AI公司出价最高200万美元收购员工工作文件和邮件

另一封类似推销邮件（这次把通话记录也列入想要的信息清单）将价码提高到可能的200万美元。“公开数据已经枯竭，实验室正花费超过450亿美元购买私有数据来构建更好的模型，”一个署名Cora的人写道。

虽然我知道AI公司正在从各种来源购买专家数据，但此事并未受到太多关注。然而一旦深入探究，我发现这个行业比我预想的要大得多——而且据从业者称，它可能对工人和社会产生的影响，不亚于如今占据新闻头条的数据中心。

联系我的这些公司，属于数据采集行业热潮的一部分，这股热潮一直在悄悄购买相当规模公司的工作流程数据，而且需求仍然旺盛到渗入我们的收件箱。一位自由撰稿人最近写了她与一家名为Handshake的公司的经历，该公司出价1000美元购买她一篇报道的作品。（她没有卖。）Handshake的一位代表向我证实了这一报价：“我们授权多个领域的专业文档，以便实验室测试和训练模型如何处理真实的知识工作，”他说，“新闻业是其中之一。”Handshake告诉我，其业务的很大一部分是购买研究生的论文和课程作业。

我的一位企业家朋友告诉我，他一直收到多家公司的邮件，这些公司的业务是“帮助初创公司有序关闭公司”，正如一家名为Sunset的公司在邮件中解释的那样。“我们处理整个流程，清洗和匿名化数据，剥离公司人员及任何可识别细节，然后与实验室撮合交易。”

这些较新的数据采集初创公司希望复制该领域主导企业的快速成功，而这些主导企业本身也只有几年历史。行业领导者Handshake、Micro1和Mercor正在抢购数据库，仿佛现代淘金热。行业领头羊似乎是成立于2023年的Mercor；去年，它的三位联合创始人22岁便成为亿万富翁。与所有公司一样，它声称几乎与所有主要AI实验室都有合作。（这些公司自身的回应则更为谨慎：Anthropic承认数据市场很大，但告诉我它不会像WIRED这样从运营中的公司购买工作流程。OpenAI在发稿前未给出回应。）

在一次采访中，Mercor CEO Brendan Foody告诉我，随着AI行业寻求大幅增加数据，市场即将爆发。Mercor最初是一家AI招聘公司，但随着团队与各方熟悉，他们了解到大型实验室对数据质量感到不满。一般来说，行业一直雇用专家来模拟实际工作流程，但这无法捕捉实际运营企业的混乱状态。他让我考虑，大型AI有两个无底洞般的需求：算力和数据。虽然行业非常公开地在前者上投入巨资，但数据收集同样重要。

当我提到隐私担忧时，Foody早有准备。当企业将数据流传输给Mercor时，公司会剥离任何个人可识别信息（PII）。他说，这种去标识化可以验证。与我交谈的所有数据采集行业人士一样，他认为技术已经解决了购买所有这些信息的隐私问题。

毫不意外，Micro1 CEO Ali Ansari也认为数据购买市场很快将接近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费约400亿至500亿美元获取数据。（我无法核实这一数字。）“在未来两到四年内，这将超过每年一万亿美元，”Ansari说，他于2022年创立了该公司。Micro1主要利用购买的信息来改进自己构建的AI模型，但也向大型AI公司出售。

“现在几乎每个人都想进入数据领域，因为需求太大了，”他说，“如果你看看YC初创公司，大约一半是数据公司。”（实际上更多——在最近的YC批次中，65家新创公司中有40家被归类为数据初创公司。）

对新鲜数据的追求中那种“狂野西部”的一面，在破产的Spirit Airlines出售其数字资产时得到了罕见的曝光。数据集包括8万个电子邮件账户、5亿条内部消息、2060万份Microsoft Sharepoint文件和100万条考勤记录。谷歌似乎以1000万美元的出价胜出，但随后Micro1以250万美元的优势压过，引发了一场关于谁是赢家的争论。目前交易暂停，原因使整个出售人类工作流程的做法受到质疑：空乘人员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没有PII进入AI模型，但批评者认为个人数据仍有泄露危险。“目前不清楚匿名化能否完全消除隐私问题，”电子隐私信息中心的总法律顾问Mayu Tobin-Miyaji说，该中心代表空乘人员提交了法庭意见书。“电子邮件和Teams消息包含非结构化数据，更难彻底清除。可能有员工谈论看病预约或家庭问题的消息。”

“我们尚未为数据采集设定规范和标准，而且做得并不恰当，”风险投资人Gordon Ritter说，他将此问题视为一项事业。“AI行业的发展速度远远快于我们实际制定标准的能力，而且这在一定程度上是故意的。”

（原文较长，此处译出前 6000 字，完整内容请点「打开原文」。）