文 | 新立场 Pro开云官网登录入口
Reddit 在当年的 2024 年算得上是容光抖擞。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结束初次盈利，到咫尺股票已涨到上市首日开盘价的 350% 掌握。
上市得胜、初次盈利和股票暴涨的无外乎来自并吞原因—— AI。
Reddit 上的执行，具有进一步发展 AI 大模子时间所需要的语料库质料。
去年 2 月，Reddit 和 Google 达成合同，Reddit 执行可用于考验谷歌的东谈主工智能模子，这项合同价值约每年 6000 万好意思元。Reddit 称："咱们治服，咱们不停增长的平台数据将成为向上大型话语模子（" LLM "）培训的环节要素，并成为 Reddit 的非常盈利渠谈。"
上市后的 5 月，Reddit 和 OpenAI 也建造雷同勾搭磋议，Reddit 的问答执行将被带入 OpenAI 旗下居品，Reddit 平台的剪辑功能和附加模组也将加入由 OpenAI 时间驱动的 AI 功能。该勾搭是双向的，OpenAI 为 Reddit 平台提供时间，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 大模子厂商珍贵的语料供应商？
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居品生态以及产业链，无需顾及自身的生态组合，语料可以作为勾搭时的筹码进行来回。
执行花式上，Reddit 通过 subReddit（子论坛）来组织执行，用户可以创建和加入不同的子论坛，在其中发帖和批驳。用户还可以对帖子和批驳进行"点赞"或"点踩"，被点赞的执行会获取更多的曝光契机，而被点踩的执行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、豆瓣等雷同。
发展阶段上，正如上述所说， 创立了二十年的 Reddit 去年才运行盈利，收入结构单一，此前主要收入着手是平台告白，咫尺（指近两年的 AI 大模子时期）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，咱们可以大约瞻望一下谁最有可能在 2025 年景为 AI 时期的中国 Reddit。
01、谁能卖语料，谁有好语料
婉曲来说，通盘的大模子考验语料着手都得是正当且许可的执行渠谈，如 OpenAI 的语料着手，包括以下五种：
1、Common Crawl：基于大鸿沟网页抓取酿成的数据集，由同名的非谋利机构通盘；
2、WebText：由 OpenAI 构建的一个专注于文档质料的收集文本语料库，数据量为 40GB，用于 GPT-2、GPT-3 等模子的考验；
3、维基百科；
4、书本和期刊；
5、酬酢媒体执行，举例 Reddit 等酬酢媒体平台上的执行。
不丢脸出，前四项的语料渠谈比较起第五项会枯竭一些"东谈主味"，酬酢媒体为 AI 带来的语料具有愈加落地的训导性以及即时性。自身枯竭"东谈主味"语料库的 AI 厂商可能将会运行在各大 UGC 酬酢软件之中寻找一些合适的见识。
诚然并不是通盘 UGC 酬酢平台的业务花式都能卖语料。如微信生态内的公众号，小绿书等执行渠谈。从其母公司的角度来讲，微信生态内的语料质料以致会是腾讯在 AI 时期的荫藏杀手锏之一，至于具体若何用起来即是后话了，本文不作念赘述。
雷同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执行），这些以酬酢平台为营业帝国根基的大厂，同期又布局了云规划，并在 AI 时期布局了大模子，都会将自身平台执行抓在我方手里。
而其他相对比较寂寞的 C 端酬酢平台居品，尤其是执行以笔墨类为主的平台，都有契机在接下来的 AI 时期，像 Reddit 一样老树发新芽。因此，B 站，小红书，微博，豆瓣，知乎，贴吧是指的进一步究诘的平台。
表面上来说，独一用户没意见，平台就可以处置这些语料，这触及到平台跟用户的执行合同，对于用户合同后文会提到，此处按下不表。
这时期更环节的问题是，厂商如何判定谁的语料更好更稳当我方？
平台上用户自觉的执行判定机制会成为紧要要素，以 Reddit 为例，用户可以对帖子和批驳进行"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 软件时为生成的执行点赞点踩的作用是一样的，相当于 AI 考验阶段的东谈主工"数据标注"职责。
诚然，平台自身的执行判定机制也很蹙迫，平台的"机审"机制可以当作是大模子发展向东谈主类看都的"超等对都"形势。
还有平台用户画像跟 AI 的适配度，这巧合要凭证厂营业务自身需求来。而在莫得具体需求时，用户画像更多元，年纪、性别、地舆位置、受老师经过等各个维度更平衡，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推崇，需要在此模板上愈加良好的平台语料调研。
而笔者在此处初步忖度，要是是想要用来考验一款面向相对较年青群体（这部分为消耗主力军）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，这三个平台将参加下一轮筛选。
02、谁想卖语料，若何卖语料
只不外在厂商眼里稳当的见识，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，小红书咫尺的发展阶段不稳当将自身平台语料出售。
营业花式上来讲，小红书正处于营业化探索上升期。此前《新立场》的著作就提过：小红书 2024 年四季过活均搜索量如故来到了 6 亿次隔邻，而昨年年中这一见识如故 3 亿掌握。要是网络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，小红书通盘生态的增长是有执行和来回双维度数据补助的。
财务景况上来讲，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 年头次结束盈利。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，但从裁人描写来看，更接近业务调度。
另外，小红书咫尺我方也正在平台内测试多个 AI 功能。包括但不限于搜索效果页的 AI 记忆，一些 AI 执行生成玩法等。
从 Reddit 跟 OpenAI 的勾搭中不丢脸出，勾搭算是双向的， 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时间搭救。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 的勾搭中成为完全的甲方。
而从 B 站和微博咫尺的发展阶段和营业花式来看，笔者觉得都是稳当跟大模子厂商达成 Reddit 花式勾搭的。
2024 年 B 站如故与 kimi 有较为深度的勾搭，包括 kimi 在 B 站投放告白，以及 kimi 生成的效果信源之中包括 B 站。诚然，只是只可历练到 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 站的执行作为考验数据。然则有了这种经过的勾搭，更进一步的勾搭花式卡点当然会更少。
就 B 站自己而言，咫尺营业花式基本如故详情，去年第三季度初次结束单季度盈利，接下来有望靠着告白等业务板块的增长不息盈利。
B 站的执行储备量及质料较高，长视频执行荒谬稳当升沉成笔墨，同期具有无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"在内等执行判定机制能够较好酿成优质执行产出轮回。
只不外，由于将平台执行用于跟大模子厂商勾搭之前，最需要先惩处的是用户合同。更具体来说，对 B 站有平台忠诚度的用户是否能采纳我方的批驳、视频、笔墨等执行用于 AI 考验，或如何让用户采纳，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踏实。此前《新立场》著作也提到过，微博咫尺作念的事，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，微博的月活基本踏果真 5.8 亿荆棘，环比波动不大。从 2023Q4 到 2024Q2，微博的月活用户数划分为 5.98、5.88 和 5.83 亿，其用户定位和使用场景都如故实足明晰，是以在高强度的概括力竞争顶用户鸿沟还能保持相对踏实。
只不外与 B 站不同的是，微博用户对于我方的执行被用来生成 AI 执行似乎并不扼杀。微博的批驳机器东谈主"罗伯特"即是一个很好的例子。
咫尺微博不同的圈子、用户批驳区内，罗伯独有不同的发言立场，以致罗伯特如故成为升迁微博用户粘性的技巧之一。在促进用户粘性的同期，还能促进通盘平台用户对 AI 的高采纳经过，达成这么的平衡并停止易。
是以综上看来，要是枯竭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。
要是不是微博，需要真确语料库的大模子厂商也可以历练有哪个酬酢平台的用户心智同期心仪以上，能够在用户心里达成"我想在你这里说诚意话"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场地面对。
而对于如何卖语料，正如上述所说，作念好平台和用户的执行合同是第一步。
03、写在临了
ChatGPT 刚爆火时期，有音问称其华文回报信源来自知乎后，知乎的股价就有所飞腾。也许知乎等平台也可以纳入探究范围，但篇幅有限，此处未几赘述。
而语料库的用户瓦解将如何影响大模子的考验，好意思国大模子圈有一个案例可让咱们具体感知。
2023 年头，OpenAI 刚走进全球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 东谈主掌握的数据标注团队，而音问则称 OpenAI 在肯尼亚有一家外包公司为其提供数据标注办事，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。
咫尺来看，大模子厂商使用第三方数据标注办事如故成为公开的事情。只是要是"肯尼亚"这个信息点是真，这粗略意味着在当时期的大模子圈，像 OpenAI 这么操作的也不啻一家。
2024 年头，谷歌 Gemini 大模子生成图像幸免白东谈主执行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一口同声。
不外有极少无谓置疑，酬酢平台用户立场是什么样，其作为语料供应商所考验的 AI 极大可能也会领有通常的"性情"。
可以笃定的是开云官网登录入口，2025 的 AI 考验行将参加语料比拼阶段。
