給AI當(dāng)「奶媽」，是天涯們的生路嗎？

　　老牌中文社區(qū)天涯已經(jīng)住進(jìn)“ICU”整整一年，破產(chǎn)看來已經(jīng)注定，但最近一家美國同行搭上AI 快車的消息，又給天涯帶來了一絲希望。

　　去年4月，因拖繳數(shù)據(jù)機(jī)房費(fèi)用，天涯社區(qū)遭“斷網(wǎng)”。

　　癥結(jié)在缺錢。天涯社區(qū)稱，危機(jī)來自于近幾年資金流動性困難加劇，電信IDC欠費(fèi)，導(dǎo)致天涯社區(qū)暫停訪問。

　　再聽到天涯的消息，是在今年2月底，全國企業(yè)破產(chǎn)重整案件信息網(wǎng)上公開一條“天涯社區(qū)網(wǎng)絡(luò)科技股份有限公司被申請破產(chǎn)審查”的信息。

　　盡管天涯方面否認(rèn)即將破產(chǎn)的傳聞，但天涯重見天日的可能性，到底是更加渺茫了。

　　在美國，一家式微的老牌內(nèi)容平臺，卻依靠AI的浪潮找到了副業(yè)，吃下了熱錢——第三方圖片托管平臺Photobucket，一度擁有7000萬用戶，占據(jù)美國在線照片市場的近一半份額。如今，Photobucket輝煌不再，只有約200萬人還在使用它。

　　正所謂“瘦死的駱駝比馬大”，已經(jīng)被大部分人遺忘的Photobucket有之前多年的積累，依然坐擁上百億照片和視頻。而這，正是患上“數(shù)據(jù)饑渴癥”的AI公司最需要的。

　　在AI熱潮下，不斷有公司找上門來。以正在進(jìn)行的談判來粗略估計(jì)，Photobucket手里掌握的內(nèi)容可能價值數(shù)十億美元。

　　有錢但缺數(shù)據(jù)的AI公司，遇上沒錢但積累了海量內(nèi)容的老牌社區(qū)，不交易一下才奇怪。

　　有意思的是，報道中有一句話在后續(xù)編輯中被刪除：“公司預(yù)計(jì)，其*季度營業(yè)陸潤將增長10倍，達(dá)到近49億美元。”

　　49億美元是什么概念?

　　Photobucket作為一家圖片托管網(wǎng)站，剛開始是免費(fèi)的。在千禧年前后，互聯(lián)網(wǎng)用戶激增，人們或?yàn)榱擞涗浬�活，或�(yàn)榱朔窒�，樂于將照片上傳到一個專門的網(wǎng)站。而且，在Photobucket上傳了圖片后，人們還可以在其他網(wǎng)站如MySpace直接嵌入，省得反復(fù)上傳。一些賣家也會在eBay或亞馬遜使用Photobucket托管的圖片。

　　用這種方式，*時期的Photobucket一度占據(jù)了美國互聯(lián)網(wǎng)流量的2%。

　　由免費(fèi)轉(zhuǎn)向付費(fèi)，似乎是Photobucket的必經(jīng)之路。不過，Photobucket有點(diǎn)太心急了。2017年時，Photobucket突然將第三方顯示變?yōu)槊磕?99美元的付費(fèi)訂閱服務(wù)。此舉并沒有提前的充分預(yù)警，很多用戶發(fā)現(xiàn)自己在其他網(wǎng)站嵌入的Photobucket圖片都無法展示，變成了“付費(fèi)以解鎖”的提示。

　　要知道，Photobucket當(dāng)時已經(jīng)有1億注冊用戶，有約6000萬第三方網(wǎng)站的圖片在此次“升級”下無法正常顯示。在爭議之下，Photobucket次年將年訂閱模式改為可月付的模式，并沿用至今。

　　Photobucket也就此走上下坡路。后續(xù)幾年，Photpbucket又經(jīng)歷了服務(wù)中心斷電導(dǎo)致服務(wù)中斷、隱私泄露等“意外”，漸漸從備受歡迎的圖片網(wǎng)站變成了互聯(lián)網(wǎng)邊角料產(chǎn)品。公司規(guī)模也從鼎盛時期的120名員工縮水到了40人。

　　目前Photobucket網(wǎng)站提供的付費(fèi)計(jì)劃中，最貴的每月收取8美元。以最新報道透露的200萬用戶在使用Photobucket計(jì)算，哪怕他們?nèi)�部月�?美元，每年也僅能貢獻(xiàn)1.9億美元。而且這對Photobucket來說只是收入，沒有剔除存儲、維護(hù)、運(yùn)營等的各項(xiàng)成本。

　　雖然Photobucket在過去二十年損失了不少用戶，但除非用戶注銷，它一直保留著用戶的圖片。即便是在不再支持免費(fèi)賬戶的情況下，Photobucket也明確通知用戶：你的照片還在，只需要現(xiàn)在開始付費(fèi)，就能重新看到它們。

　　不斷有已經(jīng)棄用Photobucket的用戶在社交媒體上吐槽，稱自己頻繁收到Photobucket“求復(fù)合”的郵件，已經(jīng)不堪其擾。

　　既然圖片都在，海量的內(nèi)容還存儲在服務(wù)器上，為什么不用它們賺上一筆?將平臺內(nèi)容授權(quán)給AI公司，獲得49億美元，對Photobucket來說可以算是一筆巨款了。

　　為什么AI公司會找上“明日黃花”Photobucket?

　　答案很簡單，太缺數(shù)據(jù)了。以O(shè)penAI的GPT系列模型為例，GPT-3使用了3000億的token，GPT-4使用了12萬億的token。而已經(jīng)在路上的GPT-5所需的token量在60萬億到100萬億。

　　“規(guī)模即一切”成為AI的戰(zhàn)斗口號�；羝战鹚勾髮W(xué)盧綸物理學(xué)家賈里德·卡普蘭(Jared Kaplan)在2020年發(fā)表了一篇關(guān)于AI的開創(chuàng)性論文，其表明訓(xùn)練數(shù)據(jù)越多，大型語言模型的表現(xiàn)越好，就像學(xué)生通過閱讀更多書籍來學(xué)習(xí)更多知識一樣。

　　互聯(lián)網(wǎng)上公開可用的數(shù)據(jù)在大模型面前并不是取之不盡的。據(jù)人工智能研究機(jī)構(gòu)Epoch估計(jì)，2026年所有高質(zhì)量可用數(shù)據(jù)就有可能被耗盡，互聯(lián)網(wǎng)生產(chǎn)數(shù)據(jù)的速度有可能比不上不斷膨脹的大模型的消耗速度。

　　“數(shù)據(jù)饑渴”的AI公司獲取數(shù)據(jù)的路徑，總結(jié)起來就是：免費(fèi)的，直接用；自家的，直接用且不給別人用；可以付費(fèi)的，付費(fèi)；付費(fèi)也買不到的，必要時想想辦法弄到手。

　　近日，《紐約時報》報道OpenAI曾在訓(xùn)練GPT-4時利用了谷歌旗下YouTube的內(nèi)容。直接取用肯定不行，谷歌不讓啊。于是OpenAI計(jì)上心頭，創(chuàng)建了一個名為Whisper的語音識別工具，將超過100萬小時的YouTube視頻轉(zhuǎn)錄，然后再喂給模型。

　　此前，尚未開放給大眾的文本到視頻工具Sora也引起了外界懷疑。在一次采訪中，OpenAI的首席技術(shù)官米拉·穆拉蒂(Mira Murati)沒有正面回應(yīng)“是否使用YouTube、Instagram、Facebook等平臺的內(nèi)容訓(xùn)練Sora”這一問題，她聽到該問題時復(fù)雜的表情甚至成為了互聯(lián)網(wǎng)梗圖。

　　YouTube首席執(zhí)行官尼爾·莫漢(Neal Mohan)在4月5日對此表態(tài)，稱目前沒有證據(jù)表明OpenAI用了YouTube視頻訓(xùn)練Sora，但如果OpenAI果真這么做了，那“明顯違反”了YouTube平臺的使用條款。

　　要是以為YouTube是在努力保護(hù)用戶(或說創(chuàng)作者)，可能有點(diǎn)天真。莫漢在采訪中也提到，谷歌確實(shí)用了YouTube上的一些內(nèi)容訓(xùn)練了旗下大模型Gemini。

　　另一邊，巨頭Meta的馬克·扎克伯格(Mark Zuckerberg)也將平臺數(shù)據(jù)視為自己的競爭優(yōu)勢。扎克伯格曾直言：“我們戰(zhàn)術(shù)的下一個關(guān)鍵部分是從獨(dú)特的數(shù)據(jù)中學(xué)習(xí)。”“在Facebook和Instagram上，有數(shù)千億張公開分享的圖片和數(shù)百億段公開視頻。”

　　在去年怒噴微軟，威脅要起訴其使用X的數(shù)據(jù)訓(xùn)練AI的埃隆·馬斯克(Elon Musk)，也悄悄更新了X的隱私政策，表示會使用社交媒體數(shù)據(jù)來訓(xùn)練機(jī)器學(xué)習(xí)和AI模型。在網(wǎng)友的追問下，馬斯克干脆承認(rèn)：“只會用公開信息(訓(xùn)練)，不會用私信和任何私人數(shù)據(jù)。”

　　有海量UGC(用戶生成內(nèi)容)且自己也做AI的公司，數(shù)據(jù)是不賣的，只給自己用。其他AI公司要么就鋌而走險偷偷用，要么就要去找那些有內(nèi)容但愿意出售的公司。

　　ShutterStock和Reddit都是活躍在數(shù)據(jù)交易場上的“大賣家”。

　　圖片網(wǎng)站ShutterStock幾乎和所有叫得上名字的AI大公司都合作了個遍，包括但不限于OpenAI、Meta、谷歌、亞馬遜，達(dá)成使用其圖片訓(xùn)練AI的協(xié)議。每筆交易的最初價格從2000萬美元到5000萬美元不等，而且后續(xù)還擴(kuò)大了交易規(guī)模。

　　隨著AI浪潮翻涌，“美國貼吧”Reddit意識到自己的數(shù)據(jù)對AI公司至關(guān)重要，且非常寶貴。去年開始，Reddit開始與一系列AIGC領(lǐng)軍企業(yè)展開談判，商議數(shù)據(jù)付費(fèi)使用的問題。說白了就是，不付費(fèi)要授權(quán)，休想用這一頭部美國貼吧的內(nèi)容喂AI了。談判陸續(xù)有了進(jìn)展，如今年2月，Reddit就與谷歌達(dá)成協(xié)議，授權(quán)數(shù)據(jù)給其訓(xùn)練AI，合同價值約每年6000萬美元。

　　在這樣的態(tài)勢下，Photobucket這樣的老牌社區(qū)被盯上只是時間問題。

　　Photobucket的首席執(zhí)行官泰德·倫納德(Ted Leonard)表示，他正在和多家科技公司談判，涉及130億個內(nèi)容(照片和視頻)的授權(quán)。每張照片的授權(quán)價格在5美分到1美元，視頻則為1美元以上。

　　一位買家告訴倫納德，他們想要超過10億個視頻，比Photobucket擁有的還多。以現(xiàn)在的談判來看，Photobucket坐擁數(shù)十億美元的內(nèi)容。

　　機(jī)智的Photoshop在去年10月更新了其用戶條款，授予平臺“不受限制的權(quán)利”，可以出售任何上傳的內(nèi)容，用于培訓(xùn)AI系統(tǒng)。

　　倫納德甚至表示，有望用數(shù)據(jù)授權(quán)替代公司的廣告銷售業(yè)務(wù)。

　　繁忙的數(shù)據(jù)交易市場，也許給式微甚至已經(jīng)死亡的UGC平臺提供了一個“副業(yè)”。

　　天涯究竟積累了多少內(nèi)容不可知，幾個數(shù)據(jù)可以從側(cè)面一窺其規(guī)模。*時期，天涯的日訪問量曾達(dá)到2000萬。

　　在中文社區(qū)的黃金時代，流行著“全民話題，天涯制造”的說法。眾多初代網(wǎng)紅誕生于這里，如芙蓉姐姐、*小月月、犀利哥等。眾多暢銷書孵化于此處，如《鬼吹燈》《明朝那些事兒》《東北往事：黑道風(fēng)云二十年》《法醫(yī)秦明》等等。

　　中文論壇對AI訓(xùn)練的用處也正在被關(guān)注。

　　一項(xiàng)研究顯示，百度貼吧的“弱智吧”顯現(xiàn)出不俗的數(shù)據(jù)訓(xùn)練效果。

　　這項(xiàng)研究由中科院深圳先進(jìn)技術(shù)研究院、中科院自動化研究所、滑鐵盧大學(xué)等眾多高校、研究機(jī)構(gòu)聯(lián)合完成，提出了一個高質(zhì)量的中文指導(dǎo)優(yōu)化數(shù)據(jù)集。研究中用中文指導(dǎo)優(yōu)化數(shù)據(jù)集訓(xùn)練了不同類型和大小的模型，探討了各種數(shù)據(jù)源對模型性能的影響。在測試中，百度貼吧“弱智吧”的得分頗高。

　　“弱智吧”聚集了300個成員，并不是真的和智力障礙相關(guān)，而是“假裝弱智”，發(fā)表一些燒腦言論。如“如果高中的入學(xué)率不高，為什么不直接錄用大學(xué)生”，或“為什么我爸媽結(jié)婚的時候沒有邀請我”。研究人員猜測，可能是“弱智吧”的問題增強(qiáng)了AI的邏輯推理能力。

　　這是全民創(chuàng)作和AI之間碰撞出的火花，社區(qū)內(nèi)容有時能貢獻(xiàn)意想不到的驚喜。

　　不過，橫在社區(qū)內(nèi)容和AI之間的，還有用戶。

　　就像Photobucket忙不迭地更新用戶條款，中文互聯(lián)網(wǎng)的“內(nèi)容確權(quán)”也一直是個問題。

　　一方面，中文互聯(lián)網(wǎng)平臺早已形成了將授權(quán)條款埋入用戶條款里的習(xí)慣。目前所能查到的天涯2017年的《隱私和版權(quán)》協(xié)議中寫明：“用戶發(fā)表并將其上傳到本網(wǎng)站的任何內(nèi)容，本社區(qū)在全世界范圍內(nèi)不限形式和載體地享有*的、不可撤銷的、免費(fèi)的、非*的使用權(quán)和轉(zhuǎn)授權(quán)的權(quán)利，包括但不限于修改、復(fù)制、發(fā)行、展覽、改編、匯編、出版、翻譯、信息網(wǎng)絡(luò)傳播、廣播、表演和在創(chuàng)作及著作權(quán)法等法規(guī)確定的其他權(quán)利。”

　　天涯“斷電”后，網(wǎng)絡(luò)上售賣“天涯神帖合集”的生意走俏。天涯曾在重啟公告中稱，關(guān)注到天涯神貼在各大平臺大受歡迎，“計(jì)劃從現(xiàn)在開始發(fā)展一批高級會員，在回復(fù)訪問后的天涯社區(qū)平臺上開辟天涯神貼付費(fèi)專區(qū)”。

　　在重啟公告的最后，天涯表示，“無論是預(yù)購一個‘99元天涯神貼服務(wù)’，還是預(yù)購一個‘299元一對一數(shù)據(jù)下載服務(wù)’，都是對天涯重啟非常重要的助力”。文末，天涯附上了購買二維碼。

　　另一方面，平臺是否就此有權(quán)將用戶內(nèi)容授權(quán)給其他公司以訓(xùn)練AI，還有待商榷。

　　用戶對此頗為警惕。

　　在去年，小紅書曾更新用戶條款，在“用戶內(nèi)容及信息授權(quán)”中寫著“您授予xxx公司免費(fèi)的、不可撤銷的、非排他的、無地域限制的許可使用”，并表示“上述許可包括使用、復(fù)制和展示用戶內(nèi)容中受保護(hù)的個人形象、肖像、姓名、商標(biāo)、品牌、標(biāo)識及其他營銷推廣素材、物料的權(quán)利和許可”，加之彼時恰有插畫師質(zhì)疑AI工具涉嫌抄襲，而引發(fā)了插畫師對平臺用自己上傳的作品訓(xùn)練AI的擔(dān)憂，不少插畫師公開抵制，并宣布在該平臺停更。

　　如今PhotoBucket首席執(zhí)行官接受采訪，并坦誠平臺與AI公司進(jìn)行授權(quán)協(xié)議，但并不是每個AI公司都對其內(nèi)容放心。

　　Defened.ai的首席執(zhí)行官布加拉(Daniela Braga)表示，她避免從Photobucket這樣的平臺公司獲取內(nèi)容，而更喜歡從創(chuàng)作這些照片的原作者那里獲取授權(quán)：“我認(rèn)為這非常危險。”“如果有一些AI生成的東西類似于某個從未點(diǎn)頭許可的人的照片，那就有麻煩了。”