973份报价，AI数据有底价了

AI训练数据从来没有一张公开的价目表。实验室和数据供应商关起门来谈价，浮出水面的数字散落在招聘启事、市场上架页、法院文书和媒体报道里，从来没人把它们拼起来看过。现在，AIData.Broker 摆出了一张公开报价板：973条已发布价格，来自673个独立来源，每一条都保留原始出处和原话，并统一换算成可比单位。我的判断很直接：AI数据交易正在从'私聊定价'走向'有参照系的半透明市场'，而价格能否立住，取决于另一件更土的事——你对你数据质量的每一句宣称，经不经得起审计。

📊 973条报价，673个来源：数据定价第一次有了黑板

做数据生意的人都知道一个尴尬：谈价全靠感觉。买家问'这批语料多少钱'，卖家报一个数，对方回一个'太贵了'，然后双方在小数点后面来回拉锯。没有行情参照，定价就是玄学。

据长期做数据撮合的从业者的说法，圈子里私下流传一句话：'数据报价的秘密，一半在报价单上，一半在报价单没写的地方。'

AIData.Broker 这块'黑板'的价值，恰恰在于它没有发明任何价格，只是把已经公开的数字收拢起来：973条报价，673个来源，覆盖招聘启事、市场上架信息、法院文书、媒体报道等多个渠道，每条记录保留原始来源与原始表述，再归一化到可比单位。

这些报价信号长这样：

产业逻辑在于：当报价观察足够多、且统一单位之后，'中位数'就成了市场第一个粗但有效的锚。它不完美——挂牌价偏高、判决书滞后——但比'拍脑袋'强了一个量级。任何市场走向成熟的第一步，都是先有人愿意把价格摆到明面上。

💰 一家公司一纸数据，中位报价31.6万美元

先看最扎眼的一个数字：企业记录类数据，中位报价31.6万美元一家。

注意这个报价的方向——不是企业挂牌卖数据，而是买家（数据供应商、实验室的采购方）主动向持有数据的企业出价，买的是这家公司手里的客服聊天记录、工单、CRM数据、内部文档。

🧱 这个数字背后是清晰的供需逻辑。公开网络爬取的数据已经被翻了几轮，增量枯竭、法律风险上升，模型能力的下一程越来越吃'私有、垂直、带业务语境'的数据。一家真实企业的客服对话里，藏着真实用户的问题分布、真实话术、真实投诉链路——这些是任何公开网页都替代不了的。

而按'公司'计价这个颗粒度，也说明买方要的不是零散文件，是整包的、有完整业务语境的数据资产。💡 换句话说，数据交易正在从'论斤卖文本'升级为'论资产卖'。对握着高质量私有数据的企业来说，这是一个此前没有被认真定价过的资产科目；对买方来说，31.6万美元买一个垂直场景的数据底座，相比自建标注和采集的成本，可能反而是便宜的。

🗺️ 四象限看数据生意：什么样的数据最值钱

把973条报价背后的品类铺开，会发现数据价值的高低，基本由两个变量决定：稀缺程度和商用价值。稀缺取决于获取门槛（爬虫能不能抓到、有没有独家授权），商用价值取决于它离真实业务决策有多近。

右上角的领跑者是企业私有记录——既难拿到（必须逐家谈授权），又直接对应垂直模型的核心价值，所以配得上31.6万美元的中位价。左下角的公开网页数据则是存量玩家：人人可爬，供给过剩，商用价值被反复稀释，价格自然上不去。

值得注意的是中间地带。垂直语音数据（如医疗、法务场景的音频）稀缺性和单价都不低；合成数据正在从左下向右上迁移——当真实数据越来越贵，用可控成本生成'足够真实'的数据，成了 labs 的对冲选项。⚠️ 但合成数据有个天生软肋：它的价值上限取决于真实数据的分布质量，绕不开源头。

对数据供给侧的团队，这张四象限图就是一张选品图：不要在左下角卷价格，要么往右走（拿独家授权），要么往上走（贴近业务场景）。

⚠️ README也是数据：发布前不审计，迟早翻车

价格讲完了，讲一个更基础、也更被忽视的问题。

一位做公开数据集发布的工程师，最近公开复盘了自己'付出代价才学到'的一课。他发布了一个从 Telegram 频道抓取的消息样本数据集，抓取工具按时间戳对频道做快照。README 里写了三句宣称：'关键词过滤、人工核验、已去重'。

发布前跑了一遍审计，三句话倒了两句：

• 关键词过滤——导出管道里根本没有关键词这一步。过滤发生在更上游的采集环节，而且是在一台已经不存在的机器上做的。文件里存的其实是一份原始切片。
• 人工核验——只对其中一个子集成立，不是整个文件。用他的原话说：'带有隐藏范围的宣称，就是绕了个弯的谎言。'
• 已去重——按消息ID去重为真，按内容去重为假。克隆团伙会跨频道粘贴完全相同的文本，所以文件里那些近乎重复的行是刻意保留的——它们是发现，不是缺陷。

三条宣称，两条是错的，而且没有一条写在CSV里——它们全写在散文里，而散文没有linter。

这事为什么比一个笔误严重？因为下游是用你的标签来给你的数据评分的。买家按'关键词过滤后'的预期去检查关键词密度，发现的是原始噪声，他不会认为'这批数据还行但说明文档错了'，他会认为数据本身就是垃圾，然后砍价或直接走人。README 的宣称，本质上是数据的第二输出——数据管道输出两样东西：数据本身，以及你对数据的描述。大多数团队给前者做版本管理，对后者全凭感觉。

🔗 定价与质量是一体两面：数据交易的地基还没打完

把两条线索合起来看，会发现它们其实是同一个问题。

973条报价建立了一个粗价格锚，但注意它的软肋：挂牌价不等于成交价，判决书里的数字凤毛麟角。一个无法标准化描述商品的市场，价格发现永远只能是半成品。 数据和石油最大的区别是：石油有纯度检测，数据目前的'纯度'写在README的散文里。

所以数据要素市场真正的地基，不是交易平台，而是三件更土的事：

第一，标准化数据卡——数据集的Datasheet要像药品说明书一样，把来源、口径、处理步骤、已知缺陷写清楚；第二，宣称审计——README里的每句话对应到管道中可验证的步骤，没有对应步骤的宣称就是虚假宣传；第三，可比单位——报价必须归一到单位上才有意义，'每小时音频'和'每家公司'本身就是两个市场。

据接近多家数据交易撮合方的人士观察，2026年买方在尽调上花的时间，已经开始超过谈价本身。这其实是个好信号：只有当买家开始认真验证数据宣称时，'诚实的数据卡'才会变成一种可以卖出溢价的资产。

973条报价只是开始。价格锚让数据第一次可以被'论价'，而可审计的宣称让数据第一次可以被'论质'。两者合起来，才是数据作为资产真正流通的前提。接下来一两年，值得盯的不是哪个天价数据包成交，而是数据卡、质量审计这类'无聊基础设施'何时成为行业默认动作——地基打完，市场才真正开始。