你以為AI公司拼的是算法？錯，現(xiàn)在拼的是誰能租到便宜的數(shù)據(jù)倉庫。

硅谷最近流行一個新詞：數(shù)據(jù)地主（Data Landlord）。不是指賣數(shù)據(jù)的，是指那些手里攥著海量原始數(shù)據(jù)、但自己不用AI的傳統(tǒng)企業(yè)。他們突然發(fā)現(xiàn)，自己成了AI訓(xùn)練鏈條里最躺賺的環(huán)節(jié)。

Abaka AI的COO打了個比方：這就像19世紀(jì)加州淘金熱，最后發(fā)財?shù)牟皇翘越鹂?，是賣鏟子和收地租的。

他的公司專門幫AI企業(yè)做數(shù)據(jù)收集、標(biāo)注和清洗，客戶名單里有一堆你熟悉的模型廠商。過去一年，他眼睜睜看著"數(shù)據(jù)租金"漲了3倍，而且條款越來越霸道。

數(shù)據(jù)荒：AI公司的隱形天花板

大模型的胃口是個無底洞。GPT-4訓(xùn)練用了約13萬億token，下一代模型估計要翻10倍。但高質(zhì)量文本數(shù)據(jù)正在枯竭——互聯(lián)網(wǎng)上的優(yōu)質(zhì)內(nèi)容就那么多，能合法用的更少。

Abaka AI的COO透露，現(xiàn)在找數(shù)據(jù)跟找礦差不多。他們團(tuán)隊曾為了一個醫(yī)療對話數(shù)據(jù)集，飛了四趟中西部，跟一家區(qū)域醫(yī)院集團(tuán)談了八個月。對方最后開出的條件：一次性買斷800萬美元，而且禁止轉(zhuǎn)售給任何競爭對手。

「這還不是最貴的?！顾f，「金融交易數(shù)據(jù)開價通常是這個數(shù)的3倍，而且按年續(xù)約，每年漲15%?！?/p>

更魔幻的是法律風(fēng)險。歐盟《AI法案》要求訓(xùn)練數(shù)據(jù)可追溯，美國版權(quán)訴訟像雪片一樣飛來。2023年《紐約時報》訴OpenAI的案子還沒完， Getty Images又把Stability AI告了。數(shù)據(jù)地主們趁機(jī)加碼：想要"干凈"的授權(quán)？加錢。

一家頭部模型廠商的內(nèi)部預(yù)算顯示，2024年數(shù)據(jù)采購支出占總成本的23%，比2022年翻了4倍。算法工程師的薪資占比反而從35%降到了28%。

數(shù)據(jù)地主的躺賺邏輯

誰成了新地主？三類人。

第一類是傳統(tǒng)內(nèi)容巨頭。Reddit 2024年數(shù)據(jù)授權(quán)收入2.03億美元，同比增長450%，凈利潤首次轉(zhuǎn)正。CEO Steve Huffman的原話：「我們的數(shù)據(jù)價值被嚴(yán)重低估了十幾年。」現(xiàn)在Reddit API調(diào)用價格漲了20倍，小公司根本用不起。

第二類是垂直行業(yè)的老玩家。醫(yī)院、律所、工廠，他們手里攢了幾十年的專有數(shù)據(jù)，以前就是電子垃圾。Abaka AI幫一家汽車零部件供應(yīng)商整理質(zhì)檢圖像，對方才發(fā)現(xiàn)自己存了1200萬張帶缺陷標(biāo)注的照片——「我們以為那是負(fù)擔(dān)，你們說是金礦？」

第三類最隱蔽：數(shù)據(jù)中間商。他們不生產(chǎn)數(shù)據(jù)，只是數(shù)據(jù)的搬運(yùn)工。但搬運(yùn)工現(xiàn)在學(xué)會了囤貨居奇。Abaka AI的COO提到一個案例：某數(shù)據(jù)經(jīng)紀(jì)商同時向5家AI公司出售同一批法律合同數(shù)據(jù)，每家都以為自己是獨家。

「這行的信息不對稱比二手車市場還嚴(yán)重?！顾f，「買家不知道數(shù)據(jù)被賣過幾次，賣家也不知道買家訓(xùn)出了什么模型?！?/p>

AI公司的反制：自己種地

被宰多了，模型廠商開始自建"數(shù)據(jù)農(nóng)場"。

合成數(shù)據(jù)是熱門方向。OpenAI的GPT-4部分訓(xùn)練用了自己生成的對話，Anthropic的Claude用憲法AI（Constitutional AI，一種讓模型自我修正的技術(shù)）減少對人類標(biāo)注的依賴。Gartner預(yù)測，到2030年60%的AI訓(xùn)練數(shù)據(jù)將是合成的。

但合成數(shù)據(jù)有天花板。Abaka AI的COO解釋：模型自己生成的數(shù)據(jù)，本質(zhì)上是已有知識的重組，「就像讓學(xué)生自己出題考自己，分?jǐn)?shù)會虛高，但學(xué)不到新東西?！贯t(yī)療、法律、工程等需要精確事實的領(lǐng)域，合成數(shù)據(jù)基本不能用。

另一條路是硬件前置。特斯拉、Waymo自己裝傳感器采數(shù)據(jù)，Meta用Quest頭顯收集空間信息。代價是重資產(chǎn)投入：Waymo的自動駕駛車隊累計行駛里程超過2000萬英里，但單車年均成本仍在20萬美元以上。

最激進(jìn)的嘗試是改變數(shù)據(jù)需求本身。小模型（SLM，Small Language Model，參數(shù)量通常在10億到70億之間）熱潮背后，是廠商對"數(shù)據(jù)效率"的 desperate 追求。微軟的Phi-3用高質(zhì)量教科書級數(shù)據(jù)訓(xùn)練，3.8B參數(shù)跑出了接近GPT-3.5的效果。

「這不是技術(shù)路線的選擇，是成本倒逼的?！笰baka AI的COO說，「當(dāng)你買不起曼哈頓的地皮，就只能學(xué)會在布魯克林蓋高樓?！?/b>

數(shù)據(jù)地主的麻煩才剛開始

躺賺的日子能持續(xù)多久？地主們也有自己的焦慮。

首先是監(jiān)管收緊。歐盟《數(shù)據(jù)法》2025年生效，強(qiáng)制要求數(shù)據(jù)共享，打破平臺壟斷。雖然執(zhí)行細(xì)節(jié)模糊，但方向明確：數(shù)據(jù)不能無限囤積。

其次是技術(shù)替代。多模態(tài)模型降低了對純文本數(shù)據(jù)的依賴，視頻、音頻、傳感器信號成為新燃料。Reddit的文本帖子再貴，也訓(xùn)不出Sora那樣的視頻生成能力。

最大的威脅來自上游：如果AI公司真的實現(xiàn)了"數(shù)據(jù)自給"，地主們的籌碼就歸零了。Abaka AI的COO見過太多談判桌上的虛張聲勢——「買家說'我們自己能采'，賣家說'你們采不到這個質(zhì)量'，最后成交價往往在中點偏上。」

他估計，當(dāng)前數(shù)據(jù)市場的泡沫程度，跟2021年的元宇宙地產(chǎn)差不多?！竻^(qū)別在于，元宇宙的地是虛構(gòu)的，數(shù)據(jù)至少是真的。但'真的'值多少錢，沒人說得清?！?/p>

最近一個標(biāo)志性交易：某頭部模型廠商跟一家出版集團(tuán)簽了5年約，總價1.2億美元。合同里有條隱藏條款：如果訓(xùn)練出的模型在特定基準(zhǔn)測試上表現(xiàn)未達(dá)標(biāo)，出版集團(tuán)需退還30%費(fèi)用。這是數(shù)據(jù)市場第一次出現(xiàn)"效果對賭"，意味著賣方也開始承擔(dān)技術(shù)風(fēng)險。