文 | 新态度 Pro自慰

Reddit 在往日的 2024 年算得上是容光兴奋。这家创立了近 20 年的酬酢平台，去年 3 月在纽交所完成上市，并在上市后的第三季度罢了初度盈利，到现时股票已涨到上市首日开盘价的 350% 傍边。

上市告捷、初度盈利和股票暴涨的无外乎来自并吞原因—— AI。

Reddit 上的本体，具有进一步发展 AI 大模子手艺所需要的语料库质料。

去年 2 月，Reddit 和 Google 达成契约，Reddit 本体可用于教师谷歌的东谈主工智能模子，这项契约价值约每年 6000 万好意思元。Reddit 称："咱们肯定，咱们不休增长的平台数据将成为跨越大型话语模子（" LLM "）培训的重要要素，并成为 Reddit 的迥殊盈利渠谈。"

上市后的 5 月，Reddit 和 OpenAI 也斥地访佛诱惑联系，Reddit 的问答本体将被带入 OpenAI 旗下产物，Reddit 平台的剪辑功能和附加模组也将加入由 OpenAI 手艺驱动的 AI 功能。该诱惑是双向的，OpenAI 为 Reddit 平台提供手艺，Reddit 为 OpenAI 提供语料。

那么多 UGC 酬酢平台，为什么偏巧 Reddit 成为这些 AI 大模子厂商意思意思的语料供应商？

业务生态上，Reddit 是一个相对寂寞的平台，其背后由多个利益集团及个东谈主控股（康泰纳仕集团、腾讯等），而不像国内的一些酬酢平台母公司会领有丰富的产物生态以及产业链，无需顾及自身的生态组合，语料可以作为诱惑时的筹码进行交往。

本体模式上，Reddit 通过 subReddit（子论坛）来组织本体，用户可以创建和加入不同的子论坛，在其中发帖和指摘。用户还可以对帖子和指摘进行"点赞"或"点踩"，被点赞的本体会赢得更多的曝光契机，而被点踩的本体可能会被折叠或荫藏，酿成了较好的语料产出正向轮回，与知乎、豆瓣等访佛。

发展阶段上，正如上述所说， 创立了二十年的 Reddit 去年才运转盈利，收入结构单一，此前主要收入开始是平台告白，现时（指近两年的 AI 大模子时间）对于 Reddit 来说即是最佳的业务拓展以求盈利的时机。

那么以此为模板来分析国内具有较多笔墨语料且业务较为寂寞的 UGC 平台，B 站，小红书，微博，豆瓣，知乎，贴吧，在这几个平台之中，对比各方面情况，咱们可以大约斟酌一下谁最有可能在 2025 年景为 AI 时间的中国 Reddit。

01、谁能卖语料，谁有好语料

弄脏来说，所有这个词的大模子教师语料开始都得是正当且许可的本体渠谈，如 OpenAI 的语料开始，包括以下五种：

1、Common Crawl：基于大限制网页抓取酿成的数据集，由同名的非渔利机构所有这个词；

2、WebText：由 OpenAI 构建的一个专注于文档质料的网罗文本语料库，数据量为 40GB，用于 GPT-2、GPT-3 等模子的教师；

3、维基百科；

4、竹素和期刊；

5、酬酢媒体本体，举例 Reddit 等酬酢媒体平台上的本体。

不丢丑出，前四项的语料渠谈比较起第五项会穷乏一些"东谈主味"自慰，酬酢媒体为 AI 带来的语料具有愈加落地的训戒性以及即时性。自身穷乏"东谈主味"语料库的 AI 厂商可能将会运转在各大 UGC 酬酢软件之中寻找一些合适的想法。

诚然并不是所有这个词 UGC 酬酢平台的业务模式都能卖语料。如微信生态内的公众号，小绿书等本体渠谈。从其母公司的角度来讲，微信生态内的语料质料甚而会是腾讯在 AI 时间的荫藏杀手锏之一，至于具体若何用起来即是后话了，本文不作念赘述。

访佛情况确诚然还有抖音的母公司字节（只是其更多为视频图像本体），这些以酬酢平台为买卖帝国根基的大厂，同期又布局了云有计划，并在 AI 时间布局了大模子，都会将自身平台本体持在我方手里。

而其他相对比较寂寞的 C 端酬酢平台产物，尤其是本体以笔墨类为主的平台，都有契机在接下来的 AI 时间，像 Reddit 一样老树发新芽。因此，B 站，小红书，微博，豆瓣，知乎，贴吧是指的进一步商议的平台。

表面上来说，惟有效户没见地，平台就可以处置这些语料，这触及到平台跟用户的本体契约，对于用户契约后文会提到，此处按下不表。

这时辰更重要的问题是，厂商若何判定谁的语料更好更符合我方？

平台上用户自愿的本体判定机制会成为重要成分，以 Reddit 为例，用户可以对帖子和指摘进行"点赞"或"点踩"，这酿成了较好的语料产出正向轮回。跟现如今用户使用各大 AI 软件时为生成的本体点赞点踩的作用是一样的，相称于 AI 教师阶段的东谈主工"数据标注"使命。

诚然，平台自身的本体判定机制也很进击，平台的"机审"机制可以动作是大模子发展向东谈主类看都的"超等对都"格局。

还有平台用户画像跟 AI 的适配度，这无意要把柄厂买卖务自身需求来。而在莫得具体需求时，用户画像更多元，年级、性别、地舆位置、受教育进度等各个维度更平衡，粘性更高的平台语料更好。

诚然以上仅为分析模板，对于 B 站，小红书，微博，豆瓣，知乎等平台在以上这三个方面的理解，需要在此模板上愈加精良的平台语料调研。

而笔者在此处初步臆测，淌若是想要用来教师一款面向相对较年青群体（这部分为铺张主力军）的 AGI，那么在这三方面得分率较高的平台有 B 站，小红书，微博。因此，这三个平台将插掌握一轮筛选。

02、谁想卖语料，若何卖语料

只不外在厂商眼里符合的想法，却不一定想卖。

B 站，小红书，微博这三者中，最不想卖的应该即是小红书。这是因为，小红书现时的发展阶段不符合将自身平台语料出售。

买卖模式上来讲，小红书正处于买卖化探索上升期。此前《新态度》的著述就提过：小红书 2024 年四季过活均搜索量如故来到了 6 亿次隔邻，而昨年年中这一目的如故 3 亿傍边。淌若聚合此前双十一事后小红书发布的战报，"成交破千万的商家同比是去年的 5.4 倍"、"单场破千万的买手同比是去年的 3.6 倍"这些信息来看，小红书所有这个词这个词生态的增长是有本体和交往双维度数据接济的。

财务情状上来讲，小红书也许并不算太缺钱。英国《金融时报》曾报谈，小红书在 2023 岁首度罢了盈利。小红书 2023 年的营收达到 37 亿好意思元，增长 85% ；净利润为 5 亿好意思元。尽管 2024 年年中小红书曾经裁人，但从裁人描述来看，更接近业务调遣。

另外，小红书现时我方也正在平台内测试多个 AI 功能。包括但不限于搜索成果页的 AI 追想，一些 AI 本体生成玩法等。

从 Reddit 跟 OpenAI 的诱惑中不丢丑出，诱惑算是双向的， Reddit 为大模子厂商提供语料的同期，大模子厂商也会为平台提供手艺救助。但小红书可能并不想成为其他厂商的语料供应商，反而，小红书需要的是大模子的供应商，偏向于在对于 AI 的诱惑中成为完全的甲方。

而从 B 站和微博现时的发展阶段和买卖模式来看，笔者以为都是符合跟大模子厂商达成 Reddit 模式诱惑的。

2024 年 B 站如故与 kimi 有较为深度的诱惑，包括 kimi 在 B 站投放告白，以及 kimi 生成的成果信源之中包括 B 站。诚然，只是只可教师到 kimi 有将 B 站作为信息生成的信源，暂无法说明 kimi 是否有将 B 站的本体作为教师数据。然而有了这种进度的诱惑，更进一步的诱惑模式卡点当然会更少。

就 B 站自己而言，现时买卖模式基本如故细目，去年第三季度初度罢了单季度盈利，接下来有望靠着告白等业务板块的增长不绝盈利。

B 站的本体储备量及质料较高，长视频本体相称符合变嫌成笔墨，同期具有多数的不雅点性念念考，加之也有粘性较高的社区氛围，包括"一键三连"在内等本体判定机制能够较好酿成优质本体产出轮回。

只不外，由于将平台本体用于跟大模子厂商诱惑之前，最需要先处理的是用户契约。更具体来说，对 B 站有平台忠诚度的用户是否能接收我方的指摘、视频、笔墨等本体用于 AI 教师，或若何让用户接收，这将是最大的卡点。

而微博跟 B 站的发展阶段一样如故趋于褂讪。此前《新态度》著述也提到过，微博现时作念的事，是"提纯"这个平台的深度用户，让他们的价值"结晶"。从用户数据来看，微博的月活基本褂讪在 5.8 亿高下，环比波动不大。从 2023Q4 到 2024Q2，微博的月活用户数差异为 5.98、5.88 和 5.83 亿，其用户定位和使用场景都如故有余显著，是以在高强度的正式力竞争顶用户限制还能保持相对褂讪。

只不外与 B 站不同的是，微博用户对于我方的本体被用来生成 AI 本体似乎并不抹杀。微博的指摘机器东谈主"罗伯特"即是一个很好的例子。

现时微博不同的圈子、用户指摘区内，罗伯独到不同的发言作风，甚而罗伯特如故成为造就微博用户粘性的技巧之一。在促进用户粘性的同期，还能促进所有这个词这个词平台用户对 AI 的高接收进度，达成这么的平衡并远隔易。

是以综上看来，淌若穷乏语料库的大模子厂商需要找到一个活东谈主多的酬酢平台作为语料供应商，微博可能会是一个可以的选项。

淌若不是微博，需要真确语料库的大模子厂商也可以教师有哪个酬酢平台的用户心智同期知足以上，能够在用户心里达成"我想在你这里说忠心话"同期"我不在乎我在你这里说的话被拿去喂 AI "，或者想要成为语料库供应商的酬酢软件可以向这个处所面对。

而对于若何卖语料，正如上述所说，作念好平台和用户的本体契约是第一步。

03、写在终末

迷奸丝袜

ChatGPT 刚爆火时期，有音讯称其汉文回应信源来自知乎后，知乎的股价就有所高潮。也许知乎等平台也可以纳入接洽鸿沟，但篇幅有限，此处未几赘述。

而语料库的用户领路将若何影响大模子的教师，好意思国大模子圈有一个案例可让咱们具体感知。

2023 岁首，OpenAI 刚走进巨匠视线没多久就有一个"丑闻"爆出，OpenAI 蓝本对外称我方有一个 40 东谈主傍边的数据标注团队，而音讯则称 OpenAI 在肯尼亚有一家外包公司为其提供数据标注干事，以每小时不到 2 好意思元的价钱雇佣肯尼亚工东谈主打标签。

现时来看，大模子厂商使用第三方数据标注干事如故成为公开的事情。只是淌若"肯尼亚"这个信息点是真，这省略意味着在其时辰的大模子圈，像 OpenAI 这么操作的也不啻一家。

2024 岁首，谷歌 Gemini 大模子生成图像幸免白东谈主本体的事情曾闹得沸沸扬扬，似乎跟上述 OpenAI 雇佣肯尼亚的数据标注外包团队的事情不谋而合。

不外有少许不消置疑，酬酢平台用户作风是什么样，其作为语料供应商所教师的 AI 极大可能也会领有相通的"脾性"。

可以笃定的是自慰，2025 的 AI 教师行将插足语料比拼阶段。