AI 数据供给的形态变化

中国花三年把数据要素市场搭得挺齐整，可本国 AI 公司几乎没在里面买过东西。

产权登记、资产入表、公共数据授权全铺开了。国家数据集团还在雄安揭牌，注册资本三百亿。问题是模型厂根本不去交易所——智谱研发成本里买数据只占 3.3%，买的都是专家时间和合规包。上海数交所号称千亿级市场，九成挂牌产品零成交。

AI 要的数据其实分三层。底层语料中美都一样，免费爬加自建；敏感数据也是留原主域内训练。真正卡住的是中间层：版权内容和高质私有数据。美国靠授权打出了真实价格，新闻集团一单两亿五千万美元；咱们这边最高质量语料封在微信、抖音、电商这些封闭生态里，独立模型厂拿不到。

现在美国 AI 公司愿意掏大钱的，早不是静态数据集了，而是强化学习环境。说白了，数据集是题库，环境是考场——模型进去反复试错，程序当场打分。

这玩意儿需求又大又持续，还不能用完复用。Anthropic 一年砸十亿美元以上去买，OpenAI 为训练智能体按每个网站两万美元买了几百个复刻版。小米训练一次 RL 花了两百六十二万美元，超一半花在环境交互和打分上，参数更新反倒不到四成。

中国在沙箱基建上不落后，字节、月之暗面、DeepSeek 都做得很猛。可产业组织差太远——美国有 42 家相关公司，咱们只有 UniPat 一家冒头，订单才三千万美元。智能体差距也正卡在长程任务上，缺口 16.4 个百分点。

补贴算力建中心，补不到这个瓶颈上。RL 环境要的不是芯片，是值得复刻的工作流，和懂行的人。

下一阶段的竞争，不在谁拥有更多数据，而在谁能把行业知识变成可验证的考场。