“現在是訴訟時間。”4月20日，推特被微軟踢出其數字營銷平臺后，新掌門人馬斯克立馬發推回擊稱，微軟用推特的數據做“非法訓練”。這一懟，直接揭開了AI大模型開發商與數據源的利益之爭。

此前，在線社區論壇Reddit與程序員社區Stack Overflow先后宣布，將向使用平臺API訓練數據的公司收費；環球音樂集團直接表示，將阻止AI從其版權歌曲中抓取歌手的聲音。

(相關資料圖)

在此之前，AI大模型開發商都在低成本地使用互聯網公開的內容數據訓練自家的大模型，如今，各種科技巨頭們加持的大模型紛紛開始商業化，互聯網內容平臺們突然反應過來，不能讓這些巨頭們薅羊毛“白嫖”數據了。????????

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算法的人才了，現在還要加上“為數據付費”。

馬斯克直懟微軟“非法訓練”

“他們非法使用推特的數據進行訓練。現在是訴訟時間。” 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據和AI技術開發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、分析推流數據。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。

微軟這個數字營銷中心能實現這些功能，很重要的一環是接入了這些社交平臺的API，這是企業主推送廣告、分析數據的基礎。

結果，馬斯克收購推特后，直接把推特API的企業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。

原本這是企業主、分發平臺、渠道商之間的廣告業內事，馬斯克跳出來了，直指微軟用推特的數據搞非法訓練。

馬斯克稱微軟用推特數據“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人共同創立OpenAI人工智能實驗室，致力于建設開源的、研發人工智能的非營利機構，來抗衡當時在人工智能領域大有一家獨大之勢的谷歌。為此，馬斯克捐了1億美元，承諾未來繼續捐9億。結果不到2年，馬斯克就退出了OpenAI董事會，這里既有燒錢開發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”，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。

馬斯克為人工智能的健康發展操碎了心，看上去，這位將巨型載人飛船送入太空的現實版“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。

撕微軟非法訓練數據，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。左手攔下推特數據低成本外流，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，海外最大的社區論壇Reddit宣布，將向使用其API做數據訓練的公司收取數據使用費。Reddit暫未公布具體收費標準，業內推測，Reddit很可能會按數據數量分等級收費，這也是業內的常規做法。此外，程序員問答網站Stack Overflow也計劃向AI巨頭收取訓練數據費用。

Reddit更新數據API條款防大公司薅羊毛

要知道，研發AI大模型，算法、算力和算據這“三算”缺一不可。以OpenAI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容，也包括社交平臺、問答網站、論壇小組等在線數據中的用戶生成內容。而從OpenAI的公開信息看，該公司并沒有提及獲取線上數據是否支付過費用。用“爬蟲”爬、和第三方合作、以及購買都有可能是OpenAI 獲得數據的方式。

此前，各個生成式大模型似乎都在沒啥限制地使用互聯網上的公開內容，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，大模型開發商自在地使用數據的好日子到頭了。

2019年之前，OpenAI是非營利機構，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，劍指大模型開發商，雙方也正式變成了“商業對商業”的關系，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這樣的海量內容平臺將增加商業來源，數據將成為重要要素。

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

OpenAI的CEO Sam Altman也表示，公司在積極與內容公司進行合作，并愿意“為高質量數據支付高價”。

盡管Altman宣稱“目前沒在訓練GPT-5”，但OpenAI應該不會停下數據訓練的腳步，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據的持續投入。

放眼全球，研究AI大模型的公司還不止OpenAI一家，海外有谷歌，國內有百度、華為、阿里。可以預見，切入大模型賽道的公司，都將面對數據所有者的收費關卡，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，他們手握數據向大模型開發公司收取價格不菲的費用，那么，為這些平臺貢獻了海量內容和數據的用戶又得到了什么？

關鍵詞：