AI 淘金热里，谁在卖铲子

淘金的人大多没赚到钱，卖铲子的先富了。这句老话在 AI 这轮又应验了一次。

什么叫卖铲子

1848 年，加州有人在河里发现了金子。一个开杂货店的人，把旧金山能买到的镐、铲、淘金盘全部买光。

淘金盘从 0.2 美元涨到 15 美元，一把铲子从 1 美元涨到 30 美元，一双靴子从 3 美元涨到 40 美元。开卖头九周的利润是 3.6 万美元。他成了加州第一个百万富翁，一盎司金子都没挖过。

所以「卖铲子」是什么意思？不是卖工具，是换掉了一整套风险结构。

• 淘金的人：赌一件概率的事，挖到了发财，挖不到血本无归，结果不确定。
• 卖铲子的人：卖一件确定的事，只要还有人在挖，铲子就卖得出去，收入确定。

收入不取决于「谁挖到金子」，只取决于「有多少人在挖」。

这一轮，铲子有好几层。离金子越远，越是铲子：电力与能源、芯片与设备（NVIDIA、台积电、ASML）、算力与云、数据与环境（Scale、Surge、Mercor、Handshake）、工具链与评测。以上都是铲子。以下是淘金的人：模型层（OpenAI、Anthropic、xAI）和应用层各种 AI 产品。他们在烧钱赌一个结果，而上面每一层都先收到了钱。

怎么判断一家公司是不是在卖铲子？三条标准：中立性——不管哪家赢，钱都要从你这儿过；收入前置——客户还没赚到钱，就得先付你钱；持续消耗——是卖一次，还是每天都要再买。

最容易被忽略的是第一条。一个教科书级反例：2025 年 6 月之前，Scale AI 同时服务 Google、OpenAI、xAI，中立意味着谁都敢用。Meta 花 140 亿美元买下 49% 股权之后，几周之内就出现砍单、减单。铲子的护城河不是产品，是中立。一旦选边站，就不是铲子了。

为什么是数据

这么多层铲子，为什么单讲数据？第一，别的层都被讲烂了，芯片、算力、电力人人都在聊，数据这层最少人真正看懂。第二，它是唯一一层「越用越贵」，芯片和算力的单位成本一直在降，只有数据的单价在往上涨。第三，它刚刚换了形态，从「卖数据集」变成「卖训练场」，是正在发生的事，不是定局。而且它离金子最近——模型卡在哪，数据公司最先知道。

这条赛道现在多大？Menlo Ventures 合伙人 Deedy 在 2026 年 7 月的统计显示：50+ 家公司合计年收入 85 亿美元，合计估值 1000 亿美元，四家吃掉的收入占比 75% 以上——Scale、Surge、Mercor、Handshake。按收入算，训练数据已是 AI 产业第三大板块，仅次于算力和大模型。

数据以前不算铲子，因为它是一次性的原材料，不是持续消耗品。旧的项目制采购，GPT-4 到 GPT-4o 隔 13 个月才买一次；新的按需采购，GPT-5.4 到 GPT-5.5 只隔 1 个月。迭代越快，实验室越频繁地发现能力缺口，数据采购就从一年几次变成了每天都要买。

「互联网上不是有的是数据吗？」因为模型要学的东西换了。学「答题」，网上到处都是现成的；学「做事」，过程记录世上本来没有。一份完整的工作过程——中间怎么想、卡在哪、改了几版、最后怎么验收——几乎没人记录过。没有，就只能造。所以这行的本质不是采矿：AI 数据公司不是矿工，是工厂。

为什么 AI 的代码能力进步得最快？因为程序员这行早就把过程全记下来了。GitHub 上的一条 commit 记录包含问题描述、修改方案、代码评审、测试结果，从问题出现到解决，一整条链路都在里面。这是全世界最大的「真实工作过程」数据库，而且是免费的、天然存在的。其他行业缺的不是需求，是没有自己的 GitHub。

AI 越强，数据越贵。很多人以为会反过来。早期众包标注一条数据是 0.02 美元 / 条，如今的专家是 90-110 美元 / 小时。因为要教的东西变难了：2024 年的代码基准改 11 行，2025 年的代码基准跨 4 个文件改 107 行。只有比模型更强的人，才教得动它。学生变聪明了，老师就得更贵。

什么是 RL 环境

实验室现在抢着买的，已经不是数据集了。静态数据集约等于教科书加标准答案，题看多了答案背得出来，但看再多驾驶教材也不会开车。RL 环境约等于驾校的练车场——一个可以随便撞、撞了重来的模拟世界。模型自己动手做，做对加分、做错扣分，分数再回去改模型，反复练，直到练熟。因为 AI 的任务从「回答问题」变成了「完成任务」，而做事这件事教不会，只能练。

拆开看，一个环境三件套：沙箱，把真实软件复刻一份；任务，给模型一个具体的活；判分器，专家写的评分标准。难的不是前两件，是第三件。分数回去改模型，再练一轮。

这些沙箱是一行行代码手工搭出来的，比如 Excel、Salesforce、Slack、Zendesk。复刻一个网站环境的造价约 2 万美元，已采购数百个。另有实验室内部讨论过一年花 10 亿美元。

那「世界模型」呢？是不是就是 RL 环境？不是一回事。RL 环境是一种用途，给 AI 练习的场地，不管你是怎么把它造出来的。世界模型是一种技术，一个学出来的神经网络，能预测「你这么做，世界会变成什么样」。两者的关系是：世界模型是造训练场的一种新方法。手搭的 Slack 沙箱是 RL 环境，但它不是世界模型。

世界模型在赌什么？赌能不能把训练场从「手工造」变成「自动生成」。手搭环境的三个死穴：贵——一个约 2 万美元；慢——一块砖一块砖砌；盖多少只有多少——覆盖不了真实世界。已经做到哪一步？一句话生成一个能走进去逛的 3D 世界，实时可交互，720p、每秒 24 帧，能维持几分钟一致。但它还够不着企业场景——现在的动作基本只有移动和转镜头，而 AI 要学的「用 Excel 干活」属于软件世界，它生不出来。

裂缝与下一步

但铲子也有裂缝。只讲好的那半边，就成广告了。客户高度集中，有公司九成以上收入来自基础模型厂商；人力成本吃掉大半，毛利被人工费压着，不是软件生意；手搭环境可能被自动生成取代，世界模型一旦成了，2 万美元一个的环境就贬值。

那个卖铲子的人后来怎么样了？他晚年破产，在默默无闻中去世。卖铲子赢的是这一轮，不是永远。

模型在赌能不能赢，而给模型供燃料的人，已经先收到钱了。

下一篇想问的是：这些「真实工作数据」，到底是谁的？当公司开始把员工的日常文件卖给 AI 实验室，隐私和安全就不再是背景板了。

整理自公开报道 · 数字以官方为准