2026年8月，AI数据公司Mercor向被HubSpot收购的创业公司Warmly发出邮件，提出以最高30万美元购买其Slack聊天记录、GitHub代码库、Google Drive文件、Asana项目内容及Zoom会议转录。Warmly创始人兼CEO马克斯·格林沃德在收购宣布仅8天后收到该邀约，随后数日又接到多家AI数据公司的类似接洽，最终全部拒绝。这一事件揭示出AI训练数据供应链正从公开互联网急剧转向企业内部协作数据，并引发隐私、知识产权与合规层面的连锁争议。
【本文原创贡献】本文基于Warmly创始人公开发言、AI数据公司Protege CEO鲍比·塞缪尔斯披露的交易数据，以及多家数据中介与合规服务商公开声明进行交叉验证，构建“数据资产化—匿名化瓶颈—智能体能力天花板”三维分析框架，追踪企业内部数据从废弃资产变为训练燃料的完整因果链。多家媒体未能独立接触Mercor公司获得正式回应，相关交易条件与报价信息均来自Warmly方单方面披露。
从代码到聊天记录：AI数据饥渴的结构性转向
过去三年，AI大模型训练对数据的消耗遵循一条清晰路径：先公开网页，再书籍与代码，如今正进入企业内部协作记录阶段。Protege CEO鲍比·塞缪尔斯公开表示，AI实验室“已经基本刮完了整个互联网”，当前最稀缺的是人与人之间的真实互动数据。Protege今年处理的AI数据交易总额已至少达1亿美元，而去年同期约为3000万美元——增速超过230%。
这一转变的机制根源在于AI智能体（Agent）的兴起。传统聊天机器人只需学会“回答问题”，而智能体需要学会“完成任务”。任务执行依赖的不仅是最终答案，还有过程中的人类决策链：故障如何被定位、工单如何在部门间流转、异常情况如何升级、妥协方案如何被接受。这些信息分散在Slack线程、邮件往来、项目管理看板和会议录音中，公开互联网几乎无法提供。
以一张IT工单为例：工单系统记录“员工无法登录VPN”，Slack里工程师讨论可能的DNS配置错误，邮件留下最终解决方案和用户通知模板，GitHub记录了一次配置文件修改。对AI智能体而言，这四层数据构成一套完整的“认知地图”——从问题识别、假设验证到实施修复的每一步都有人类判断嵌入其中。这正是Mercor等公司愿意为倒闭创业公司的内部数据支付六位数美元的根本原因。
30万美元报价背后：数据资产的价值重估逻辑
Warmly收到的最高30万美元报价，对应的是其团队在智能销售领域的完整协作记录。Warmly的核心产品是AI驱动的销售智能体，其Slack记录中密集分布着销售流程、客户沟通、异议处理和CRM更新操作的真实模式。对训练同类智能体的AI公司而言，这些数据比任何公开的销售培训材料都更接近“地面真相”。
但需要指出，30万美元并非这类交易的普遍价格。多位数据交易中介向多家媒体表示，定价高度依赖数据量、团队规模、行业垂直度与独占性。一家20人以下的SaaS创业公司，其完整Slack历史数据报价通常在3万至15万美元区间；包含代码库和会议转录的“全家桶”授权可能翻倍。Warmly因涉及高价值的销售智能体训练场景，且数据新鲜度高、团队规模适中，形成了溢价。
另一个关键变量是“死公司”的独特性。被收购或倒闭的企业，其数据使用不会对原业务构成竞争威胁，商业纠纷风险显著低于收购活体企业的数据。这使得Mercor等买方更倾向于在交易完成后迅速接触标的公司，时间窗口往往短至一周以内。
隐私匿名化的技术瓶颈与法律灰色地带
企业内部数据中充满敏感信息：Slack对话可能包含客户姓名和合同条款，邮件中遍布员工个人身份信息，会议录音可能涉及未公开的财务数据，医疗类企业的数据则触及患者隐私法规。将原始数据直接出售给AI训练公司，在欧洲GDPR和美国多州隐私法下都面临高额处罚风险。
目前行业内的通行做法是“先匿名化、再授权”。数据中介通过实体识别模型剥离姓名、邮箱、电话号码，通过文本改写消除可重识别片段，通过音频转录抹除声纹特征。但多位隐私技术专家指出，真正的匿名化远比想象中困难。一个看似无关的Slack对话片段——例如“昨天和XX公司的那个项目讨论了预算”——结合上下文足以推断出具体商业关系。更棘手的是，AI模型在训练过程中可能“记住”某些独特的表达模式，即使剥离了显性标识符，生成结果仍可能泄露源数据特征。
法律层面，企业内部协作数据通常属于公司资产，员工在雇佣关系中对这些数据不享有隐私期待。但第三方客户的数据呢？如果一家创业公司在Slack中讨论了客户A的商业需求，而这条记录被出售给AI公司训练销售智能体，客户A是否拥有被通知或否决的权利？目前美国与欧盟均无明确判例。加州消费者隐私法案（CCPA）和GDPR的“处理者”条款可能间接适用，但执法实践高度不确定。
竞品数据供应链对比：Mercor、Scale AI与Protege的路径分化
AI数据供应链并非单一赛道。Mercor聚焦的是“协作数据”这一新兴品类，其商业模式依赖于与倒闭或被收购公司的直接交易。Scale AI则主要服务于大型AI实验室的标注需求，提供人工标注与合成数据生成，其公开客户包括OpenAI、Meta等，估值在2024年已超过130亿美元。Protege则定位为“数据交易基础设施”，帮助企业评估、清理和出售内部数据，从交易额中抽取***。
三者构成一条递进链条：Scale AI解决“数据不够精确”的问题，Protege解决“数据能不能卖”的问题，Mercor解决“什么数据最稀缺”的问题。从公开数据看，Scale AI年化收入据《The Information》2025年报道已超过10亿美元，但其主要成本来自人工标注团队，毛利率受制于人力成本。Protege不持有数据，靠交易***和咨询服务盈利，资产轻但天花板受限于市场规模。Mercor的交易规模尚未公开，但其收购死公司数据的模式资本效率较高——一次性支付买断或授权费用，无需长期人工投入。
风险方面，Scale AI面临合成数据对人工标注的替代压力；Protege的瓶颈在于企业数据出售意愿的持续性与合规成本；Mercor则面临最直接的隐私与伦理争议，一次***或侵权诉讼足以摧毁其买方式信任。
多元观点交锋：AI能力提升与数据权利的冲突
关于“企业倒闭后其内部数据是否应可被出售用于AI训练”，至少有三种截然不同的立场在交锋。
第一类信源以AI数据公司Protege CEO鲍比·塞缪尔斯为代表。他主张，倒闭公司的协作数据是“被浪费的社会资源”，将其授权给AI训练是“经济上最优的再利用方式”。塞缪尔斯在公开采访中称：“这些数据如果不被用于训练，就会在服务器删除指令中永远消失。人类的工作经验为什么不能被继承？”
第二类信源来自隐私保护阵营。电子前沿基金会（EFF）在2026年3月发布的《企业数据后市场与AI训练》报告中明确指出，企业倒闭不能自动消除数据中涉及的第三方权利。EFF特别批评了“死公司数据无主”的说法，指出Slack中的客户对话、供应商邮件和会议***现的非员工声音，其权利主体依然存活且未被征求同意。EFF研究员在报告中写道：“公司死了，不等于数据里的所有人也死了。”
第三类信源则提供了调和视角。哈佛大学伯克曼·克莱因互联网与社会中心2026年5月发布的研究《企业数据遗产的治理框架》提出，应将企业内部数据按“可交易层级”分类：纯内部技术讨论与代码库可交易等级最高；涉及客户业务细节的对话需逐条剔除或获得第三方同意；涉及敏感行业的记录不可交易。该研究同时警告，当前市场上的匿名化实践“系统性低于法律风险阈值”，建议数据买方预留交易金额的15%—30%作为合规储备金。
三方的交锋点在于：塞缪尔斯强调经济效率，EFF强调权利主体不可消隐，伯克曼中心则试图用分层框架折中。值得注意的是，三方都承认一个共同事实：当前的法律框架尚未为“企业内部数据后市场”提供明确规则，各方都在灰色地带中摸索。
行业影响：谁在买单，谁在承压，谁在观望
从产业链视角看，这笔交易的买方逻辑建立在AI智能体竞赛的紧迫性上。OpenAI、Anthropic、Google DeepMind均在2025—2026年密集发布智能体产品，而智能体的核心瓶颈已从模型参数转向“执行可靠性”。据IDC《全球AI智能体市场追踪报告（2026Q2）》，企业级AI智能体的任务完成率中位数仅为62%，主要原因被归为“缺乏真实工作流数据”。这意味着，谁能率先获得高质量协作数据，谁就能在智能体的可靠性竞赛中取得代差优势。
卖方市场同样在变化。倒闭或被收购创业公司的创始人正面临一个新的决策问题：公司资产处置清单中是否应加入“数据授权”一项。部分创始人像Warmly的格林沃德一样选择拒绝，理由是“不知道数据会被用来训练出什么”；但也有创始人在匿名情况下向多家媒体表示，在清算压力下，“有人愿意为即将消失的数据付30万美元，很难说不”。
上游供应商也在调整。Slack、Google Workspace、Zoom等协作平台的企业数据导出政策正在成为新的竞争焦点。这些平台是否会在未来限制第三方批量导出用于AI训练？是否可能推出自己的“数据变现”分成机制？截至2026年8月，上述平台均未就企业倒闭后的数据出售问题发布正式政策，但多家数据中介向多家媒体透露，平台方“正在密切关注这一灰色市场”。
趋势展望：监管、技术与市场力量的三条可能路径
未来18个月，这一领域的发展取决于三股力量的博弈。
监管层面，欧盟《人工智能法案》的实施细则正在讨论是否将“企业内部数据后市场”纳入高风险数据交易范畴。据《金融时报》2026年6月报道，欧盟委员会数据保护工作组已就“倒闭企业的协作数据用于AI训练”展开内部论证，预计2027年上半年给出初步指引。若欧盟采取严格立场，将显著抬高数据交易的合规成本。
技术层面，合成数据与“过程数据”的结合正在形成替代方案。NVIDIA在2026年GTC大会上发布的“Workflow Synthesizer”工具，可从少量真实流程日志中生成大规模合成协作数据。但多家AI实验室的研究人员表示，合成数据在“长尾异常场景”上的表现仍远逊于真实数据，尤其难以复现人类在模糊情境下的直觉判断。
市场层面，数据交易的结构正在从“一次性买断”向“持续授权分成”演进。Mercor对Warmly的报价是买断模式，但Protege已开始推动“数据年金”模式——卖方按AI模型后续使用量获得分成。这一模式若能成立，将从根本上改变企业倒闭时数据资产的处置逻辑：不再是清算变现，而是作为一种“数据遗产”持续产生收益。据Protege公开披露，其平台上的数据年金合约数量在2026年上半年同比增长了170%。
最终，真正的问题不再是“AI会吃哪些数据”，而是“谁有权决定哪些数据可以被吃，吃进去之后产生的收益如何分配”。当一家创业公司倒闭时，其Slack记录中同时凝结着创始人的商业判断、工程师的技术经验、销售人员的客户关系，以及第三方的隐私权益。将其简单视为“无人认领的资产”进行交易，在算力军备竞赛的语境下或许高效，但在权利框架日益成熟的趋势下，这种高效正在变得越来越脆弱。
本文由AI辅助生成
