起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識給AI當“奶媽”，是天涯們的生路嗎？
老牌中文社區天涯已經住進“ICU”整整一年，破產看來已經注定，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，因拖繳數據機房費用，天涯社區遭“斷網”。
癥結在缺錢。天涯社區稱，危機來自于近幾年資金流動性困難加劇，電信IDC欠費，導致天涯社區暫停訪問。
再聽到天涯的消息，是在今年2月底，全國企業破產重整案件信息網上公開一條“天涯社區網絡科技股份有限公司被申請破產審查”的信息。
盡管天涯方面否認即將破產的傳聞，但天涯重見天日的可能性，到底是更加渺茫了。
在美國，一家式微的老牌內容平臺，卻依靠AI的浪潮找到了副業，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“數據饑渴癥”的AI公司最需要的。
在AI熱潮下，不斷有公司找上門來。以正在進行的談判來粗略估計，Photobucket手里掌握的內容可能價值數十億美元。
有錢但缺數據的AI公司，遇上沒錢但積累了海量內容的老牌社區，不交易一下才奇怪。
Photobucket正在與AI公司談交易的消息，是由路透社曝出的。
有意思的是，報道中有一句話在后續編輯中被刪除：“公司預計，其第一季度營業陸潤將增長10倍，達到近49億美元?！?/p>
49億美元是什么概念？
Photobucket作為一家圖片托管網站，剛開始是免費的。在千禧年前后，互聯網用戶激增，人們或為了記錄生活，或為了分享，樂于將照片上傳到一個專門的網站。而且，在Photobucket上傳了圖片后，人們還可以在其他網站如MySpace直接嵌入，省得反復上傳。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，巔峰時期的Photobucket一度占據了美國互聯網流量的2%。
由免費轉向付費，似乎是Photobucket的必經之路。不過，Photobucket有點太心急了。2017年時，Photobucket突然將第三方顯示變為每年399美元的付費訂閱服務。此舉并沒有提前的充分預警，很多用戶發現自己在其他網站嵌入的Photobucket圖片都無法展示，變成了“付費以解鎖”的提示。
要知道，Photobucket當時已經有1億注冊用戶，有約6000萬第三方網站的圖片在此次“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。后續幾年，Photpbucket又經歷了服務中心斷電導致服務中斷、隱私泄露等“意外”，漸漸從備受歡迎的圖片網站變成了互聯網邊角料產品。公司規模也從鼎盛時期的120名員工縮水到了40人。
目前Photobucket網站提供的付費計劃中，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計算，哪怕他們全部月付8美元，每年也僅能貢獻1.9億美元。而且這對Photobucket來說只是收入，沒有剔除存儲、維護、運營等的各項成本。
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賬戶的情況下，Photobucket也明確通知用戶：你的照片還在，只需要現在開始付費，就能重新看到它們。
不斷有已經棄用Photobucket的用戶在社交媒體上吐槽，稱自己頻繁收到Photobucket“求復合”的郵件，已經不堪其擾。
既然圖片都在，海量的內容還存儲在服務器上，為什么不用它們賺上一筆？將平臺內容授權給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，太缺數據了。以OpenAI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。而已經在路上的GPT-5所需的token量在60萬億到100萬億。
“規模即一切”成為AI的戰斗口號?；羝战鹚勾髮W盧綸物理學家賈里德·卡普蘭（Jared Kaplan）在2020年發表了一篇關于AI的開創性論文，其表明訓練數據越多，大型語言模型的表現越好，就像學生通過閱讀更多書籍來學習更多知識一樣。
互聯網上公開可用的數據在大模型面前并不是取之不盡的。據人工智能研究機構Epoch估計，2026年所有高質量可用數據就有可能被耗盡，互聯網生產數據的速度有可能比不上不斷膨脹的大模型的消耗速度。
“數據饑渴”的AI公司獲取數據的路徑，總結起來就是：免費的，直接用；自家的，直接用且不給別人用；可以付費的，付費；付費也買不到的，必要時想想辦法弄到手。
近日，《紐約時報》報道OpenAI曾在訓練GPT-4時利用了谷歌旗下YouTube的內容。直接取用肯定不行，谷歌不讓啊。于是OpenAI計上心頭，創建了一個名為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的首席技術官米拉·穆拉蒂（Mira Murati）沒有正面回應“是否使用YouTube、Instagram、Facebook等平臺的內容訓練Sora”這一問題，她聽到該問題時復雜的表情甚至成為了互聯網梗圖。
YouTube首席執行官尼爾·莫漢（Neal Mohan）在4月5日對此表態，稱目前沒有證據表明OpenAI用了YouTube視頻訓練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是在努力保護用戶（或說創作者），可能有點天真。莫漢在采訪中也提到，谷歌確實用了YouTube上的一些內容訓練了旗下大模型Gemini。
另一邊，巨頭Meta的馬克·扎克伯格（Mark Zuckerberg）也將平臺數據視為自己的競爭優勢。扎克伯格曾直言：“我們戰術的下一個關鍵部分是從獨特的數據中學習?！薄霸贔acebook和Instagram上，有數千億張公開分享的圖片和數百億段公開視頻。”
在去年怒噴微軟，威脅要起訴其使用X的數據訓練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據來訓練機器學習和AI模型。在網友的追問下，馬斯克干脆承認：“只會用公開信息（訓練），不會用私信和任何私人數據?！?/p>
有海量UGC（用戶生成內容）且自己也做AI的公司，數據是不賣的，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容但愿意出售的公司。
ShutterStock和Reddit都是活躍在數據交易場上的“大賣家”。
圖片網站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，達成使用其圖片訓練AI的協議。每筆交易的最初價格從2000萬美元到5000萬美元不等，而且后續還擴大了交易規模。
隨著AI浪潮翻涌，“美國貼吧”Reddit意識到自己的數據對AI公司至關重要，且非常寶貴。去年開始，Reddit開始與一系列AIGC領軍企業展開談判，商議數據付費使用的問題。說白了就是，不付費要授權，休想用這一頭部美國貼吧的內容喂AI了。談判陸續有了進展，如今年2月，Reddit就與谷歌達成協議，授權數據給其訓練AI，合同價值約每年6000萬美元。
在這樣的態勢下，Photobucket這樣的老牌社區被盯上只是時間問題。
Photobucket的首席執行官泰德·倫納德（Ted Leonard）表示，他正在和多家科技公司談判，涉及130億個內容（照片和視頻）的授權。每張照片的授權價格在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。以現在的談判來看，Photobucket坐擁數十億美元的內容。
機智的Photoshop在去年10月更新了其用戶條款，授予平臺“不受限制的權利”，可以出售任何上傳的內容，用于培訓AI系統。
倫納德甚至表示，有望用數據授權替代公司的廣告銷售業務。
繁忙的數據交易市場，也許給式微甚至已經死亡的UGC平臺提供了一個“副業”。
天涯究竟積累了多少內容不可知，幾個數據可以從側面一窺其規模。巔峰時期，天涯的日訪問量曾達到2000萬。
在中文社區的黃金時代，流行著“全民話題，天涯制造”的說法。眾多初代網紅誕生于這里，如芙蓉姐姐、極品小月月、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：黑道風云二十年》《法醫秦明》等等。
中文論壇對AI訓練的用處也正在被關注。
一項研究顯示，百度貼吧的“弱智吧”顯現出不俗的數據訓練效果。
這項研究由中科院深圳先進技術研究院、中科院自動化研究所、滑鐵盧大學等眾多高校、研究機構聯合完成，提出了一個高質量的中文指導優化數據集。研究中用中文指導優化數據集訓練了不同類型和大小的模型，探討了各種數據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，而是“假裝弱智”，發表一些燒腦言論。如“如果高中的入學率不高，為什么不直接錄用大學生”，或“為什么我爸媽結婚的時候沒有邀請我”。研究人員猜測，可能是“弱智吧”的問題增強了AI的邏輯推理能力。
這是全民創作和AI之間碰撞出的火花，社區內容有時能貢獻意想不到的驚喜。
不過，橫在社區內容和AI之間的，還有用戶。
就像Photobucket忙不迭地更新用戶條款，中文互聯網的“內容確權”也一直是個問題。
一方面，中文互聯網平臺早已形成了將授權條款埋入用戶條款里的習慣。目前所能查到的天涯2017年的《隱私和版權》協議中寫明：“用戶發表并將其上傳到本網站的任何內容，本社區在全世界范圍內不限形式和載體地享有永久的、不可撤銷的、免費的、非獨家的使用權和轉授權的權利，包括但不限于修改、復制、發行、展覽、改編、匯編、出版、翻譯、信息網絡傳播、廣播、表演和在創作及著作權法等法規確定的其他權利。”
天涯“斷電”后，網絡上售賣“天涯神帖合集”的生意走俏。天涯曾在重啟公告中稱，關注到天涯神貼在各大平臺大受歡迎，“計劃從現在開始發展一批高級會員，在回復訪問后的天涯社區平臺上開辟天涯神貼付費專區”。
在重啟公告的最后，天涯表示，“無論是預購一個‘99元天涯神貼服務’，還是預購一個‘299元一對一數據下載服務’，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，平臺是否就此有權將用戶內容授權給其他公司以訓練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“用戶內容及信息授權”中寫著“您授予xxx公司免費的、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、復制和展示用戶內容中受保護的個人形象、肖像、姓名、商標、品牌、標識及其他營銷推廣素材、物料的權利和許可”，加之彼時恰有插畫師質疑AI工具涉嫌抄襲，而引發了插畫師對平臺用自己上傳的作品訓練AI的擔憂，不少插畫師公開抵制，并宣布在該平臺停更。
如今PhotoBucket首席執行官接受采訪，并坦誠平臺與AI公司進行授權協議，但并不是每個AI公司都對其內容放心。
Defened.ai的首席執行官布加拉（Daniela Braga）表示，她避免從Photobucket這樣的平臺公司獲取內容，而更喜歡從創作這些照片的原作者那里獲取授權：“我認為這非常危險?！薄叭绻幸恍〢I生成的東西類似于某個從未點頭許可的人的照片，那就有麻煩了。”
參考資料：
1、量子位：《弱智吧竟成最佳中文AI訓練數據？中科院等：8項測試第一，遠超知乎豆瓣小紅書》
2、每日經濟新聞：《天涯社區重啟時間表公布 誰會花99元買“天涯神貼服務”？》
3、科技狐：《成立 23 年，承載無數人記憶的社區關閉了……》
4、鈦媒體：《鈦媒體獨家｜天涯社區App“復活”，上線應用商店但無法正常使用，公司正籌資1000萬元》
藍鯨財經：《情懷不值錢？“破產迷局”后“天涯重啟”延期》
撰文：王靖，編輯：畢安娣
來源公眾號：字母榜（ID：wujicaijing），讓未來不止于大。
本文由人人都是產品經理合作媒體@字母榜 授權發布，未經許可，禁止轉載。
題圖來自Unsplash，基于CC0協議
該文觀點僅代表作者本人，人人都是產品經理平臺僅提供信息存儲空間服務。
- 目前還沒評論，等你發揮！
