破产航空的1亿封邮件卖1000万美元，AI数据定价开始“看人下菜碟”

一家已经停运的美国廉价航空公司Spirit Airlines，留下约1亿封电子邮件、5亿条Microsoft Teams消息，以及大量电子表格和日历记录。Google开价1000万美元。破产公司的内部办公痕迹，凭什么比很多创业公司的全年营收还值钱？

希鸥网观察到，2026年10月9日，AI数据公司micro1宣布启动Company Data Partnerships计划，未来12个月投入10亿美元向真实企业采购运营数据授权。两件事指向同一个方向：模型公司对数据的采购半径，正从公开网页伸进企业会议室和员工邮箱。

数据定价的逻辑已经换了锚点。早期大模型训练靠互联网“拾荒”，新闻报道、书籍、开源代码几乎零成本获取。现在OpenAI与新闻集团News Corp签下五年超2.5亿美元的内容协议，正规化采购取代了免费爬取。数据从“捡”变成“买”，价格开始浮出水面。

真正拉开价差的是“可验证的能力增量”。普通图片分类、文本标注低至几美分一项；2026年2月有报道称，数学家为AI设计高难度评测题，每题报酬约5000美元。Mercor招聘页面显示，肿瘤学专家时薪达350至450美元，而普通专业人员平均合同费率约107美元。价差不在劳动时长，在判断力稀缺度。

更贵的一档是真实业务记录。企业邮件、合同、会议纪要里藏着“供应商延期交货怎么处理”“客户投诉如何跨部门流转”的决策链。互联网文章讲得清标准流程，但还原不出一家公司真正踩过的坑。micro1的10亿美元计划，就是把这些记录转成强化学习环境，让Agent在混乱信息里学做事。

希鸥网认为，数据市场正在加速头部化。Mercor上半年6.14亿美元收入中91%来自OpenAI、Anthropic、Google DeepMind等基础模型公司；Scale AI从Google拿到的年单约2亿美元。中小数据商若没有独家专家网络或行业深度绑定，很难挤进核心供应商名单。同时，模型自生成数据的能力在增强，今天5000美元一道的数学题，下一代模型可能自己出题、自己验证，高价窗口未必长期敞开。

对创业者而言，第一个动作不是“囤数据”，而是“先想清楚缺什么”。桥水的经验值得借鉴：计算机是GPS，不是司机。模型公司花大价钱采购之前，必须先回答“下一代模型要补哪块能力短板”，而不是“同行在买什么”。没有这个判断，1000万美元买来的1亿封邮件，和一堆废纸没有本质区别。

第二个动作：把验证程序建在采购之前。专家时薪450美元，贵在能判断对错；企业运营数据值钱，前提是能从中提取可自动验证的任务。手里有行业数据想变现的创业者，第一步不是找买家，而是先证明这批数据能让模型在某项任务上的准确率提升几个百分点。没有验证器的数据，卖不出溢价。

第三个判断更反直觉：越依赖AI做决策，越要保留人类判断层。机器学习能处理海量变量，但缺乏常识——它看到人早上醒来吃早饭，会认为睡醒导致饥饿。创业者用AI优化供应链或客服时，得留一只手在方向舵上。买数据、训模型都是手段，真正稀缺的是“知道什么值得花钱”的判断力，这种能力目前没有报价，也买不到。

金鸥品牌榜·2026年度创新案例库开放申报了。免费提报，独立评估，入榜品牌将获得电子版《入榜证明》及年度专题公示，优秀案例可获得深度专访+全平台分发。如需修改或发布文章，请加微信号：sheisceo