「搞數據」這件事，已經成為了AI行業的頭等大事

2025年10月24日22:10:27 財經 4189

一個月前，微軟為玩家帶來了AI遊戲助理Gaming Copilot，幫助玩家應對高難度任務、提升遊戲技能，以及詳細講解遊戲內容。就在大家喜迎微軟的這個「AI遊戲搭子」時，有較真的玩家卻發現，Gaming Copilot居然是「特洛伊木馬」。

隨着最近一次更新，自動安裝在玩家電腦上的Gaming Copilot被海外遊戲論壇ResetEra的用戶發現，會自動上傳遊戲截圖和錄屏內容。在Gaming Copilot AI的隱私設置中，「文本模型訓練」選項是默認開啟狀態。當然，這位用戶也欣慰地表示，微軟還沒有徹底喪心病狂，收集用戶對話語音的選項暫時處於未開啟狀態。

這次消息一出，瞬間就讓玩家社區一片嘩然。原本以為Gaming Copilot的存在可以讓自己隨時召喚AI來解決遊戲過程中遇到的問題，不再需要頻繁切出遊戲查攻略，結果Gaming Copilot居然是一個隱藏的「間諜」，目的居然是圖謀大家的隱私數據。

只能說微軟在「坑」遊戲玩家這件事上幾乎已經形成了習慣，此前的「Edge遊戲助手」讓電腦變卡也就罷了，如今的Gaming Copilot更是將玩家當「人肉電池」。這一次Gaming Copilot悄悄收集數據並非微軟的無心之舉，而是有意為之，為的就是讓玩家在不經意間將數據交出去。

關於微軟為何要「口蜜腹劍」，看完接下來這個消息，許多朋友想必就會明白。就在Gaming Copilot被玩家發現會自動上傳數據的幾乎同一時間，「美國貼吧」Reddit在紐約聯邦法院起訴了AI搜索獨角獸Perplexity AI，指控後者通過「工業規模的非法抓取」行為，未經許可複製Reddit用戶的評論以牟取商業利益。

數據如同化石燃料般正在枯竭、AI革命正「吸干」互聯網數據的海洋，這是AI專業人士自去年就開始不斷發出的警告。而在2025年，AI業界更是出現了一個有趣的現狀，那就是各大AI廠商的大模型不約而同地放棄了通用化、開始追逐差異，諸如OpenAI的GPT-5長於搜索、谷歌的Gemini 2更擅長數學、Anthropic的Claude 4則精通代碼。

事實上，不同廠商的AI大模型各有所長，是因為他們在RLHF（基於人類反饋的強化學習）上的差異。據OpenAI前首席科學家Ilya Sutskever的說法，決定RLHF階段性效果的除了算法之外，數據的質量更是一個決定性因素。這背後其實就反映出了這樣一個現實，即AI大模型的迭代從純粹的參數規模膨脹，已經轉向了萃取高質量數據。

AI大模型的訓練本就依賴海量數據，可如果輸入的數據存在錯誤，訓練出來的模型自然也就會「學壞」，輸出的結果同樣是「垃圾」。沒錯，與人類一樣，一旦接觸低質信息過多，大模型也會出現認知退化的「腦腐」（Brain Rot）現象。

大模型持續暴露於垃圾數據的具體表現，就是推理能力下降、長上下文理解能力變差、倫理規範意識減弱等系統性的退化，並且這一趨勢是不可逆的，難以通過後期的微調修復。為了避免自家大模型不進反退，各大AI廠商自然也就開始千方百計地尋求高質量的數據。

但遺憾的是，論文、書籍等高質量數據已經被消耗殆盡。由於AI廠商一口氣揮霍了過去三十年間互聯網世界積累的絕大部分知識，才造就了AI大模型在過去兩年迎來「寒武紀生命大爆發」。現在凝聚了人類智慧結晶的高質量數據斷供，AI廠商就被迫在沙海淘金，儘管Reddit的社交數據、Gaming Copilot所收集的玩家行為數據確實質量堪憂，但好歹也是產出有保證的數據。

如今矛盾之處，就在於不僅僅是AI廠商認識到了一切數據都有價值，Reddit這樣的數據擁有者也一樣。從某種意義上來說，AI初創企業的至暗時刻其實是2025年，因此在此之後，巨頭和初創企業獲取數據能力的差異，會讓後者再無彎道超車的機會。

以微軟和Perplexity AI為例，在合法合規的情況下，前者獲取數據的能力顯然是碾壓後者。畢竟微軟旗下的產品極為豐富，諸如Office可以貢獻辦公數據、Gaming Copilot能帶來遊戲數據，因此就是的微軟能收集大而全的數據。

可反觀Perplexity AI，儘管作為AI搜索獨角獸、並非AI賽道的無名之輩，甚至他們的AI搜索引擎還一度讓谷歌搜索左支右絀。可Perplexity AI只有AI搜索這一個產品，就註定了他們只能從1500萬活躍用戶身上取得數據。如果僅僅從自家用戶身上獲取數據，Perplexity AI就註定將迎來「加拉帕戈斯化」，指的就是在孤立的市場環境下獨自進行「最適化」，從而喪失與區域外的互換性，進而導致產品與主流需求脫節。