人工智能实验室正在从倒闭的初创公司购买数据来训练他们的模型

当基兰·米斯克尔（Keelan Miskell）今年开始结束他的加密货币初创公司时，他认为该公司的数据没有多大价值：用户是匿名的，该公司才成立几年。但此后他将公司的数字档案变成了真正的金钱。他从自己的代码库中赚到了大约 25,000 美元，并从 Google、Notion、Figma 和 Slack 中的工作区数据中赚到了一笔尚未确定的金额（可能约为 15,000 美元）。 “至少我们两年半以来所做的所有事情对于某个地方的某人来说都是有价值的，”他说。

此次出售是由一家名为 SimpleClosure 的公司促成的，该公司属于科技新增长领域的一部分：为垂死的初创公司提供服务的企业。 Carta 和 AngelList 的估计显示，近年来，停工率每年上升 26% 至 56%，并且出现了一个临终生态系统——包括教练、“死亡导乐”以及帮助处理破产时的法律、税务和运营问题的公司。现在，科技承办商正在将这些数据出售给人工智能实验室。

SimpleClosure 于 4 月份在其服务中增加了数据销售。其资产中心平台帮助创始人出售他们的代码和工作空间数据——电子邮件、聊天、文档。买家包括基础人工智能实验室、为人工智能培训构建模拟工作空间的供应商以及构建自己模型的成熟科技公司。 Asset Hub 已处理超过 150 笔交易，预计到 2026 年底将向初创公司返还超过 1000 万美元。首席执行官 Dori Yona 发现这些曾经罕见且“有些禁忌”的交易变得越来越常见，现在 47% 的 SimpleClosure 交易包括代码或数据销售。

而且它还有同伴。行业竞争对手 Sunset 也拥有快速增长的数据转售业务。创始人兼首席执行官 Brendan Mahony 表示，Sunset 通过员工数量、运营年限、数据量以及团队如何使用工具来评估垂死客户的资产。他说，刨花板是一个很好的类比：“这些运行废气数据就像每个人都认为没有价值的木屑，但实际上它有很多价值。”

去年，随着人工智能培训实验室达到公共和合成数据集的极限，对已倒闭公司数据的需求突然出现。例如，Surge AI 购买数据来建造“强化学习健身房”，客户的人工智能代理可以在其中练习任务——比如调试复杂的 IT 架构或起草上诉摘要。领导公司在这些环境下的工作的尼克·海纳 (Nick Heiner) 表示，他寻求反映一系列情况的数据档案，从分歧到棘手的判断。 Heiner 解释说，一家公司的 Slack 历史，如果它能捕捉到多样性和深度的对话，其价值可能比另一家公司的 Slack、电子邮件和日历的总和更有价值。

真实档案避免了合成世界中的常见错误，例如引用不存在的日期，但性能提升的程度仍不清楚。目前还没有公司发布测试来比较现实世界数据训练的结果与替代方案。定价反映了这种不确定性：海纳说，买家给出的数字差异很大，因为估值是基于“研究论文”，估计有多少有用的任务来自（例如，100,000 行代码）。

但这并没有阻止更大的交易发生。今年 8 月，作为 Spirit Airlines 破产的一部分，谷歌以高于人工智能数据公司 Mercor 的价格购买了该航空公司数十年的数据，其中包括 1 亿封电子邮件、5 亿条 Teams 消息和 176,000 条员工记录。标价：1000万美元。彭博社 9 月份报道称，SpaceX 的人工智能部门正在权衡从陷入困境的初创公司购买的数据。

从法律上讲，这一切都可能变得不确定。 Spirit 的空姐工会以隐私为由反对出售，为人工智能初创公司提供咨询的律师格雷格·尤因 (Greg Ewing) 称此类数据“具有合法放射性”。供应商聘请数据科学家来清理个人身份信息并排除人力资源记录，买家表示他们也进行了清理。但尤因指出了电子邮件和日历中潜藏的一些私人细节：医生预约、学校接送安排、约会之夜计划。他描述了“人工智能培训的狂野西部”，这种培训才刚刚开始让位于适当的许可协议和经过审查的使用。

还有一个问题是谁从这些意外之财中获利。收益通常流向高级债权人和投资者，而不是员工。对于埃默里大学法学教授、《量化工人》一书的作者 Ifeoma Ajunwa 来说，这代表了一种“捕获资本”的形式。法律先例允许进行监控以帮助工人完成工作，但一旦公司倒闭，这种合理性就消失了。阿琼瓦说：“雇主在出售工人数据之前应获得明确同意。”但她补充说，没有联邦法律禁止此类出售。

尽管许多人认为这个新市场是失败企业恢复部分价值的机会，但这些逐步出售也有局限性。创始人几乎不知道谁在购买数据以及他们计划用这些数据做什么。另外，很难保证他们会得到公平的报价。不过，除非人工智能泡沫首先破裂，否则数据价格可能会在未来一年稳定下来。不管怎样，科技行业的新承办者都会在那里评估剩下的东西。

马修·金（Matthew King）是巴尔的摩的一名技术和环境记者。

本文译自国外媒体的英文报道（机器翻译，可能存在语义偏差），点击「查看原文」阅读英文原版。

资讯由采集器定时从公开的机器人 / AI 信息源自动聚合。