人工智能公司真的非常想购买你的工作文件和电子邮件

最近，一种新的推销方式进入了我的收件箱。 “不确定你是否听说过，”一位名叫 Nick 的人写道，“Anthropic 和 OpenAI 等人工智能实验室正在向 Wired 等媒体公司一次性支付 35 万至 180 万美元的费用，购买其旧工作记录（文档、电子邮件、松弛消息、票证等）的副本，以训练更好的模型。”另一封具有类似宣传内容的电子邮件（将通话记录添加到所需信息列表中）将赌注提高到可能的 200 万美元。 “公共数据已经耗尽，实验室花费超过 45B 美元购买私人数据以构建更好的模型，”一位名叫 Cora 的人写道。虽然我知道人工智能公司正在从各种来源购买专家数据，但并没有引起太多关注。但当我深入研究后，我发现这个业务比我想象的要大得多，而且根据其从业者的说法，它对工人和社会的影响可能与如今占据新闻头条的数据中心一样大。与我联系的公司属于数据采集行业热潮的一部分，这些公司一直在悄悄购买大型公司的工作流程，并且仍然如此渴望，以至于它正在渗入我们的收件箱。一位自由撰稿人最近写了一篇关于她在一家名为 Handshake 的公司工作的经历，该公司为她在一个故事上的工作提供了 1,000 美元的报酬。 （她没有卖掉。）Handshake 的一位代表向我证实了这一提议：“我们授权了许多领域的专业文档，以便实验室可以测试和训练模型如何处理真正的知识工作，”他说。 “新闻业就是其中之一。” Handshake 告诉我，其业务的很大一部分是购买研究生论文和课程作业。我的一位企业家朋友告诉我，他收到了多家公司的邮件，这些公司的业务是“帮助初创公司关闭他们的公司”，一封来自名为 Sunset 的公司的电子邮件解释道。 “我们负责处理整个流程，对数据进行清理和匿名处理，以便剔除公司人员和任何识别细节，然后与实验室达成交易。”这些较新的数据采集初创公司希望能够像该领域的主导公司一样快速取得成功，而这些公司本身只有几年的历史。行业领导者 Handshake、Micro1 和 Mercor 正在抢购数据库，就像现代淘金热一样。行业领导者似乎是 Mercor，成立于 2023 年；去年，其三位联合创始人在22岁时成为亿万富翁。与所有公司一样，它声称与几乎所有主要的人工智能实验室都有合作伙伴关系。 （公司本身的反应更为谨慎：Anthropic 承认数据有一个很大的市场，但告诉我，它不会从 WIRED 等现有公司购买工作流程。OpenAI 在发布之前没有做出回应。）在一次采访中，Mercor 首席执行官 Brendan Foody 告诉我，随着人工智能行业寻求更多数据，市场即将爆炸。 Mercor 最初是一家人工智能招聘公司，但随着团队对参与者的了解，他们发现大型实验室对数据质量感到沮丧。一般来说，该行业一直在聘请专家来模拟实际的工作流程，但这并没有捕捉到实际运营业务的混乱情况。他敦促我考虑大人工智能有两个无底的需求：计算和数据。尽管该行业公开地对前者进行了大量投资，但数据收集也同样重要。当我提出隐私问题时，Foody 已做好准备。当企业将数据流式传输到 Mercor 时，该公司会删除任何个人识别信息 (PII)。他说，这种去身份识别是可以验证的。和我采访过的所有数据采集领域的人一样，他认为技术已经解决了购买所有信息的隐私问题。毫不奇怪，Micro1 首席执行官 Ali Ansari 同意数据购买市场将很快接近人工智能计算基础设施的市场。他说，如今，实验室、企业和机器人公司每年花费约 40 至 500 亿美元来获取数据。 （我无法验证这一点。）“在未来两到四年内，每年的收入将超过一万亿美元。”2022 年创立该公司的安萨里说道。Micro1 使用购买的信息主要是为了改进自己构建的人工智能模型，但它也向大型人工智能公司出售产品。 “现在几乎每个人都试图进入数据领域，因为需求如此之大，”他说。 “如果你看看 YC 初创公司，其中大约一半是数据公司。” （事实上​​，更重要的是，在最近的 YC 批次中，65 家推出的公司中有 40 家被归类为数据初创公司。）当破产的精神航空出售其数字资产时，狂野西部对新鲜数据的探索得到了罕见的曝光。该语料库包括 80,000 个电子邮件帐户、5 亿条内部消息、2060 万个 Microsoft Sharepoint 文件和 100 万个考勤卡记录。谷歌看似以 1000 万美元的出价中标，但随后 Micro1 以 250 万美元的价格夺冠