不再隐藏于幕后，大模型的光芒逐渐移动到AI数据公司。它们将模型开发者与专业领域专家连接起来，由后者创建和评估用于改进AI系统的、日益专业化的数据。
这一增长发生在AI基础设施支出持续飙升之际，同时也凸显了构建先进模型中另一个日益昂贵的部分：数据本身。
互联网为早期AI模型提供了海量数据，但这些数据质量已经不再合适让今天更先进的模型变得更好，难度已大幅提升。数据资产的未来价值不是简单地提供大量工人来标注数据，而是招募具有技术领域专业知识的人才，将他们与寻求改进模型的AI公司对接。围绕"为AI开发者提供人类专业知识"在建立庞大的业务。
整个行业的快速增长表明，更好的模型并没有减少开发过程中对人的需求。不过，所需的人类专业能力正在发生变化。
不仅是专业知识——现有数据集也吸引了严肃兴趣
AI公司愿意为之付费的不只是专业知识。据报道，Mercor今年夏天年化总收入已超过20亿美元。Handshake在今年早些时候达到了10亿美元。
现有数据集也在吸引严肃的竞价。数据公司以1250万美元竞购Spirit Airlines破产后的企业数据，击败了来自Google的1000万美元出价。这场不同寻常的竞价大战展现了AI数据热潮的另一面——公司不仅在花钱让人创造新的训练素材，也在关注那些无法简单从公开互联网获取的专有数据。
专有数据的价值逻辑
专有数据的价值主要在于：别人不容易拿到。主要AI开发者可以访问几乎相同的公开互联网，最大的玩家也都可以在训练和运行模型所需的算力上大笔投入。但一家公司的内部数据是另一回事——它可能是多年交易、运营和交互的产物，无法被其他公司简单复制。
随着AI开发者寻找仍能提升日益强大模型的数据，这一点变得更加重要。
我们知道网上有海量信息，但其中大部分已被广泛用于AI训练。这些数据对竞争对手同样开放。这意味着，仅靠公开数据越来越难获得竞争优势。
独特的私有数据集可能提供模型从未见过的东西。从这个意义上说，更好的AI竞争正日益变成一场"获取他人没有的信息"的竞争。
企业数据的二次价值
对于AI行业之外的企业，这带来了一个新问题：它们积累的信息到底值多少钱？
大多数企业数据的创建是为了运营业务或满足监管要求——而不是为了训练AI模型。但愿意为非常规数据集付费的买家的出现，似乎可能赋予这些信息第二个用途。
不过，将企业记录转化为AI可用的数据绝非易事。隐私限制、所有权问题和商业敏感信息，只是限制公司能够或愿意分享什么的部分挑战。
这意味着，任何数据集的有用性，也将高度取决于其质量，以及AI开发者想要实现什么目标。
即使有这些限制，数据也开始看起来越来越不像做AI生意的副产品，而更是一种拥有自己庞大市场的独特资产。
