老牌中文社區天涯已經住進「ICU」整整一年，破產看來已經註定，但最近一家美國同行搭上AI 快車的消息，又給天涯帶來了一絲希望。
去年4月，因拖繳數據機房費用，天涯社區遭「斷網」。
癥結在缺錢。天涯社區稱，危機來自於近幾年資金流動性困難加劇，電信IDC欠費，導致天涯社區暫停訪問。
再聽到天涯的消息，是在今年2月底，全國企業破產重整案件信息網上公開一條「天涯社區網絡科技股份有限公司被申請破產審查」的信息。
儘管天涯方面否認即將破產的傳聞，但天涯重見天日的可能性，到底是更加渺茫了。
在美國，一家式微的老牌內容平台，卻依靠AI的浪潮找到了副業，吃下了熱錢——第三方圖片託管平台Photobucket，一度擁有7000萬用戶，占據美國在線照片市場的近一半份額。如今，Photobucket輝煌不再，只有約200萬人還在使用它。
正所謂「瘦死的駱駝比馬大」，已經被大部分人遺忘的Photobucket有之前多年的積累，依然坐擁上百億照片和視頻。而這，正是患上「數據饑渴症」的AI公司最需要的。
在AI熱潮下，不斷有公司找上門來。以正在進行的談判來粗略估計，Photobucket手裡掌握的內容可能價值數十億美元。
有錢但缺數據的AI公司，遇上沒錢但積累了海量內容的老牌社區，不交易一下才奇怪。
A, Photobucket正在與AI公司談交易的消息，是由路透社曝出的。
有意思的是，報道中有一句話在後續編輯中被刪除：「公司預計，其第一季度營業陸潤將增長10倍，達到近49億美元。」
49億美元是什麼概念？
Photobucket作為一家圖片託管網站，剛開始是免費的。在千禧年前後，互聯網用戶激增，人們或為了記錄生活，或為了分享，樂於將照片上傳到一個專門的網站。而且，在Photobucket上傳了圖片後，人們還可以在其他網站如MySpace直接嵌入，省得反覆上傳。一些賣家也會在eBay或亞馬遜使用Photobucket託管的圖片。
用這種方式，巔峰時期的Photobucket一度占據了美國互聯網流量的2%。
由免費轉向付費，似乎是Photobucket的必經之路。不過，Photobucket有點太心急了。2017年時，Photobucket突然將第三方顯示變為每年399美元的付費訂閱服務。此舉並沒有提前的充分預警，很多用戶發現自己在其他網站嵌入的Photobucket圖片都無法展示，變成了「付費以解鎖」的提示。
要知道，Photobucket當時已經有1億註冊用戶，有約6000萬第三方網站的圖片在此次「升級」下無法正常顯示。在爭議之下，Photobucket次年將年訂閱模式改為可月付的模式，並沿用至今。
Photobucket也就此走上下坡路。後續幾年，Photpbucket又經歷了服務中心斷電導致服務中斷、隱私泄露等「意外」，漸漸從備受歡迎的圖片網站變成了互聯網邊角料產品。公司規模也從鼎盛時期的120名員工縮水到了40人。
目前Photobucket網站提供的付費計劃中，最貴的每月收取8美元。以最新報道透露的200萬用戶在使用Photobucket計算，哪怕他們全部月付8美元，每年也僅能貢獻1.9億美元。而且這對Photobucket來說只是收入，沒有剔除存儲、維護、運營等的各項成本。
雖然Photobucket在過去二十年損失了不少用戶，但除非用戶註銷，它一直保留着用戶的圖片。即便是在不再支持免費賬戶的情況下，Photobucket也明確通知用戶：你的照片還在，只需要現在開始付費，就能重新看到它們。
不斷有已經棄用Photobucket的用戶在社交媒體上吐槽，稱自己頻繁收到Photobucket「求複合」的郵件，已經不堪其擾。
既然圖片都在，海量的內容還存儲在服務器上，為什麼不用它們賺上一筆？將平台內容授權給AI公司，獲得49億美元，對Photobucket來說可以算是一筆巨款了。
B, 為什麼AI公司會找上「明日黃花」Photobucket？
答案很簡單，太缺數據了。以OpenAI的GPT系列模型為例，GPT-3使用了3000億的token，GPT-4使用了12萬億的token。而已經在路上的GPT-5所需的token量在60萬億到100萬億。
「規模即一切」成為AI的戰鬥口號。霍普金斯大學盧綸物理學家賈里德·卡普蘭（Jared Kaplan）在2020年發表了一篇關於AI的開創性論文，其表明訓練數據越多，大型語言模型的表現越好，就像學生通過閱讀更多書籍來學習更多知識一樣。
互聯網上公開可用的數據在大模型面前並不是取之不盡的。據人工智能研究機構Epoch估計，2026年所有高質量可用數據就有可能被耗盡，互聯網生產數據的速度有可能比不上不斷膨脹的大模型的消耗速度。
「數據饑渴」的AI公司獲取數據的路徑，總結起來就是：免費的，直接用；自家的，直接用且不給別人用；可以付費的，付費；付費也買不到的，必要時想想辦法弄到手。
近日，《紐約時報》報道OpenAI曾在訓練GPT-4時利用了谷歌旗下YouTube的內容。直接取用肯定不行，谷歌不讓啊。於是OpenAI計上心頭，創建了一個名為Whisper的語音識別工具，將超過100萬小時的YouTube視頻轉錄，然後再餵給模型。
此前，尚未開放給大眾的文本到視頻工具Sora也引起了外界懷疑。在一次採訪中，OpenAI的首席技術官米拉·穆拉蒂（Mira Murati）沒有正面回應「是否使用YouTube、Instagram、Facebook等平台的內容訓練Sora」這一問題，她聽到該問題時複雜的表情甚至成為了互聯網梗圖。
YouTube首席執行官尼爾·莫漢（Neal Mohan）在4月5日對此表態，稱目前沒有證據表明OpenAI用了YouTube視頻訓練Sora，但如果OpenAI果真這麼做了，那「明顯違反」了YouTube平台的使用條款。
要是以為YouTube是在努力保護用戶（或說創作者），可能有點天真。莫漢在採訪中也提到，谷歌確實用了YouTube上的一些內容訓練了旗下大模型Gemini。
另一邊，巨頭Meta的馬克·扎克伯格（Mark Zuckerberg）也將平台數據視為自己的競爭優勢。扎克伯格曾直言：「我們戰術的下一個關鍵部分是從獨特的數據中學習。」「在Facebook和Instagram上，有數千億張公開分享的圖片和數百億段公開視頻。」
在去年怒噴微軟，威脅要起訴其使用X的數據訓練AI的埃隆·馬斯克（Elon Musk），也悄悄更新了X的隱私政策，表示會使用社交媒體數據來訓練機器學習和AI模型。在網友的追問下，馬斯克乾脆承認：「只會用公開信息（訓練），不會用私信和任何私人數據。」
有海量UGC（用戶生成內容）且自己也做AI的公司，數據是不賣的，只給自己用。其他AI公司要麼就鋌而走險偷偷用，要麼就要去找那些有內容但願意出售的公司。
ShutterStock和Reddit都是活躍在數據交易場上的「大賣家」。
圖片網站ShutterStock幾乎和所有叫得上名字的AI大公司都合作了個遍，包括但不限於OpenAI、Meta、谷歌、亞馬遜，達成使用其圖片訓練AI的協議。每筆交易的最初價格從2000萬美元到5000萬美元不等，而且後續還擴大了交易規模。
隨着AI浪潮翻湧，「美國貼吧」Reddit意識到自己的數據對AI公司至關重要，且非常寶貴。去年開始，Reddit開始與一系列AIGC領軍企業展開談判，商議數據付費使用的問題。說白了就是，不付費要授權，休想用這一頭部美國貼吧的內容餵AI了。談判陸續有了進展，如今年2月，Reddit就與谷歌達成協議，授權數據給其訓練AI，合同價值約每年6000萬美元。
在這樣的態勢下，Photobucket這樣的老牌社區被盯上只是時間問題。
Photobucket的首席執行官泰德·倫納德（Ted Leonard）表示，他正在和多家科技公司談判，涉及130億個內容（照片和視頻）的授權。每張照片的授權價格在5美分到1美元，視頻則為1美元以上。
一位買家告訴倫納德，他們想要超過10億個視頻，比Photobucket擁有的還多。以現在的談判來看，Photobucket坐擁數十億美元的內容。
機智的Photoshop在去年10月更新了其用戶條款，授予平台「不受限制的權利」，可以出售任何上傳的內容，用於培訓AI系統。
倫納德甚至表示，有望用數據授權替代公司的廣告銷售業務。
C, 繁忙的數據交易市場，也許給式微甚至已經死亡的UGC平台提供了一個「副業」。
天涯究竟積累了多少內容不可知，幾個數據可以從側面一窺其規模。巔峰時期，天涯的日訪問量曾達到2000萬。
在中文社區的黃金時代，流行着「全民話題，天涯製造」的說法。眾多初代網紅誕生於這裡，如芙蓉姐姐、極品小月月、犀利哥等。眾多暢銷書孵化於此處，如《鬼吹燈》《明朝那些事兒》《東北往事：黑道風雲二十年》《法醫秦明》等等。
中文論壇對AI訓練的用處也正在被關注。
一項研究顯示，百度貼吧的「吧」顯現出不俗的數據訓練效果。
弱智
這項研究由中科院深圳先進技術研究院、中科院自動化研究所、滑鐵盧大學等眾多高校、研究機構聯合完成，提出了一個高質量的中文指導優化數據集。研究中用中文指導優化數據集訓練了不同類型和大小的模型，探討了各種數據源對模型性能的影響。在測試中，百度貼吧「吧」的得分頗高。
弱智
「吧」聚集了300個成員，並不是真的和智力障礙相關，而是「假裝」，發表一些燒腦言論。如「如果高中的入學率不高，為什麼不直接錄用大學生」，或「為什麼我爸媽結婚的時候沒有邀請我」。研究人員猜測，可能是「吧」的問題增強了AI的邏輯推理能力。
弱智
弱智
弱智
這是全民創作和AI之間碰撞出的火花，社區內容有時能貢獻意想不到的驚喜。
不過，橫在社區內容和AI之間的，還有用戶。
就像Photobucket忙不迭地更新用戶條款，中文互聯網的「內容確權」也一直是個問題。
一方面，中文互聯網平台早已形成了將授權條款埋入用戶條款里的習慣。目前所能查到的天涯2017年的《隱私和版權》協議中寫明：「用戶發表並將其上傳到本網站的任何內容，本社區在全世界範圍內不限形式和載體地享有永久的、不可撤銷的、免費的、非獨家的使用權和轉授權的權利，包括但不限於修改、複製、發行、展覽、改編、匯編、出版、翻譯、信息網絡傳播、廣播、表演和在創作及著作權法等法規確定的其他權利。」
天涯「斷電」後，網絡上售賣「天涯神帖合集」的生意走俏。天涯曾在重啟公告中稱，關注到天涯神貼在各大平台大受歡迎，「計劃從現在開始發展一批高級會員，在回復訪問後的天涯社區平台上開闢天涯神貼付費專區」。
在重啟公告的最後，天涯表示，「無論是預購一個『99元天涯神貼服務』，還是預購一個『299元一對一數據下載服務』，都是對天涯重啟非常重要的助力」。文末，天涯附上了購買二維碼。
另一方面，平台是否就此有權將用戶內容授權給其他公司以訓練AI，還有待商榷。
用戶對此頗為警惕。
在去年，小紅書曾更新用戶條款，在「用戶內容及信息授權」中寫着「您授予xxx公司免費的、不可撤銷的、非排他的、無地域限制的許可使用」，並表示「上述許可包括使用、複製和展示用戶內容中受保護的個人形象、肖像、姓名、商標、品牌、標識及其他營銷推廣素材、物料的權利和許可」，加之彼時恰有插畫師質疑AI工具涉嫌抄襲，而引發了插畫師對平台用自己上傳的作品訓練AI的擔憂，不少插畫師公開抵制，並宣布在該平台停更。
如今PhotoBucket首席執行官接受採訪，並坦誠平台與AI公司進行授權協議，但並不是每個AI公司都對其內容放心。
Defened.ai的首席執行官布加拉（Daniela Braga）表示，她避免從Photobucket這樣的平台公司獲取內容，而更喜歡從創作這些照片的原作者那裡獲取授權：「我認為這非常危險。」「如果有一些AI生成的東西類似於某個從未點頭許可的人的照片，那就有麻煩了。」---來源:字母榜
參考資料：
1、量子位：《吧竟成最佳中文AI訓練數據？中科院等：8項測試第一，遠超知乎豆瓣小紅書》
弱智
2、每日經濟新聞：《天涯社區重啟時間表公布 誰會花99元買「天涯神貼服務」？》
3、科技狐：《成立 23 年，承載無數人記憶的社區關閉了……》
4、鈦媒體：《鈦媒體獨家｜天涯社區App「復活」，上線應用商店但無法正常使用，公司正籌資1000萬元》
藍鯨財經：《情懷不值錢？「破產迷局」後「天涯重啟」延期》
