馬斯克要告微軟 拒絕AI訓練“白嫖”數(shù)據(jù)

　　文|元宇宙日爆，作者|凱蒂，編輯|文刀

　　“現(xiàn)在是訴訟時間。”4月20日，推特被微軟踢出其數(shù)字營銷平臺后，新掌門人馬斯克立馬發(fā)推回擊稱，微軟用推特的數(shù)據(jù)做“非法訓練”。這一懟，直接揭開了AI大模型開發(fā)商與數(shù)據(jù)源的利益之爭。

　　此前，在線社區(qū)論壇Reddit與程序員社區(qū)Stack Overflow先后宣布，將向使用平臺API訓練數(shù)據(jù)的公司收費;環(huán)球音樂集團直接表示，將阻止AI從其版權(quán)歌曲中抓取歌手的聲音。

　　在此之前，AI大模型開發(fā)商都在低成本地使用互聯(lián)網(wǎng)公開的內(nèi)容數(shù)據(jù)訓練自家的大模型，如今，各種科技巨頭們加持的大模型紛紛開始商業(yè)化，互聯(lián)網(wǎng)內(nèi)容平臺們突然反應(yīng)過來，不能讓這些巨頭們薅羊毛“白嫖”數(shù)據(jù)了。‍‍‍‍‍‍‍‍

　　當推特將API收費門檻擺在微軟面前時，AI大模型訓練要給付的成本就不止芯片算力和研發(fā)算法的人才了，現(xiàn)在還要加上“為數(shù)據(jù)付費”。

　　馬斯克直懟微軟“非法訓練”

　　“他們非法使用推特的數(shù)據(jù)進行訓練�，F(xiàn)在是訴訟時間。” 4月20日，“宇宙頂流”馬斯克直接在推特上明示要告微軟。他以推特CEO的身份親自下場，以此直懟微軟把推特踢出Microsoft Digital Marketing Center(微軟數(shù)字營銷中心)的做法。

　　這個“中心”是干嘛的呢?它其實是微軟利用大數(shù)據(jù)和AI技術(shù)開發(fā)的一個廣告和營銷的管理平臺，聚合了包括推特、臉書、Ins等海外所有主流的社交平臺，方便企業(yè)主們在一個平臺上完成廣告和營銷活動的推送，還能管理各種賬號、分析推流數(shù)據(jù)。你刷微博、微信朋友圈時突然冒出的廣告，就有類似微軟這種工具的貢獻。

　　微軟這個數(shù)字營銷中心能實現(xiàn)這些功能，很重要的一環(huán)是接入了這些社交平臺的API，這是企業(yè)主推送廣告、分析數(shù)據(jù)的基礎(chǔ)。

　　結(jié)果，馬斯克收購推特后，直接把推特API的企業(yè)套餐初始訂閱費用定為4.2萬美元/月，折合人民幣28.9萬元，以這個價格能獲得2500萬條推文，一條差不多1塊多錢了。如果每月支付12.5萬美元，能獲得 1 億條推文，后續(xù)還會按照使用量加錢。

　　推特API的新收費標準直接勸退了不少小公司，連財大氣粗的微軟數(shù)字營銷中心都直言“要價太高”，于是，直接把推特踢出了管理庫。這意味著，借助微軟這個平臺執(zhí)行廣告和營銷計劃的廣告主們，沒法在推特上搞投放了。

　　原本這是企業(yè)主、分發(fā)平臺、渠道商之間的廣告業(yè)內(nèi)事，馬斯克跳出來了，直指微軟用推特的數(shù)據(jù)搞非法訓練。

　　馬斯克稱微軟用推特數(shù)據(jù)“非法訓練”

　　誰都知道，爆火的ChatGPT背后有微軟的資本加持。而馬斯克和GPT大模型的開發(fā)方OpenAI不僅淵源頗深，還積怨許久。

　　2015年，馬斯克與Sam Altman等6人共同創(chuàng)立OpenAI人工智能實驗室，致力于建設(shè)開源的、研發(fā)人工智能的非營利機構(gòu)，來抗衡當時在人工智能領(lǐng)域大有一家獨大之勢的谷歌。為此，馬斯克捐了1億美元，承諾未來繼續(xù)捐9億。結(jié)果不到2年，馬斯克就退出了OpenAI董事會，這里既有燒錢開發(fā)大模型短期沒燒出成果的問題，也有馬斯克和Altman對OpenAI的管理權(quán)之爭。

　　馬斯克退出1年后，即2019年3月，OpenAI成立子公司OpenLP，將其定位為“有限營利機構(gòu)”，重組后的OpenAI很快拿到了來自微軟的10億美元投資。誰也沒想到又一個3年過去后， OpenAI站上了全球科技舞臺的最前沿。

　　ChatGPT爆火后，當初為OpenAI掏過錢、站過臺的馬斯克頻頻表達怨念。

　　2月17日，馬斯克發(fā)推指稱OpenAI從開源、非營利變成了微軟控制的“閉源、追求利益最大化”的公司;后來還多次在公開場合強調(diào)人工智能對人類社會的潛在危害，甚至認為“風險比飛機、汽車、毒品更大”;3月29日，那封科技大佬聯(lián)署簽名“暫停AI巨型實驗”的公開信上，他也第一時間簽名表態(tài)。

　　馬斯克為人工智能的健康發(fā)展操碎了心，看上去，這位將巨型載人飛船送入太空的現(xiàn)實版“鋼鐵俠”似乎不打算跟風人工智能了。

　　然而，4月17日，馬斯克在媒體采訪中披露，將推出一款生成式AI大模型TruthGPT。很快就有媒體爆料，馬斯克買了1萬個英偉達A100芯片。這是AI大模型訓練的重要硬件。

　　撕微軟非法訓練數(shù)據(jù)，懟OpenAI變成逐利公司，無論馬斯克如何批評這兩家公司，這下也難掩他對人工智能的興趣了。左手攔下推特數(shù)據(jù)低成本外流，右手高價囤芯片，在AI大模型賽道上，馬斯克開始跑馬圈地。

　　多平臺API擬收費，AI訓練成本被推高

　　不過，最近要向AI大模型開發(fā)商們收取API費用的平臺不止推特。

　　4月18日，海外最大的社區(qū)論壇Reddit宣布，將向使用其API做數(shù)據(jù)訓練的公司收取數(shù)據(jù)使用費。Reddit暫未公布具體收費標準，業(yè)內(nèi)推測，Reddit很可能會按數(shù)據(jù)數(shù)量分等級收費，這也是業(yè)內(nèi)的常規(guī)做法。此外，程序員問答網(wǎng)站Stack Overflow也計劃向AI巨頭收取訓練數(shù)據(jù)費用。

　　要知道，研發(fā)AI大模型，算法、算力和算據(jù)這“三算”缺一不可。以O(shè)penAI訓練GPT-3.5為例，這個模型容納了多達45TB的文本語料，這些語料既包括書籍期刊等出版物的內(nèi)容，也包括社交平臺、問答網(wǎng)站、論壇小組等在線數(shù)據(jù)中的用戶生成內(nèi)容。而從OpenAI的公開信息看，該公司并沒有提及獲取線上數(shù)據(jù)是否支付過費用。用“爬蟲”爬、和第三方合作、以及購買都有可能是OpenAI 獲得數(shù)據(jù)的方式。

　　此前，各個生成式大模型似乎都在沒啥限制地使用互聯(lián)網(wǎng)上的公開內(nèi)容，影響大模型性能的要素就集中在算法和算力差異上。從推特、Reddit等平臺明確為API收費后，大模型開發(fā)商自在地使用數(shù)據(jù)的好日子到頭了。

　　2019年之前，OpenAI是非營利機構(gòu)，如今，ChatGPT都有Plus收費版了，更別提該公司還開通了API的付費渠道。當前，OpenAI的估值接近300億美元，研究機構(gòu)PitchBook預測，該公司今年的收入將達到2億美元，明年會翻五番。

　　社交平臺們明確API收費，劍指大模型開發(fā)商，雙方也正式變成了“商業(yè)對商業(yè)”的關(guān)系，收費與付費實屬正常。這也意味著，AI大模型成為科技巨頭們狂卷的賽道后，像Reddit這樣的海量內(nèi)容平臺將增加商業(yè)來源，數(shù)據(jù)將成為重要要素。

　　以成立于2008年的Reddit為例，它是全球互聯(lián)網(wǎng)中最有活力的社區(qū)之一，目前日活達到3.3億，大量的用戶創(chuàng)建了超過14萬個活躍社區(qū)，帖子總量超3.6億。尤其在很多小眾領(lǐng)域，Reddit論壇貢獻了很多有價值的討論內(nèi)容。換句話說，Reddit提供了英語互聯(lián)網(wǎng)中最重要的語料庫。

　　OpenAI的CEO Sam Altman也表示，公司在積極與內(nèi)容公司進行合作，并愿意“為高質(zhì)量數(shù)據(jù)支付高價”。

　　盡管Altman宣稱“目前沒在訓練GPT-5”，但OpenAI應(yīng)該不會停下數(shù)據(jù)訓練的腳步，因為GPT-4仍有很多需要打磨的地方，比如通識知識的準確性、對人類語言的理解進化等等，這些仍然需要語料數(shù)據(jù)的持續(xù)投入。

　　放眼全球，研究AI大模型的公司還不止OpenAI一家，海外有谷歌，國內(nèi)有百度、華為、阿里�？梢灶A見，切入大模型賽道的公司，都將面對數(shù)據(jù)所有者的收費關(guān)卡，訓練成本將水漲船高。另一個值得深思的問題是，Twitter也好，Reddit也罷，他們手握數(shù)據(jù)向大模型開發(fā)公司收取價格不菲的費用，那么，為這些平臺貢獻了海量內(nèi)容和數(shù)據(jù)的用戶又得到了什么?