OpenAI 被曝向媒体买数据：每年最高出价 500 万美元

以前搞大模型训练，把爬虫放出去在网上扫一圈就行，但好日子显然过到头了。

据 The Information 报道，OpenAI 现在正在挨个找新闻媒体谈版权，开出的价码是每年 100 万到 500 万美元之间，买下受版权保护的文章用来训练 AI 模型。这也是行业里第一次明确曝光 OpenAI 到底打算为正版数据掏多少钱。

苹果出价 5000 万，OpenAI 算不算小气

每年几百万美元看着不少，但放在科技巨头面前其实不算大钱。

最近有报道提到，苹果也在找媒体谈 AI 训练内容合作，开出来的底牌是多年期至少 5000 万美元。两边一对比，OpenAI 的报价显得相当克制。

要是参考以往科技平台的非 AI 授权，OpenAI 的出价倒是很眼熟。当年 Meta 推出 Facebook News 频道时，据传给媒体开出的年费也就是最高 300 万美元左右。

但如果比起真正的大手笔，这点钱就更不起眼了。Google 在 2020 年曾宣布要拿出 10 亿美元跟新闻机构合作；而在加拿大新法案落地后，Google 最近也点头同意，每年给加拿大媒体掏 1 亿美元换取链接文章的权利。

爬虫被封、官司缠身，买数据是唯一退路

OpenAI 这么急着掏钱，完全是被逼出来的。

以前的大语言模型基本靠全网爬取免费数据，像开源的 LAION 就是零成本。但现在不仅数据清洗和人工标注的人工成本极高，媒体们也开始动手反击了。

目前包括《纽约时报》以及 Vox Media 在内的一大批出版商，已经直接屏蔽了 OpenAI 的抓取爬虫。《纽约时报》更是一状告到法院，指控 OpenAI 和微软侵权，甚至当庭展示了 ChatGPT 和 Copilot 几乎一字不差地复现原文。

不交过路费，以后可能真的没饭吃。过去一年里，OpenAI 已经拉拢了一批盟友，比如旗下拥有 Politico 和 Business Insider 的 Axel Springer，还有美联社，都签了合作协议，一边拿数据训模型，一边帮媒体做新闻采编工具。

想分一杯羹的也不止 OpenAI。Google 据传就给《纽约时报》《华尔街日报》等媒体的高层演示过一款叫 Genesis 的 AI 工具，号称输入事实就能自动生成新闻稿。

为什么重要

我们认为，OpenAI 这笔账算得很精，但也埋着很大的雷。

聪明的地方在于，它试图用一年小几百万美元的代价，把最高质量的新闻语料锁定成合规资产，同时把一部分主流媒体从原告席拉到自己的谈判桌前。但隐患在于，这点钱对于动辄数十亿美元估值、极度依赖高质量内容的模型厂商来说，更像是一笔象征性的封口费或过路费。

对媒体行业来说，这笔钱看起来很尴尬。接受了，每年几百万美元根本救不了连年下滑的新闻主业，还等于把自家的核心资产拱手送给可能取代自己的 AI；拒绝了，面对全网爬取的既成事实，漫长的版权官司不仅耗时费力，最后能不能赢还是未知数。

对整个 AI 行业而言，免费抓取互联网数据的时代确实彻底结束了。接下来大模型比拼的不仅是算力和算法，还有谁的钱袋子更深、能买下更多高价值的正版数据壁垒。而苹果这样握着巨额现金入场的玩家，很可能会直接把数据采购的门槛抬到一个让初创公司望尘莫及的高度。