AI数据大扫货：OpenAI和Anthropic正在高价收购你的Slack聊天记录、邮件和员工数据

公开互联网上干净、由人类撰写的文本正在枯竭，而全球领先的AI实验室正在争相寻找新的燃料来源：你的企业内部通讯记录。OpenAI和Anthropic正以前所未有的力度从初创公司收购员工的Slack消息、电子邮件、视频录像和代码历史——每笔交易最高支付30万美元。一个围绕“专有人类交互数据”的隐秘但快速增长的市场正在形成。

数据之墙：AI实验室为何盯上你的Slack聊天

AI公司转向企业数据的根本原因，是一个简单的、无法回避的数学问题。研究机构Epoch AI的估算被广泛引用：整个公开互联网上高质量、由人类生成的文本总量大约为 300万亿个token（90%置信区间：100万亿到1000万亿）。按照当前前沿模型的训练消耗速度，这个供应量预计将在 2026年至2032年间 被完全耗尽，中位数预测为 2028年。更有分析指出，开放网络上真正高质量的人类文本可能只有15到20万亿个token，这意味着枯竭时间点可能提前至 2026年。PBS在2025年底的报道中也指出，用于训练聊天机器人的数据“淘金热”可能在 2026年 就无以为继。

随着这个天花板的逼近，OpenAI和Anthropic将注意力转向了一个此前未被充分开发的宝库：企业内部协作数据。真实的实时人类互动记录——包含谈判细节的邮件、记录实时决策的会议纪要、展现真实职场动态的Slack线程——提供了在已被大量爬取的公开网络上难以觅得的、有机的对话数据。

价格：从1万到30万美元每笔交易

一个由中介公司组成的新生态系统已经出现，专门撮合这些敏感交易。其中最引人注目的两家公司是 Mercor 和 SimpleClosure。

• 失败的或被收购的初创公司，正通过专业的公司清算服务，以 1万到10万美元 不等的价格，出售其完整的Slack存档、邮件库和文档仓库。
• Mercor，一家人工智能训练数据公司，正在为获取Slack线程、GitHub提交历史和会议记录提供 最高30万美元 的报价。
• Warmly，一家最近被HubSpot收购的AI初创公司，在签署收购协议后收到了 四项独立的、每项高达30万美元的报价，以换取其内部业务沟通数据（包括会议记录、邮件等），但据报道，他们全部拒绝了。

更广泛的市场价格，据路透社2024年的报道，提供了单位价值的概念：文本大约是 每词0.001美元，图片 每张1到2美元，短视频 每个2到4美元，长片或视频 每小时100到300美元。

SimpleClosure，一家初创公司清算公司，在过去一年中处理了近100笔此类交易，每笔交易的支付金额从1万到10万美元不等。该公司的“资产中心”平台帮助创始人在数据授权前，先清除其中的个人身份信息——但这种匿名化的有效性和一致性仍不确定，且正成为一个日益激烈的争议点。

Anthropic的15亿美元图书豪赌：“巴拿马计划”和解案

AI公司为获取训练数据愿意走多远，在“巴拿马计划”这个非同寻常的案件中暴露无遗。这是Anthropic为构建一个庞大的图书训练数据集而启动的秘密内部项目。

该计划有两条路径。其一，Anthropic购买实体印刷书籍，切掉书脊，逐页进行破坏性扫描，将其转换为可搜索的PDF文件，并丢弃纸质原版。其目标是：在六个月内转换多达200万本书。一份内部备忘录建议使用代号，“因为我们不想让人们知道我们正在做这件事”。

其二，该公司从包括LibGen和Pirate Library Mirror在内的影子图书馆下载了超过 700万份盗版电子书文件。这条路径直接导致了2024年由作家Andrea Bartz、Kirk Wallace Johnson和Charles Graeber提起的集体诉讼，他们指控Anthropic使用近50万本盗版书籍来训练其Claude模型。

2026年7月20日，旧金山的一名联邦法官批准了一项 15亿美元的和解协议——这是美国历史上已知的最大版权赔偿金。超过50万名作家和出版商是此次集体诉讼的一部分，他们预计每部符合条件的作品将获得 约3000美元 的赔偿。

至关重要的一点是，法院做出了一个对AI训练具有重大影响的法律区分：使用 盗版电子书 构成侵权，并触发了和解协议。但是，购买 实体印刷书籍并在内部进行破坏性扫描 用于训练，则被裁定可能符合 合理使用 原则，因为法院认为这个过程“极其具有变革性”，即每个实体副本都被替换成了一个数字副本。15亿美元涵盖了盗版图书的责任；而物理破坏扫描计划并未受到处罚。

新挑战：匿名化困境与成本飙升

在公司争相将内部数据变现的同时，一些重大问题也随之浮现。像SimpleClosure这样的中介机构所进行的数据匿名化效果，仍不确定且正成为争议焦点。员工的Slack消息和邮件包含极其私密和敏感的信息，目前尚不清楚现有的剥离技术是否足以防止身份重新识别。

与此同时，训练成本正在飙升。一次GPT-4规模的训练运行可能已经耗费 1亿美元或更多。随着高质量公共数据的枯竭，授权专有企业数据的成本、支付类似Anthropic 15亿美元的天价和解金，以及构建合成数据管道的费用都在急剧增加。更广泛的AI训练数据集市场预计将快速增长，从2025年估算的 36亿美元 增至2034年的 230亿美元，人类文本授权正在成为一个正式的资产类别。

这对你的数据意味着什么

对于个人用户而言，格局已经改变。从2025年底开始，OpenAI和Anthropic都修改了默认政策，允许在消费者级别的聊天上（如ChatGPT免费版和Plus版，Claude免费版、Pro版和Max版）进行训练，除非用户主动选择退出。根据合同中的数据保护协议，企业级和API客户默认仍被排除在训练之外。

信息很明确：在满足AI对人类生成数据永无止境的渴求的竞赛中，公共与私人、个人与商业之间的界限正在被重新划定——从下一个Slack存档开始。