象的规模大得多——据业内人士称,它对员工和社会的影响可能与当前新闻中备受关注的数据中心相当。

联系我的这些公司属于数据收购行业的繁荣期,他们悄然购买大型公司的工作流程数据,需求之旺盛甚至渗透到了我们的邮箱。一位自由撰稿人曾分享她与一家名为Handshake的公司的经历,该公司曾为她的一篇报道开出1000美元的报价(她未出售)。Handshake的一位代表向我证实:“我们授权各领域的专业文件,供实验室测试和训练模型如何处理真实的知识工作。新闻业就是其中之一。”Handshake还表示,他们业务的重要部分是购买研究生的论文和课程作业。

一位创业者朋友告诉我,他收到了多家公司的邮件,这些公司专门“帮助初创企业清算”,正如一家名为Sunset的公司邮件所述:“我们负责整个流程,清理并匿名化数据,剔除公司人员及任何身份信息,然后与实验室达成交易。”

这些新兴的数据收购初创企业希望复制行业领先者的快速成功,而这些领先公司本身也只有几年历史。行业巨头Handshake、Micro1和Mercor正如现代淘金热般抢购数据库。行业领头羊Mercor成立于2023年,其三位联合创始人去年年仅22岁便成为亿万富翁。与所有公司一样,Mercor声称与几乎所有主要AI实验室都有合作关系。(公司方面的回应则较为谨慎:Anthropic承认数据市场庞大,但表示不会购买像WIRED这样活跃公司的工作流程数据。OpenAI未在发稿前回应。)

Mercor CEO Brendan Foody在采访中表示,随着AI行业对数据需求的急剧增长,市场即将爆发。Mercor最初是一家AI招聘公司,但团队接触行业玩家后发现,大型实验室对数据质量感到失望。行业通常聘请专家模拟实际工作流程,但这无法反映真实业务的复杂性。他提醒我,AI巨头有两大无底洞需求:计算力和数据。虽然业界公开投入巨资于计算力,数据收集同样重要。

当我提及隐私问题时,Foody表示,当企业将数据流传给Mercor时,公司会剥离所有个人身份信息(PII),这种去标识化过程是可验证的。他和我接触的所有数据收购人员一样,认为技术已经解决了购买大量信息的隐私问题。

Micro1 CEO Ali Ansari也认为,数据购买市场很快将接近AI计算基础设施的规模。他称,目前实验室、企业和机器人公司每年为数据支付约400至500亿美元(我未能核实此数据)。“未来两到四年,这一数字将超过万亿美元。”Ansari于2022年创立Micro1,公司主要利用购买的数据提升自家AI模型,也向大型AI公司出售数据。

“几乎所有人都想进入数据领域,因为需求巨大,”他说。“如果看YC的初创企业,大约一半是数据公司。”(实际上更多——在最近一批YC公司中,65家中有40家被归类为数据初创企业。)

这场对新鲜数据的“西部狂野”式争夺曾因破产的Spirit Airlines出售其数字资产而罕见曝光。资产包括8万个邮箱账户、5亿条内部消息、2060万个微软Sharepoint文件和100万条考勤记录。谷歌似乎以1000万美元竞得,但Micro1以1250万美元的报价超越,引发了谁是赢家的争议。目前交易暂停,原因令人质疑出售人类工作流程数据的做法:空乘工会指控此次出售涉及其私人信息。

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AI模型不包含PII,批评者认为个人数据泄露风险依然存在。电子隐私信息中心(EPIC)总法律顾问Mayu Tobin-Miyaji表示:“匿名化并不能完全消除隐私问题。邮件和Teams消息包含非结构化数据,难以根除。员工可能在消息中谈及医生预约或家庭事务。”

风险投资人Gordon Ritter指出:“我们尚未制定数据收购的规范和标准,且执行不当。AI行业发展速度远超我们设定标准的能力,这在某种程度上是有意为之。”

数据收集运动最令人担忧的方面是,它本质上招募了员工,且不总是经过明确同意,参与到一个最终目标是替代或自动化这些文件、消息和邮件中人类工作的计划中。当Mercor宣称其口号是“组织人类智慧,推动AI经济”时,未明说的含义是,实体员工的工作将减少。正如空乘工会主席所言:“这些数据之所以在AI时代变得有价值,是为了训练模型替代工作岗位,并将工作环境中的部分劳动商品化。”

当我问Micro1的Ansari,企业是否会默认持续出售工作流程数据给大型AI公司时,他肯定地回答:“我认为这将比广告成为公司收入来源更普遍。”我指出,AI已遭遇不少反对,人们可能不愿意看到自己工作中的一切都被输送进庞大的AI模型。

Ansari承认这是合理的担忧,但他认为这些反对声音是可控的。他认为员工会理解,自己的劳动成果将促成更好的AI模型,从而让生活更轻松。“你必须看到AI带来的积极面和丰裕。”(我发现,AI未来带来的丰裕常被用来为各种妥协辩护。)

我还跟进了一封冷不丁的推销邮件,发件人邮箱域名为gorexen.com。顺便说一句,“gorexen”是两只宝可梦的融合体,能通过细长的管状嘴吸取猎物体液。她安排了与一家名为Tenkara的两年公司会面(该名似乎源自日本一种飞钓方式)。我与“商业化负责人”Jonah Stillman交谈,他是个年轻的创业者,坐在旧金山的办公室里。

我开始连珠炮式提问。Tenkara收集数据的目的是提升其AI模型质量,以管理制造企业的办公运营。(WIRED档案如何帮助则成谜。)他确认,自己工作的重要部分就是进行此类电话,抢购数据。我告诉他,我们的会面让我联想到电影《推销员之死》,但他不熟悉该片。

当然,我无权将WIRED的编辑流程文件出售给AI公司,也不愿冒险。若我的上司做出此类交易,我也不会高兴。