破产航司数据卖千万：AI 采购从网页转向真实业务

据 Woofun AI 消息， 正试图以 1000 万美元的天价，收购美国廉价航空公司 破产后遗留的内部运营数据。这一交易不仅标志着 AI 数据采购从公开互联网向私有商业记录的深刻转向，更揭示了模型公司对高质量、结构化真实世界数据的极度渴求。Spirit Airlines 虽已停止运营，但其多年积累的工作记录却成为 AI 训练的新宠，这种从'免费抓取'到'重金购买'的范式转移，正在重塑整个 AI 基础设施的成本结构。

这笔涉及 Spirit Airlines 的交易细节令人咋舌，其核心资产包括约 1 亿封电子邮件、5 亿条 Microsoft Teams 消息，以及海量的电子表格、日历和其他业务资料。Google 意图利用这些细颗粒度的内部沟通与决策记录，来改进其 AI 模型在复杂商业场景中的表现。

与此同时，另一家 AI 数据公司 也宣布了更为宏大的采购计划，拟在未来 12 个月内投入 10 亿美元，专门用于向真实企业采购或获取运营数据授权。micro1 的目标是构建强化学习环境，让 AI 在其中学习如何完成复杂的商业任务，处理不完整信息和相互冲突的目标。这两起事件共同指向一个趋势：AI 模型的能力瓶颈，正从算力转向对真实业务逻辑的理解。

过去几年，AI 行业在 GPU 采购和数据中心建设上挥金如土，但训练数据的价格一直是个黑箱。如今，随着市场成熟，各类数据的报价逐渐浮出水面，呈现出巨大的价格差异。一道高难度的数学评测题可能价值 5000 美元，一家企业的内部数据可以收到 1000 万美元的报价，而头部模型公司一年向一家数据供应商采购的服务金额就可能达到数亿美元。

这种悬殊的价格体系背后，是数据稀缺性与模型能力增量之间的直接挂钩。AI 究竟需要什么样的数据？为什么这些数据能卖出如此高的价格？一家公司又该如何决定在数据上投入多少预算？这些问题正在成为 AI 行业新的核心议题。

回顾大模型发展的早期，互联网是获取数据的主要途径。新闻报道、书籍、百科全书、论坛帖子、开源代码和专业网站构成了早期模型训练的重要语料库。有行业人士透露，在行业发展初期，为了获得高质量数据，甚至有人大量购买旧书进行'拆书扫描'。随着行业规模扩大，版权问题日益受到重视，头部模型公司开始通过公开网络获取内容，并向出版商和专业数据库购买授权，随后进行清洗、去重和筛选。

这一市场一直存在，例如 与新闻集团 达成了多年内容合作协议，该协议在五年内的价值可能超过 2.5 亿美元。OpenAI 可以使用 News Corp 旗下媒体的当前和历史内容，既用于改进产品，也涉及在 ChatGPT 中展示授权内容。

然而，随着模型能力的提升，数据采购的对象发生了显著变化。目前，模型公司的外部数据来源大致可以分为三类。第一类是专门生产 AI 训练数据的公司，如 、、 和 micro1 等。这些公司帮助模型公司组织标注人员和专业人才，将原始数据加工成可用于训练的材料，生产高质量答案、评测题目和复杂任务。这门生意已经发展到相当大的规模。2026 年 7 月，一家媒体取得的财务文件显示，Mercor 上半年实现 6.14 亿美元总收入，其中约 91% 来自基础模型公司，包括 OpenAI、、 等。这些数据公司的收入已达到数亿美元量级，并逐渐从提供大规模标注劳动力，向组织数学家、程序员、医生等专业人才生产高质量数据延伸。