Reddit在迈向上市的过程中，其前景在很大程度上取决于与OpenAI等人工智能供应商的关系，这往往超出人们的预期。
Reddit在其今日提交给美国证券交易委员会的IPO招股说明书中反复强调，它认为自己在与训练AI模型的公司就其超过10亿篇帖子和160多亿条评论达成的数据许可协议中能获得以及已经获得的收益有多大。
招股书写道：“2024年1月，我们与某方达成了总合同价值为2.03亿美元、期限为两至三年的某些数据许可安排。我们预计，在截至2024年12月31日的年度内将确认至少6,640万美元的收入，其余收入将在之后确认。”
目前，哪些AI供应商已从Reddit获取数据许可仍是一个谜。本周早些时候，彭博社和路透社报道称，一家“大型未具名的AI公司”——可能是谷歌——已达成一项年化价值约6000万美元的许可协议。但OpenAI也不会是一个令人意外的客户，尤其是考虑到OpenAI首席执行官Sam Altman持有Reddit 8.7%的股份（使其成为第三大股东），并且曾担任该公司董事会成员。
为什么Reddit的数据如此有价值？
正如Reddit所解释的，人工智能模型通过从示例中“学习”来撰写文章、代码、电子邮件、新闻稿等内容，而像OpenAI这样的供应商会从网络上抓取数以百万计甚至数十亿计的此类示例，以加入其训练集。其中一些示例属于公共领域，而另一些则不是；或者——就Reddit内容而言——受到限制性许可协议的约束，要求注明出处或提供特定形式的补偿。
Reddit此前并未对用于AI训练的数据访问设置门槛。但在去年，它改变了立场，辩称其数据不应——用CEO Steve Huffman的话来说——“免费提供给世界上一些最大的公司”。
招股书继续写道：“[我们的]数据API能够实时访问不断演变和动态的主题，如体育、电影、新闻、时尚和最新趋势。我们认为，Reddit庞大的对话数据和知识库将继续在大型语言模型的训练和改进中发挥作用。随着我们的内容每日更新和增长，我们预计模型将希望反映这些新思想，并使用Reddit数据更新其训练。”
行业趋势：内容生产者转向数据许可
内容生产者，从图库媒体库到新闻出版商，正越来越多地与人工智能供应商签订数据许可协议，因为像OpenAI的 ChatGPT 以及Google的 Gemini 威胁要侵蚀流量。《大西洋月刊》最近的一项模型研究发现，如果像Google这样的搜索引擎将人工智能整合到搜索中，它将有75%的时间直接回答用户的查询，而无需用户点击跳转到其网站。
与此同时，由于面临大量指控其未经许可或未付费训练模型缺乏法律依据的诉讼，供应商们被推动去寻求许可协议。最近，《纽约时报》指责OpenAI利用其作品构建新闻出版商的竞争对手，从而损害了其业务。
OpenAI方面，已与图片图库 Shutterstock 以及包括 Axel Springer在内的出版商达成协议，后者是Politico和Business Insider的所有者。据报道，这些许可协议规模相当小，每年最高仅为500万美元。