给AI当“奶妈”，是天涯们的生路吗？

声明:本文来自于微信公众号字母榜（ID:wujicaijing），作者:谭宵寒，授权站长之家转载发布。

老牌中文社区天涯已经住进“ICU”整整一年，破产看来已经注定，但最近一家美国同行搭上AI 快车的消息，又给天涯带来了一丝希望。

去年4月，因[]拖缴数据机房[]费用，天涯社[]区遭“断网”[]。

症结在缺钱。[]天涯社区称，[]危机来自于近[]几年资金流动[]性困难加剧，[]电信IDC欠[]费，导致天涯[]社区暂停访问[]。

再听到天涯的[]消息，是在今[]年2月底，全[]国企业破产重[]整案件信息网[]上公开一条“[]天涯社区网络[]科技股份有限[]公司被申请破[]产审查”的信[]息。

尽管天涯方面[]否认即将破产[]的传闻，但天[]涯重见天日的[]可能性，到底[]是更加渺茫了[]。

在美国，一家[]式微的老牌内[]容平台，却依[]靠AI的浪潮[]找到了副业，[]吃下了热钱—[]—第三方图片[]托管平台Ph[]otobuc[]ket，一度[]拥有7000[]万用户，占据[]美国在线照片[]市场的近一半[]份额。如今，[]Photob[]ucket辉[]煌不再，只有[]约200万人[]还在使用它。[]

正所谓“瘦死[]的骆驼比马大[]”，已经被大[]部分人遗忘的[]Photob[]ucket有[]之前多年的积[]累，依然坐拥[]上百亿照片和[]视频。而这，[]正是患上“数[]据饥渴症”的[]AI公司最需[]要的。

在AI热潮下，不断有公司找上门来。以正在进行的谈判来粗略估计，Photobucket手里掌握的内容可能价值数十亿美元。

有钱但缺数据的AI公司，遇上没钱但积累了海量内容的老牌社区，不交易一下才奇怪。

Photob[]ucket正[]在与AI公司[]谈交易的消息[]，是由路透社[]曝出的。

有意思的是，报道中有一句话在后续编辑中被删除:“公司预计，其第一季度营业陆润将增长10倍，达到近49亿美元。”

49亿美元是[]什么概念?

Photob[]ucket作[]为一家图片托[]管网站，刚开[]始是免费的。[]在千禧年前后[]，互联网用户[]激增，人们或[]为了记录生活[]，或为了分享[]，乐于将照片[]上传到一个专[]门的网站。而[]且，在Pho[]tobuck[]et上传了图[]片后，人们还[]可以在其他网[]站如MySp[]ace直接嵌[]入，省得反复[]上传。一些卖[]家也会在eB[]ay或亚马逊[]使用Phot[]obucke[]t托管的图片[]。

用这种方式，巅峰时期的Photobucket一度占据了美国互联网流量的2%。

由免费转向付[]费，似乎是P[]hotobu[]cket的必[]经之路。不过[]，Photo[]bucket[]有点太心急了[]。2017年[]时，Phot[]obucke[]t突然将第三[]方显示变为每[]年399美元[]的付费订阅服[]务。此举并没[]有提前的充分[]预警，很多用[]户发现自己在[]其他网站嵌入[]的Photo[]bucket[]图片都无法展[]示，变成了“[]付费以解锁”[]的提示。

要知道，Ph[]otobuc[]ket当时已[]经有1亿注册[]用户，有约6[]000万第三[]方网站的图片[]在此次“升级[]”下无法正常[]显示。在争议[]之下，Pho[]tobuck[]et次年将年[]订阅模式改为[]可月付的模式[]，并沿用至今[]。

Photob[]ucket也[]就此走上下坡[]路。后续几年[]，Photp[]bucket[]又经历了服务[]中心断电导致[]服务中断、隐[]私泄露等“意[]外”，渐渐从[]备受欢迎的图[]片网站变成了[]互联网边角料[]产品。公司规[]模也从鼎盛时[]期的120名[]员工缩水到了[]40人。

目前Photobucket网站提供的付费计划中，最贵的每月收取8美元。以最新报道透露的200万用户在使用Photobucket计算，哪怕他们全部月付8美元，每年也仅能贡献1.9亿美元。而且这对Photobucket来说只是收入，没有剔除存储、维护、运营等的各项成本。

虽然Photobucket在过去二十年损失了不少用户，但除非用户注销，它一直保留着用户的图片。即便是在不再支持免费账户的情况下，Photobucket也明确通知用户:你的照片还在，只需要现在开始付费，就能重新看到它们。

不断有已经弃[]用Photo[]bucket[]的用户在社交[]媒体上吐槽，[]称自己频繁收[]到Photo[]bucket[]“求复合”的[]邮件，已经不[]堪其扰。

既然图片都在，海量的内容还存储在服务器上，为什么不用它们赚上一笔?将平台内容授权给AI公司，获得49亿美元，对Photobucket来说可以算是一笔巨款了。

为什么AI公[]司会找上“明[]日黄花”Ph[]otobuc[]ket?

答案很简单，[]太缺数据了。[]以OpenA[]I的GPT系[]列模型为例，[]GPT-3使[]用了3000[]亿的toke[]n，GPT-[]4使用了12[]万亿的tok[]en。而已经[]在路上的GP[]T-5所需的[]token量[]在60万亿到[]100万亿。[]

“规模即一切[]”成为AI的[]战斗口号。霍[]普金斯大学卢[]纶物理学家贾[]里德·卡普兰[]（Jared[] Kaplan[]）在2020[]年发表了一篇[]关于AI的开[]创性论文，其[]表明训练数据[]越多，大型语[]言模型的表现[]越好，就像学[]生通过阅读更[]多书籍来学习[]更多知识一样[]。

互联网上公开[]可用的数据在[]大模型面前并[]不是取之不尽[]的。据人工智[]能研究机构E[]poch估计[]，2026年[]所有高质量可[]用数据就有可[]能被耗尽，互[]联网生产数据[]的速度有可能[]比不上不断膨[]胀的大模型的[]消耗速度。

“数据饥渴”的AI公司获取数据的路径，总结起来就是:免费的，直接用;自家的，直接用且不给别人用;可以付费的，付费;付费也买不到的，必要时想想办法弄到手。

近日，《纽约[]时报》报道O[]penAI曾[]在训练GPT[]-4时利用了[]谷歌旗下Yo[]uTube的[]内容。直接取[]用肯定不行，[]谷歌不让啊。[]于是Open[]AI计上心头[]，创建了一个[]名为Whis[]per的语音[]识别工具，将[]超过100万[]小时的You[]Tube视频[]转录，然后再[]喂给模型。

此前，尚未开[]放给大众的文[]本到视频工具[]Sora也引[]起了外界怀疑[]。在一次采访[]中，Open[]AI的首席技[]术官米拉·穆[]拉蒂（Mir[]a Murati[]）没有正面回[]应“是否使用[]YouTub[]e、Inst[]agram、[]Facebo[]ok等平台的[]内容训练So[]ra”这一问[]题，她听到该[]问题时复杂的[]表情甚至成为[]了互联网梗图[]。

YouTub[]e首席执行官[]尼尔·莫汉（[]Neal Mohan）[]在4月5日对[]此表态，称目[]前没有证据表[]明OpenA[]I用了You[]Tube视频[]训练Sora[]，但如果Op[]enAI果真[]这么做了，那[]“明显违反”[]了YouTu[]be平台的使[]用条款。

要是以为Yo[]uTube是[]在努力保护用[]户（或说创作[]者），可能有[]点天真。莫汉[]在采访中也提[]到，谷歌确实[]用了YouT[]ube上的一[]些内容训练了[]旗下大模型G[]emini。[]

另一边，巨头[]Meta的马[]克·扎克伯格[]（Mark Zucker[]berg）也[]将平台数据视[]为自己的竞争[]优势。扎克伯[]格曾直言:“[]我们战术的下[]一个关键部分[]是从独特的数[]据中学习。”[]“在Face[]book和I[]nstagr[]am上，有数[]千亿张公开分[]享的图片和数[]百亿段公开视[]频。”

在去年怒喷微[]软，威胁要起[]诉其使用X的[]数据训练AI[]的埃隆·马斯[]克（Elon[] Musk），[]也悄悄更新了[]X的隐私政策[]，表示会使用[]社交媒体数据[]来训练机器学[]习和AI模型[]。在网友的追[]问下，马斯克[]干脆承认:“[]只会用公开信[]息(训练)，[]不会用私信和[]任何私人数据[]。”

有海量UGC[]（用户生成内[]容）且自己也[]做AI的公司[]，数据是不卖[]的，只给自己[]用。其他AI[]公司要么就铤[]而走险偷偷用[]，要么就要去[]找那些有内容[]但愿意出售的[]公司。

Shutte[]rStock[]和Reddi[]t都是活跃在[]数据交易场上[]的“大卖家”[]。

图片网站Sh[]utterS[]tock几乎[]和所有叫得上[]名字的AI大[]公司都合作了[]个遍，包括但[]不限于Ope[]nAI、Me[]ta、谷歌、[]亚马逊，达成[]使用其图片训[]练AI的协议[]。每笔交易的[]最初价格从2[]000万美元[]到5000万[]美元不等，而[]且后续还扩大[]了交易规模。[]

随着AI浪潮[]翻涌，“美国[]贴吧”Red[]dit意识到[]自己的数据对[]AI公司至关[]重要，且非常[]宝贵。去年开[]始，Redd[]it开始与一[]系列AIGC[]领军企业展开[]谈判，商议数[]据付费使用的[]问题。说白了[]就是，不付费[]要授权，休想[]用这一头部美[]国贴吧的内容[]喂AI了。谈[]判陆续有了进[]展，如今年2[]月，Redd[]it就与谷歌[]达成协议，授[]权数据给其训[]练AI，合同[]价值约每年6[]000万美元[]。

在这样的态势[]下，Phot[]obucke[]t这样的老牌[]社区被盯上只[]是时间问题。[]

Photob[]ucket的[]首席执行官泰[]德·伦纳德（[]Ted Leonar[]d）表示，他[]正在和多家科[]技公司谈判，[]涉及130亿[]个内容(照片[]和视频)的授[]权。每张照片[]的授权价格在[]5美分到1美[]元，视频则为[]1美元以上。[]

一位买家告诉[]伦纳德，他们[]想要超过10[]亿个视频，比[]Photob[]ucket拥[]有的还多。以[]现在的谈判来[]看，Phot[]obucke[]t坐拥数十亿[]美元的内容。[]

机智的Photoshop在去年10月更新了其用户条款，授予平台“不受限制的权利”，可以出售任何上传的内容，用于培训AI系统。

伦纳德甚至表示，有望用数据授权替代公司的广告销售业务。

繁忙的数据交[]易市场，也许[]给式微甚至已[]经死亡的UG[]C平台提供了[]一个“副业”[]。

天涯究竟积累了多少内容不可知，几个数据可以从侧面一窥其规模。巅峰时期，天涯的日访问量曾达到2000万。

在中文社区的黄金时代，流行着“全民话题，天涯制造”的说法。众多初代网红诞生于这里，如芙蓉姐姐、极品小月月、犀利哥等。众多畅销书孵化于此处，如《鬼吹灯》《明朝那些事儿》《东北往事:黑道风云二十年》《法医秦明》等等。

中文论坛对A[]I训练的用处[]也正在被关注[]。

一项研究显示[]，百度贴吧的[]“弱智吧”显[]现出不俗的数[]据训练效果。[]

这项研究由中[]科院深圳先进[]技术研究院、[]中科院自动化[]研究所、滑铁[]卢大学等众多[]高校、研究机[]构联合完成，[]提出了一个高[]质量的中文指[]导优化数据集[]。研究中用中[]文指导优化数[]据集训练了不[]同类型和大小[]的模型，探讨[]了各种数据源[]对模型性能的[]影响。在测试[]中，百度贴吧[]“弱智吧”的[]得分颇高。

“弱智吧”聚[]集了300个[]成员，并不是[]真的和智力障[]碍相关，而是[]“假装弱智”[]，发表一些烧[]脑言论。如“[]如果高中的入[]学率不高，为[]什么不直接录[]用大学生”，[]或“为什么我[]爸妈结婚的时[]候没有邀请我[]”。研究人员[]猜测，可能是[]“弱智吧”的[]问题增强了A[]I的逻辑推理[]能力。

这是全民创作和AI之间碰撞出的火花，社区内容有时能贡献意想不到的惊喜。

不过，横在社[]区内容和AI[]之间的，还有[]用户。

就像Phot[]obucke[]t忙不迭地更[]新用户条款，[]中文互联网的[]“内容确权”[]也一直是个问[]题。

一方面，中文互联网平台早已形成了将授权条款埋入用户条款里的习惯。目前所能查到的天涯2017年的《隐私和版权》协议中写明:“用户发表并将其上传到本网站的任何内容，本社区在全世界范围内不限形式和载体地享有永久的、不可撤销的、免费的、非独家的使用权和转授权的权利，包括但不限于修改、复制、发行、展览、改编、汇编、出版、翻译、信息网络传播、广播、表演和在创作及著作权法等法规确定的其他权利。”

天涯“断电”后，网络上售卖“天涯神帖合集”的生意走俏。天涯曾在重启公告中称，关注到天涯神贴在各大平台大受欢迎，“计划从现在开始发展一批高级会员，在回复访问后的天涯社区平台上开辟天涯神贴付费专区”。

在重启公告的[]最后，天涯表[]示，“无论是[]预购一个‘9[]9元天涯神贴[]服务’，还是[]预购一个‘2[]99元一对一[]数据下载服务[]’，都是对天[]涯重启非常重[]要的助力”。[]文末，天涯附[]上了购买二维[]码。

另一方面，平台是否就此有权将用户内容授权给其他公司以训练AI，还有待商榷。

用户对此颇为[]警惕。

在去年，小红[]书曾更新用户[]条款，在“用[]户内容及信息[]授权”中写着[]“您授予xx[]x公司免费的[]、不可撤销的[]、非排他的、[]无地域限制的[]许可使用”，[]并表示“上述[]许可包括使用[]、复制和展示[]用户内容中受[]保护的个人形[]象、肖像、姓[]名、商标、品[]牌、标识及其[]他营销推广素[]材、物料的权[]利和许可”，[]加之彼时恰有[]插画师质疑A[]I工具涉嫌抄[]袭，而引发了[]插画师对平台[]用自己上传的[]作品训练AI[]的担忧，不少[]插画师公开抵[]制，并宣布在[]该平台停更。[]

如今Phot[]oBucke[]t首席执行官[]接受采访，并[]坦诚平台与A[]I公司进行授[]权协议，但并[]不是每个AI[]公司都对其内[]容放心。

Defene[]d.ai的首[]席执行官布加[]拉（Dani[]ela Braga）[]表示，她避免[]从Photo[]bucket[]这样的平台公[]司获取内容，[]而更喜欢从创[]作这些照片的[]原作者那里获[]取授权:“我[]认为这非常危[]险。”“如果[]有一些AI生[]成的东西类似[]于某个从未点[]头许可的人的[]照片，那就有[]麻烦了。”