這不僅僅是廣告收益。該報告首開先河,嘗試捕捉企業從個人數據中獲得的總體經濟利益,包括用於訓練AI模型以及驅動其他網路服務的價值。這令人咋舌的數字,將我們日常使用的「免費」服務,重新定義為一種極其高昂的交易——我們的數據,正是流通其中的貨幣。
報告的核心發現直指美國,揭示其為數據變現最有利可圖的市場。研究計算出,大型科技與AI公司每年從每位美國網路使用者身上,賺取高達 6,565美元 。這種年復一年的價值提取,經過長期複合累積,便造就了那項接近83.2萬美元的頭條數字 。以一個四人家庭為例,對這些公司而言,他們在整個數位生命週期中的集體數據,價值可能高達330萬美元以上。
一個人的數據財務價值,在世界各地遠非均等,形成了一道鮮明的數位鴻溝。
這種巨大的落差凸顯了數據貨幣化並非一個簡單、統一的過程。用戶的平均購買力、當地廣告與科技生態系的成熟度,以及不同司法管轄區的具體隱私法規等因素,都對這個價值影響甚鉅 。
報告的發現將那些耳熟能詳的科技業巨頭,列為最大的受益者。研究中被點名的主要公司包括:
報告亦指出,Anthropic 與其他新興AI公司,可能賺得更多,因為它們正大規模地使用個人數據來訓練和優化其模型 。它們收集並變現的數據,支撐了構成現代網路使用的各種服務,從搜尋查詢、位置訊號,到線上購物、訊息、上傳的圖片和社群媒體貼文,無所不包 。
這份報告的現有摘要聲稱,其計算範疇超越了傳統的廣告收入,而去計算更廣泛的「商業價值」或「經濟利益」。它考量了隨時間推移的通膨調整後價值,這也解釋了為何60年的終生數字會如此之高 。
然而,一項關鍵限制是,公開的資料片段未能提供足夠細節,去獨立驗證方法論中的特定組成部分,例如,來自AI訓練數據、產品開發改進或演算法優化的價值,是如何被精確量化的 。Web3基金會將此報告定位為一項新穎的分析,但在未見完整報告的情況下,直接的廣告收入與其他更難量化的價值提取形式之間的確切明細,依然是一個核心且未解的問題。
關於數據矛盾的說明: 你可能會看到同一份報告引用了不同的數字。一家媒體引用的全球終生數字為 16萬美元,這與更精確的全球數字162,492美元大致相符 。最顯著的差異在於地理區域:較低的數字代表了全球平均水準,而831,497美元的高數字則專指美國。理解這個區別,對於掌握全局至關重要 。