倒闭初创公司的数据，正成为AI训练的新金矿

AI模型训练需要海量数据，而公开互联网上的高质量文本正逐渐被“吃干榨净”。于是，一个意想不到的数据来源浮出水面：那些已经倒闭或正在关停的初创公司。据《麻省理工科技评论》旗下通讯《The Download》报道，AI实验室正在从死掉的创业公司手中购买数据，用以训练自己的模型。

一笔被低估的“遗产”

故事的主角之一叫Keelan Miskell。当他开始清算自己的加密货币初创公司时，他并没有觉得公司积累的数据能值多少钱。但事实是，这类看似不起眼的业务数据——用户行为记录、交易日志、内部文档、客服对话——对AI训练者而言可能具有相当的价值。

初创公司在运营过程中产生的数据往往具有几个特点：领域聚焦、真实场景、标注清晰。相比从互联网上爬取的杂乱文本，这些数据更“干净”，也更能反映特定行业的真实语言模式。对于想要在垂直领域提升模型表现的公司来说，这类数据源具备天然的吸引力。

为什么AI实验室盯上了“死数据”

大模型对数据的渴求已经超出了公开语料的供给速度。高质量的人类撰写文本是有限的，而合成数据虽然能补足数量，却在多样性和真实性上存在短板。在这种背景下，倒闭初创公司的数据资产成为了一种被忽视的存量资源。

从卖方角度看，公司关停时数据往往被视为负担——存储要花钱、合规要操心、删除又舍不得。将其出售给AI实验室，至少能回收一部分成本。从买方角度看，这是一条绕过公开数据竞争、获取差异化语料的捷径。

需要注意的变量是合规。初创公司的数据中可能包含用户个人信息，交易过程需要处理隐私保护和数据授权问题。报道没有展开具体交易条款，但这一环节无疑是此类数据流通能否规模化的关键。

合成数据（Synthetic Data） 指由AI模型或算法程序生成、而非由人类直接产生的数据。常见做法包括用大模型改写或生成对话、指令-回复对、代码片段等。它的优势在于成本低、可无限量产、能针对特定能力定向补充；短板则在于“模型教模型”容易造成分布收窄和误差累积，长期使用可能导致模型输出同质化、丧失对长尾真实场景的覆盖。正因如此，业内普遍把合成数据视为对真实语料的补充而非替代，真实人类文本仍是训练高质量模型的稀缺底座。这也解释了为什么AI实验室愿意为倒闭初创公司的真实业务记录付费——它们提供的是合成数据难以复现的真实语言分布与领域细节。

数据合规与授权 在此类交易中至少涉及三层问题：一是个人信息保护，用户行为记录、客服对话中可能包含可识别身份的信息，出售前通常需要匿名化或去标识化处理；二是数据权属，初创公司与用户之间的服务协议是否允许将数据转让给第三方，往往决定交易能否成立；三是数据来源合法性，若原始数据本身采集环节存在瑕疵，转让并不能治愈这一问题。此外，公司破产清算时数据资产还可能受破产程序、债权人利益和监管申报的约束。因此这类交易多伴随尽职调查、数据脱敏和合同中的用途限制条款，合规成本也是其难以快速规模化的现实原因。

跨物种交流：另一个前沿信号

The Download同一期还提到了跨物种交流（interspecies communication）的话题。将这两条内容放在一起看，指向的是同一个底层趋势：AI正在向那些此前未被数据化的领域渗透。

跨物种交流研究试图借助AI解析动物信号，这本质上也是在寻找新的数据源——只不过这次的数据来自非人类的生命体。无论是倒闭公司的业务记录，还是动物发出的声音与行为模式，AI实验室都在把“未被采集的信息”转化为可训练的信号。

跨物种交流研究 通常借助机器学习对动物发声、行为影像和生理信号进行模式识别，尝试建立信号与特定含义之间的对应关系，代表性工作包括对鲸类叫声、灵长类警报声和鸟类鸣唱的分析。这类研究的难点在于缺乏“平行语料”——人类无法直接确证某个声音的确切含义，只能通过行为反应、情境对照等方式间接验证。AI的价值在于从海量录音中找出人类难以察觉的统计规律与结构模式。它与从倒闭公司购买数据在逻辑上同构：都是把此前未被结构化采集的信号，转化为可供模型训练的数据资产。

对创业者和行业的启示

对创业者而言，这一趋势提供了一个务实的提醒：公司的数据资产在关停清算时不应被默认视为零价值。提前梳理数据的权属、合规状态和潜在买家，可能在退出时多出一条变现路径。

对AI行业来说，数据采购的触角伸向倒闭公司，说明公开语料的红利期正在收窄。未来的数据竞争会更分散、更细分，也更考验对合规边界的把握。这一模式能否成为稳定的数据供给渠道，取决于交易规范与隐私保护机制能否跟上。

数据资产化 指把企业在运营中积累的数据视为可估值、可交易、可入表的资产，而非单纯的运营副产品。对初创公司来说，这意味着在正常经营阶段就应有意识地记录数据来源、取得用户授权、维护数据字典和质量文档，因为这些工作直接决定了数据在退出时能否顺利转让。实践上，创始人可在融资和合规审计中同步梳理数据清单，明确哪些数据可对外交易、哪些受合同或法规限制，并保留完整的授权链条证据。数据资产的价值高度依赖其稀缺性与合规洁净度，提前规划往往比临到清算时再寻找买家更能兑现价值。