近，则消息在科技圈炸锅。

　　为OpenAI、Anthropic等头部AI实验室提供数据服务的数据工厂Mercor，正大规模寻找倒闭或被收购的初创企业，以达30万美元的报价收购其内部数据集。

　　不仅包括代码库，涵盖Slack聊天记录、Google Drive文档、电子邮件、Zoom会议录音等日常办公痕迹。

　　据数据公司Protege披露，今年以来其处理的数据交易总额已达至少1亿美元，而去年同期仅约3000万美元。

　　这又是门因为AI而生的生意。

　　不过，这门生意背后，有令人发凉的地。

　　数据，不AI AI的进化，本质上是“吃”数据的过程。

　　大语言模型的能力上限，在很大程度上取决于训练数据的质量、规模和多样。

　　过去几年，AI产业享受了场数据盛宴，互联网上公开可用的网页、书籍、论文、代码、百科、论坛帖子，几乎被各大实验室刮了个遍。

　　但盛宴终有散场之时。

　　数据公司Protege CEO鲍比·塞缪尔斯语道破：“AI实验室已经基本刮完了整个互联网，现在需要的是人与人之间的真实互动。”

　　当AI从聊天机器人向数字员工演进时，对数据的需求发生了质变。

　　它不能只知道答案是什么，需要知道人类到底是怎么完成工作的。

　　份终代码库像道题的答案，能告诉模型产品后怎样运行，却未能解释问题初从哪里冒出来、工程师为什么先排除种可能、又为什么在测试失败后换了条路。

　　而工单、聊天记录、会议转录和次次代码修改，留下的正是这段中间过程，问题如何被发现、讨论、验证、修复的完整链路。

　　从技术角度看，这对应着训练数据从Type 2（人工设计任务）向Type 1（真实业务捕获）的范式转移。

　　代码域已验证这点。

　　大模型代码能力进步快，重要原因之是GitHub是全球*的Type 1数据宝库，条commit记录串起问题描述、修改案、代码评审和测试结果，完整保留问题从出现到解决的全链路。

　　其他域缺的不是需求，而是像GitHub这样现成的数据源。

　　这也就解释了个逻辑闭环，AI要变得智能，就须不断训练，而多、入的训练又需要多数据，结果当公开资料被消耗殆尽，AI就须向层、私密的数据伸手。

　　如果没有入的资料，AI就会面临巧妇难为米之炊的窘境，模型能力的天花板，也将被公开数据的天花板死死锁住，那还如何进化呢？

　　冲突爆发锦州橡塑胶

　　当AI伸手索取这些层数据时，问题随之而来。

　　Slack聊天记录里可能有客户信息，邮件里可能有员工姓名，会议里可能出现商业机密，医疗企业数据甚至涉及患者隐私。

　　AI实验室的刚需，与个人隐私权、企业商业秘密、劳动权益保护之间，形成了正面冲突。

　　这种冲突体现在多个维度，核心的是隐私问题。

　　尽管Mercor等公司声称能识别并遮蔽60多类敏感标识符，但业内坦言保护隐私几乎不可能。

　　的矛盾在于，工作记录有价值的部分，往往不是句话本身，而是谁在什么阶段说出，随后触发了什么动作。

　　姓名可替换，但岗位、时间、项目、客户关系和跨系统关联很难都删干净，数据清洗过度就会失去价值，保留这些关系又会带来重新识别和敏感信息泄露的风险。

　　其次是知情同意问题。

　　即使员工入职时签过知识产权协议，也不代表公司有权私自售内部聊天和工作记录，员工从未明确同意自己的工作对话被包出售给AI公司用于训练。

　　还有商业机密、客户隐私风险、法偏见等问题。

　　比如，真实工作数据，包含人类决策中的偏见和错误模式，当这些数据被用于训练AI智能体时，偏见会被规模化复制和放大。

　　法律监管也是个棘手的问题。

　　全球范围内，对于企业内部工作数据能否被三收购用于AI训练这问题，到现在都没有清晰的法律框架。

　　些人会认为这是好事，pvc管道管件胶因为监管宽松，可以动AI能力快速发展，并可以产生些新的业务和工作岗位，但它也开了隐私泄露、伦理失范和法律真空的潘多拉魔盒。

　　当然了，监管是肯定要跟上的，不可能让AI继续裸奔，现在各正在探索的解决路径包括：

　　法律层面尽快明确数据权属边界和“知情同意”标准；

　　技术层面发展联邦学习、差分隐私、成数据等隐私保护技术；

　　行业层面建立数据溯源和自律标准；

　　企业层面在出售数据前充分告知员工并征得同意。

　　但可以预见的事，这场冲突的解决会是个相当漫长的过程，各的利益博弈是不会消失的。

　　巨头的原罪

　　其实，在讨论Mercor收购倒闭公司数据是否侵犯隐私之前，些巨头的原罪也被再次拿出来讨论。

　　就拿谷歌和Meta来说，这两全球*的互联网平台，本身就沉淀了海量个人数据，包括数十亿用户的搜索记录、Gmail邮件、Google Docs文档、YouTube、Facebook帖子、Instagram照片、WhatsApp消息。

　　这些数据难道没有被用于AI训练吗？

　　真相是直在用。

　　《纽约时报》就报道过，2023年7月4日美国立日假期期间，谷歌发布了新后的隐私政策，并且特意选择假期以分散公众注意力。

　　新政策明确写道：“我们使用公开可用的信息来帮助训练谷歌的AI模型。”

　　2023年，Meta也新了隐私政策，明确声明用户在Facebook、Instagram上的公开帖子、照片、评论和Reels，都将被用于训练其AI模型。

　　2024年6月，Meta曾宣布暂停使用欧盟用户数据训练大语言模型，原因是尔兰数据保护委员会提出了数据保护面的担忧。

　　但仅仅年后，Meta又宣布恢复这计划。

　　2026年2月，Meta正式确认将使用欧盟用户的公开数据训练AI模型，仅给予用户“反对”（opt-out）的权利，而非“同意”（opt-in）。

　　2026年6月，谷歌又悄悄新了搜索隐私设置，自动将所有用户纳入其扩展的AI训练计划。

　　这些事实都说明，AI训练对个人隐私的侵犯，并不是从Mercor收购倒闭公司数据才开始的，从谷歌、Meta等巨头悄悄修改服务条款的那刻起，就已经在发生了。

　　区别只是，巨头们用的是法手段，而Mercor做的是灰交易，法律边界加模糊罢了。

　　尾声

　　Mercor的这门生意，撕开的恰恰是AI进化史中荒诞的页——我们面惊叹于大模型的“智能”，面又不得不承认，这种智能的底座，是数工人辈子在工作生活中留下的、那些从未被好好安放的“数字遗产”。

　　事已至此，再去苛责Mercor的灰交易，多少有些“解决提出问题的人”的意思。

　　谷歌、Meta的隐私政策静默新，已经用行动表明了态度——哪怕没有Mercor，AI对层数据的渴求也不会止步。

　　区别只在于，巨头们走的是堂而皇之的阳关道，Mercor们探的是若明若暗的木桥。

　　这场冲突没有简单的善恶之分，只有不可避的角力。

　　可以预见，未来的AI监管会为此划出新的红线，数据脱敏技术会走向成熟的形态，甚至“数字遗产”的概念也会被重新定义。

　　但在那之前，我们或许只能接受这样个尴尬的现实，AI的每次进化，都在拿人类的数字隐私做燃料。

　　而这场“自己照亮AI”的赛跑，远未看到终点。 相关词条:铁皮保温    塑料挤出机     钢绞线    玻璃卷毡厂家    保温护角专用胶

奥力斯    万能胶厂家    联系人：王经理    手机：18231788377（微信同号）    地址：河北省任丘市北辛庄乡南代河工业区

1.本网站以及本平台支持关于《新广告法》实施的“极限词“用语属“违词”的规定，并在网站的各个栏目、产品主图、详情页等描述中规避“违禁词”。
2.本店欢迎所有用户指出有“违禁词”“广告法”出现的地方，并积极配合修改。
3.凡用户访问本网页，均表示默认详情页的描述，不支持任何以极限化“违禁词”“广告法”为借口理由投诉违反《新广告法》，以此来变相勒索商家索要赔偿的违法恶意行为。