AI news

一个小数商的 AI 数据生意

By 吴睿睿2 viewsSource: elsewhere别处发生
一个小数商的 AI 数据生意

报道以化名「小武」的经历串起训练数据转售、专家标注、企业数据交易与中转服务。文章结合多次访谈,部分细节经过模糊化,交易价格和规模来自受访者讲述。

The full text has not been translated yet. The Chinese original is shown below.

文章配图

国庆前「elsewhere」发了一篇关于数据的文章(在新窗口打开)。文中着重写的那几家明星数商只是掐尖的公司,但更庞大的是这个行业的水下。过去一段时间,我了解到的数据行业的辐射面之广、行业现状之惊诧,还是超过了我的预期。

如果AI在你想象中是个往来无白丁的地方,那数据行业会推翻你的这个想象。这里更像是清晨的北京三元里市场,有售价成千上万的珍稀食材,也有几块钱一斤的芹菜。来这买菜的人来自市中心、使馆区、高级小区,也有无法动迁的老小区。三教九流,在共同的喧嚣里买菜卖菜。

就在动笔前,我认识了小武。他简直是这个行业中众生相的集大成者。

一年前,小武还是个 AI 应用的边缘创业者。创业三年,他没有拿到什么大结果:用户不付费,VC不投资,几百万积蓄净赔一空。为了糊口,小武开始当外包,接一些给公司做模型部署的活。其间,因为跟倒腾token的三教九流打交道,他意外地成了一名数据倒爷。

过去一年,小武在海外地下小网站爬过数据,去过流水线般的千人标注工厂,在硅谷过追踪过Surge的专家网络。他见过的中转站站长有卖数据年入千万的,也见过踩到红线消失不见的。而他很幸运,干这个没多久,赔掉的积蓄就尽数赚回来了。

或许因为他时而眉飞色舞、时而幻灭失落的讲述,这个行业里沉默而数量庞大的群体,在我眼前清晰生动起来。

数据这个行业,改写了小武的创业观,但也令他流连忘返。他甚至有个偏激的说法是,做AI只有三条路:卖公司(融资)、卖token(模型厂/中转站)、卖数据。对他这种没法融资也没法进模厂的人来说,卖数据最香。

数据行业看似遥远,实则和每个人都有关。它们把每个人的头脑抽取给模型,又终将影响每个人的生活。头部数商,更接近于研究,生产题目、环境和轨迹。但其下还有各式各样的人在奔走、流转、交易。

而小武的故事,会让你更真切地理解这一切是如何发生的。

文中的“小武”是化名。因为本文主人公的故事,莫名让我想起了电影《小武》。以下除了主要基于其本人的故事之外,也集合了多个我访谈到的真实故事。为了防止被对号入座,部分细节和故事线有模糊化处理。

万物皆有数据

第一次意识到数据生意的存在是今年春天。

一个给模厂找数据的师兄问小武能不能从海外网站爬一批指定视频,他干了好几年泛娱乐,确实知道去哪爬,但这也算数据吗?

还在创业的他找了个技术好的员工,没几天就爬了几十个T。几乎没有成本,电费+网费+员工工资,折合每T几十元。但师兄居然真的以4万元/T的价格收下了。第一笔数据生意,就让他入账一百多万。这比应用创业轻松多了。

当然也不是每一笔都这么赚。小武后来也试着卖给其他有视频产品的公司。但这次,价格一路从4万砍到600,最终只以1000元/T成交。

这件事让小武明白关系是一切的前提:及时知道谁要什么数据、谁能出得起钱、该卖给哪一个人,以及和这个人建立足够的信任。

他发现,这个行业倒爷的层级很多,层层转包,层层抽水。能链接到的关系越靠上,价格就越高。最靠近模厂的那一层供应商是不变的——就是那几家明星数商,他们除了自己生产,也承担了模厂的集成商角色,每个小供应商都想认识他们。

小武跟他们既不是校友也没共事过,于是决定修炼自己。他收到过师兄许多五花八门的需求,比如菜单菜谱、药品说明书、手写病历、游戏源码、主机游戏录屏、影视公司废片……师兄告诉他,模型要替代所有劳动力,就要学会所有行业的知识。真实、优质的数据和轨迹现在供不应求,模厂肯定会买,只要他愿意到世界的各个角落去找。

于是在一个月后,小武彻底关掉了应用项目。他决定阶段性做一个数商游民。

他跑到硅谷那些在Surge上打零工的人身边。像Surge这样的标注众包平台,很多国内模厂想要他们的数据。他打入留学生群,把人脉广、又在Surge上接单的人发展成下线,等他们把Surge的专家网络摸透了,他逐个找到,让这些人把在Surge上做的题原样下载一份给他,他付跟Surge相同的酬劳。能多赚一份又毫无成本,几乎没人拒绝他。

他跑到国内的影视标注工厂里。那是个千人工厂,工人是电影和导演等专业的学生和从业者,每天给AI标注分镜机位、相机角度差、画面配比等,把自己学到的影视知识教给AI。他们的报酬是每天300元不到,约等于用Seedance 2.0生成20条标准15秒视频的费用。

他跑进专门的游戏实机视频公司。世界模型需要能体现物理规律和复杂交互的数据,3D 游戏的玩家操作数据、建模参数是很好的替代品,有血量、重力和撞击力度的完整记录。一些非头部的开放世界游戏公司已经在卖这类数据,至于不愿意卖的头部游戏IP,这些公司会专门招募员工,边玩边录游戏实况。他能找到上亿小时的主机游戏视频。

他跑进大学实验室里。科学家的实验过程数据,是AI4S的珍贵食物。一篇论文做的千百次实验,对模型有价值的不只是跑通的实验,还有失败的、修改的轨迹,模厂给他的任务是买下学者们的所有实验记录。跟学者们打交道,钱不是万金油,他们更关注的是学术reputation:我卖数据的消息会传出去吗?实验里有我学术不严谨的证据吗?如果AI用我的材料证明了某个猜想,成就是算我的还是模型的?

跑动中,小武看见一个微缩的社会。任何人、任何行业、发生的任何事,都可能成为数据,而模型几乎在每个行业都找到了买办,有一定渠道的普通人主要抓机会,都能快速变现。

圈子也在迅速收窄。容易获得的简单数据在跌价,但高质量专家的数据反而在涨。数据的大盘没有变小,但普通人想参与更难了。

公司入殓师

夏天,小武在硅谷认识的一位朋友给他发了一份商机,说手头有硅谷公司的数据,让他帮忙在国内找买家。这是一个更高效的收数据方法:给破产公司、半死不活的公司“收尸”。

这份商机单上,有上百家愿意出售数据的公司待价而沽。什么行业的公司都有,从消费品——香水、补剂、服装、游戏;到医疗——专科、理赔、宠物医疗,到线下服务——餐厅、工业设计、房产开发、物业,到科技——SaaS、软件开发,职能性公司——电商、物流、销售,甚至一级市场——孵化器、VC的投后管理……看起来,任何行业、任何公司的数据都可能被买卖。

当他打开其中一家的描述详情时,震惊了。这份数据清单,几乎完整记录了过去十多年,这家SaaS公司从获客、签约、交付、研发、售后服务、内部管理到日常协作的各个环节。

小武感到毛骨悚然。如果模型能够学会所有这些,人类在职场上还有什么“专家”、“经验”可言?但对他自己来说,买卖这类数据显然比单个真人数据的价值要赚得多。所以他一边恐慌,一边卖力搓合。最终他为这家公司找到了一家国内模厂买单,以300万美金的价格成交。

做完这一单后,朋友那边又转来一些模厂的诉求:求购AI应用公司的pivot项目,预算从几万到一百万美金不等;还有中国模厂找到小武,问他有没有银行的不良资产名单,来找到那些表面正常经营,实际濒临破产的公司。

有次小武跟一位投资人闲聊提起这些,对方也受了启发:基金这么多半死不活的被投,如果能把它们的数据打包变卖,不就相当于回购了吗?

所有公司的数据里,又以AI应用公司的数据最有价值。有些公司的harness做得好,任务轨迹够长,用户跟AI合作、反馈、修改的记录都留存在数据里,是模型天然的学习素材。

有段时间,小武经常替模厂去问应用公司卖不卖用户轨迹。作为一个前应用创业者,他当然知道这种问询有多无礼,相当于给产品宣告死亡。刚开始,小武吃的闭门羹都很干脆。但他能感觉到出创业者们在盘算那个trade off:我不卖,我的竞品会不会卖?我不卖,模型就学不会我的场景了吗?

人类在纠结,模型在一刻不停地学习。过了一段时间,有创业者会主动找小武卖数据,但模厂已经提高标准了:要高价值行业的,要用户量大的,要用户能在产品内完成最后一步的。愿意付的价格也从花钱买,降格到了给API打折。等到整个AI应用赛道也跌落到冰点,一些创业者甚至愿意把数据免费送给模厂,只为了把关系搞好。小武猜测,这是在为被收购、或创业者自己的下份工作找退路。

小武会想起从前融资时,他总要被拷问如何跟模厂竞争。这几年来,一些应用创业者对模厂或躲避、或迎战、或暗自希望被收购。但万万没想到还有这一层存在的意义。

闭环

但AI应用公司终究还是数量有限的,达到PMF的更有限。所以怎么才能让模型拿到更多人类使用AI的痕迹?

小武曾经以为,只能靠一些运营专家网络的数商扩大产量,但后来他发现了一个更高效的方法:中转站。

小武告诉我,许多国内大厂都有调用 OpenAI 和 Anthropic API 的需求,又不能走公开渠道,只能通过一些专门To B的中转站去海外买token。

这是利润极高的生意。海外的羊毛党通过批量注册start-up申请 AWS 和 Google Cloud 扶持额度的方式,每个月申请到数百个start-up的扶持名额,每家每月净薅 小几万美元额度。而国内的中转站从这些人手里以低折价格拿到API,再找一个中间的价格卖给大厂。

对国内中转站来说,油水最高的地方还不在这里,而是卖数据。等企业客户调用起来了、任务轨迹沉淀下来了,他们会把这些数据抽走,转卖给其他公司。高人才密度的组织,调用SOTA模型的轨迹数据,这本身就是非常有价值的蒸馏材料。

这桩生意的性感在于没有额外成本,只有复利。中转站只需要定时把数据打个压缩包,发过去,过段时间账面上就会出现一笔记作其他名目的收入。

有些中转站甚至把这两种业务组成了完美闭环:用卖数据的收入做token补贴客户,客户用得更多,带来更多数据,再继续出售。据小武估算,即使是二线互联网公司,一个月花在中转站上的钱都有2000万美金。许多中转站今年的利润达到了千万人民币。

这一切在夏天开始降温。据说是有一家大厂在买数据时,赫然买到了自己使用中转站的轨迹数据。自己买的To B服务,不仅扒自己的数据出去卖,还卖回了自己头上,大厂管理层勃然大怒。这在数据行业引起了严重的连锁反应。此后,一边做中转站一边卖数据的人不少都销声匿迹了。

虽然自己不做中转站,这件事还是让小武从赚钱的狂热里清醒了一点。一个他心知肚明的事实是:卖数据的普通人、他和所有倒爷们、一些头部数商们、甚至模厂自己,很多做法都处在灰色地带。

黑天鹅事件的出现往往是行业的转折点。上个月成立的国家数据集团无疑会加快这个节奏。

瘟疫

但为什么这种灰色交易会席卷得这么广泛?

作为一个在芸芸众生中辗转的倒爷,小武能感受到那股狂热与绝望交织的潜流。在他看来,敢用最狂野的路径收集数据的不是想赚钱的倒爷,而是一些模厂。

“有任何方法提高模型能力,都会不惜一切代价去做。即使被曝光,都无所谓。”对模厂来说,明牌是:智能就是劳动力,就是商业化。只要这笔账算得过来,这台机器就会继续吃下去。

落到每个个体上,又都有共同的无力:大家都心知肚明,AI是通过淘汰人来进化的。买卖数据是把自己脑子里的东西上贡给模型,直到有一天他们不再被需要。今天连在模厂、训模型的人都在被裁员。

但好像又没有人愿意停下,每个人都想抢泰坦尼克号的救生船。

小武至今对自己做应用时融不到资耿耿于怀。在而立之年把自己的全部积蓄投入创业,不可谓没有创业精神,但小武依然对这个时代无所适从。对他这种进不了模厂、也无法在应用上卷出一条生路的人来说,数据突然像是最后的战场,于是他复仇般投身于此。

“我卖数据给那群在融资上拿到大结果的人,相当于我也从投资人手里赚钱了。”

那之后呢?

小武觉得,如果模型完全取代人类还要十年,那他的数据生意也还能做十年。我跟他说,很多创投行业在做数据的人都说这是个短期生意,很快就会结束。他说,那是因为他们还想做能融资、资本化、天花板高的事,他只想把这件事当成一桩生意。

至于十年之后,“AI和人类必有一战,要么AI被驾驭,要么赛博朋克。”但那是太遥远的事,也跟他一个小小数商没有关系。

一位数商朋友跟小武讲过一件事:有次他们请了一批专家来标数据,时薪上千元。其中一人标着标着就崩溃了,开始痛骂:你们天天把我们脑子里的东西注入到机器里,AI到底是在拯救人类还是毁灭人类。

他这位朋友那几天想了很久,最终承认事实的确就是如此——搞 AI 的一些人大赚特赚,但很多人的生活似乎都没有变得更好。一些人之所以可以赚很多钱,是因为他们更聪明、更努力、更会叙事,还是仅仅因为专业选得好?

对话就停在这里,他们谁也没有再说下去。

封面来源:Victor Gabriel Gilbert, Le Carreau des Halles, 1880, MuMa

文章来自于"elsewhere别处发生",作者 "吴睿睿"。

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)