谷歌收购破产Spirit航空的数据用于AI训练

谷歌的此次收购是通过法院监督下的破产拍卖完成的，而非从公开网络抓取内容——这一区别至关重要，因为Anthropic此前同意支付15亿美元以解决一起关于使用盗版书籍训练Claude模型的诉讼 ^[1]。福布斯撰稿人John Werner正是从这一角度解读Spirit交易，认为真实的企业运营记录“无可替代”，而通过合法途径购买具有清晰产权的数据，可以规避依赖抓取或盗版内容的AI实验室所面临的诉讼风险 ^[2]。不过，这种“清晰产权”仍需法官裁定：交易需经纽约南区联邦破产法院批准，由Sean Lane法官最终裁定是否放行，谷歌才能获取数据 ^[3]。

表面上看金额不大，但其所换取的数据量极为庞大：约1亿封员工邮件、约5亿条Microsoft Teams消息，以及约3000万行内部代码和软件 ^[4]，外加72亿条追踪竞争对手航班定价的记录，以及自2008年以来的75亿条乘客交易记录 ^[3]。谷歌最初报价约500万美元；AI数据标注公司Mercor将其推高至750万美元，最终谷歌以1000万美元拍下 ^[5]。《The Register》则从另一角度解读其价值：这类特定领域的运营数据——如航空定价、机组排班、维修记录、客户服务日志——其价值不在于训练通用聊天机器人，而在于构建更窄、更专业的AI模型 ^[6]。

谷歌声称，在数据交付给谷歌之前，第三方将清除其中的所有个人身份信息，并且乘客和忠诚度记录——约9750万份乘客档案和最多5200万份Free Spirit账户——完全不在出售范围内 ^[4]。然而，美国空乘协会-CWA（AFA-CWA）并不相信这种清洗足够彻底：其向破产法院提交的动议指出，即使经过假名化处理的数据仍可能暴露哪些机组基地产生了投诉、谁接受了纪律调查，或员工对管理层及工会发表了何种言论 ^[7][12]。这种怀疑并非孤立反应，而是跨平台的普遍情绪。Reddit上的讨论普遍带有嘲讽意味，许多人反复指出在这种规模下所谓的“去标识化”基本只是象征性的，尽管也有少数声音欢迎这种经许可、由法院批准的数据集，而非其他AI实验室使用的抓取或盗版训练数据。社交媒体视频报道从解释交易机制的平实内容，到调侃谷歌与Mercor竞价战的喜剧演绎，再到更具对抗性的工会立场呈现，形式多样。即便是客观报道该交易的新闻媒体，也着重强调了所涉数据的巨大体量，至少有一家媒体的社交账号直接引用工会观点，突出隐私角度。这场争议不仅是言辞之争——它已导致破产法院的审批听证会从8月19日推迟至9月9日 ^[8]。

通过破产程序出售企业内部数据已有先例。2000年Toysmart试图出售客户数据时，尽管曾承诺永不共享，仍遭FTC干预；2015年RadioShack破产时，FTC再次介入，两次均限制了实际可出售的数据范围 ^[9][10]。网络上对该交易的讨论也非正式地将其与安然邮件语料库（Enron email corpus）相提并论——当年约60万封邮件仅售1万美元——但Spirit的数据包在规模和多样性上远超后者，包含邮件、聊天记录和各类运营数据。

对该交易的报道将其视为不止一次偶然事件：一个干净、结构化的内部数据集引发了真实竞争性竞价，这向其他陷入困境的企业传递了一个信号——它们的内部记录——不仅仅是飞机、登机口和租赁权——如今也可在破产中实现货币化 ^[11]。Mercor的一位发言人明确指出了背后的逻辑，认为‘企业坐拥数十年记录，展示了真实工作是如何开展的’，而这些运营档案材料现在已成为训练和评估AI模型最有价值的输入之一 ^[4]。未来是否会有更多破产企业效仿Spirit的做法，可能取决于9月9日法院重新开庭时，如何裁决AFA-CWA提出的隐私异议 ^[8]。