待验证50% 置信事实精确时间

互联网档案馆保存的8000亿网页涵盖了互联网30年的演化历程，包含大量已从现网消失的内容，成为训练AI模型的珍贵语料库

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/8

首次发现

有效期至：2026/12/7

来源

互联网档案馆募资困境：8000亿网页背后的服务器运营挑战

涉及实体

互联网档案馆organization

相关事实

待验证Internet Archive目前存储了超过8350亿个网页快照，数据总量超过100PB74% 相似待验证Internet Archive、Google Books及各类大学数字馆藏项目已将数百万册历史文献数字化71% 相似待验证Common Crawl项目存储了超过2500亿网页的完整HTML快照，压缩后数据量达PB级别，是许多AI模型的主要训练数据来源之一70% 相似已验证Wayback Machine（互联网档案馆）保存着超过8000亿个网页快照69% 相似待验证Exa持续爬取并索引数十亿网页，将内容预先向量化存储68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/877270

API

curl https://kongchang.com/api/v1/knowledge/claims/877270

MCP

get_claim(id=877270)