AI labs are buying data from dead startups to train their models

SimpleClosure 于 4 月将数据销售纳入其服务范围。其 Asset Hub 平台帮助创始人出售他们的代码和工作区数据——电子邮件、聊天记录、文档。买家包括基础 AI 实验室、为 AI 训练构建模拟工作区的供应商，以及构建自有模型的成熟科技公司。Asset Hub 已处理超过 150 笔交易，预计到 2026 年底将向初创企业返还超过 1000 万美元。CEO Dori Yona 目睹这些曾经罕见且“有些禁忌”的交易变得越来越常规化，目前 SimpleClosure 有 47% 的交易包含代码或数据销售。

而且不止它一家。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 CEO Brendan Mahony 表示，Sunset 根据员工人数、运营年限、数据量以及团队如何使用其工具来评估濒临倒闭客户的资产价值。他说，刨花板是一个很好的类比：“这些运营废气数据就像木屑，所有人都认为它毫无价值，但实际上它蕴含着巨大的价值。”

去年，随着 AI 训练实验室触及公开数据集和合成数据集的极限，对已倒闭公司数据的需求突然涌现。例如，Surge AI 购买数据来构建“强化学习训练场”，让客户的 AI 智能体在其中练习任务——比如调试复杂的 IT 架构或起草上诉状。负责该公司这些环境工作的 Nick Heiner 表示，他寻找的是能反映从分歧到棘手判断等各种情境的数据档案。Heiner 解释说，一家公司的 Slack 历史记录如果能捕捉到多样且深入的对话，其价值可能超过另一家公司的 Slack、电子邮件和日历的总和。

真实档案避免了合成世界中常见的错误，比如引用不存在的日期，但性能提升的幅度仍不清楚。目前还没有公司发布过比较真实世界数据训练与其他方案结果的测试。定价反映了这种不确定性：Heiner 说，买家的报价差异极大，因为估值基于“研究论点”，即估算比如 10 万行代码能产生多少有用的任务。

但这并没有阻止更大规模交易的发生。去年 8 月，在 Spirit Airlines 破产程序中，Google 出价高于 AI 数据公司 Mercor，买下了这家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 17.6 万份员工记录。价格是：1000 万美元。而*彭博社*在 9 月报道，SpaceX 的 AI 部门正在权衡从陷入困境的初创公司购买数据。

从法律上看，这一切都可能变得棘手。Spirit 的空乘工会以隐私为由反对这笔出售，而为 AI 初创公司提供咨询的律师 Greg Ewing 称这类数据是“法律上的放射性物质”。供应商会聘请数据科学家清洗个人可识别信息并排除人力资源记录，买家也表示他们同样会进行清洗。但 Ewing 指出，电子邮件和日历中还潜藏着一些私人细节：医生预约、接送孩子上学的安排、约会之夜的计划。他描述了一个“AI 训练的蛮荒西部”，而这种情况才刚刚开始让位于正规的许可协议和经过审查的使用。

还有一个问题：这些意外之财由谁获利。收益通常流向优先债权人和投资者——而不是员工。在埃默里大学法学教授、《量化工作者》（The Quantified Worker）一书的作者Ifeoma Ajunwa看来，这代表了一种“被俘获的资本”。法律先例允许以监控帮助员工完成工作，但一旦公司倒闭，这一正当理由便不复存在。“雇主在出售员工数据之前应获得明确同意，”Ajunwa说，但她补充道，目前并没有联邦法律禁止此类出售。

尽管许多人将这一新市场视为失败企业挽回部分价值的机会，这些清盘出售也有其局限性。创始人对谁在购买数据、以及买家打算如何使用数据几乎一无所知。此外，也几乎无法保证他们得到了公平的报价。不过，数据价格很可能在未来一年趋于稳定——除非AI泡沫先破裂。无论哪种情况，科技行业的新“殡葬师”都会到场，为剩下的东西估价。

Matthew King是一位常驻巴尔的摩的科技与环境记者。