本文系统梳理AI训练数据的经济学属性及交易机制,提出数据作为独立生产要素的框架,归纳五类主流定价机制,详述2020-2025年AI数据交易案例,分析数据经济的四大核心未解问题,为构建数据经济学奠定理论基础
| 资产类别 | 标准化机制 | 开发者/组织 | 时间 | 结果 |
|---|---|---|---|---|
| 公司股权 | 有限责任公司,标准化股份 | 铁路公司,纽约证券交易所 | 1850s-1860s | 资本动员和流动性市场 |
| 农产品 | 谷物期货和仓单,标准化分级和存储合同 | 芝加哥交易所 | 1848 | 稳定供应链和对冲收成波动 |
| 石油 | 期货合约和定价基准,标准化交付和价格 | CBOT,NYMEX,OPEC | 1870s-1900s | 从地方商品向全球标杆资源转变 |
| 数据 | 标准化估值,许可与登记机制正在形成 | 进行中 | 2020s-至今 | 数据由副产品向公认资本资产转变 |
| 定价机制 | 适用单位 | 经济逻辑 | 典型案例或说明 |
|---|---|---|---|
| 按单元定价 | Token, Record | 按使用量或访问频率收费,反映边际处理成本 | HarperCollins图书,每本5000美元;音乐曲目每首0.3-2欧元;视频每分钟1-4美元 |
| 综合许可 | Dataset, Corpus, Stream | 付费时间限定访问,许可所有权归属授权方 | News Corp向OpenAI支付超过2.5亿美元;Reddit向谷歌年付6000万美元 |
| 基于服务定价 | Dataset | 支付数据标注、清洗、验证等加工服务 | Scale AI平台标注费用,约1600万美元/年 |
| 委托制作 | Dataset, Corpus | 预付费定制数据生产,付劳务费与平台协调费 | Mercor专家生成领域数据,年收入4.5亿美元 |
| 公共数据开放共享 | 全部单位 | 政府或研究资助的公共数据集,作为商业市场的竞争基线 | LAION、Common Crawl、蛋白质数据库 |
| 编号 | 数据类型 | 提供者 | 购买者 | 报价 | 定价机制 | 特点 |
|---|---|---|---|---|---|---|
| 1 | 新闻文本 | News Corp | OpenAI | 5年超2.5亿美元 | 访问许可 | 最大新闻- AI合作 |
| 2 | 社交媒体UGC | 年付约6000万美元 | 访问许可 | 用户数据交易 | ||
| 14 | 视频 | YouTube创作者 | Meta | 约500万美元 | 按单元许可 | 未公布原创视频 |
| 24 | 定制领域专家数据 | Mercor | 多家AI实验室 | 4.5亿美元年收入 | 委托制作 | 专家生成训练集 |
报告标题:《The Economics of AI Training Data: A Research Agenda》
作者:Hamidah Oderinwale 与 Anna Kazlauskas,隶属 Open Data Labs
发布日期:2025年10月
研究主题:聚焦AI训练数据的独特经济属性、市场交易机制及其作为生产要素的经济学建模。通过系统梳理近年来AI训练数据市场案例、价格机制,提出数据作为独立生产要素的表达框架,明确该领域的核心开放研究问题,旨在构建“数据经济学”这一新兴交叉学科领域的理论基础。
报告核心论点与目标:
报告强调数据在AI生产中的关键性但同时指出数据作为生产要素依然极不透明、不标准化,市场深度碎片化。通过梳理2020-2025年AI训练数据交易,识别五种主流定价机制,展示大多交易对原始数据创造者的补偿不足。通过提出数据单位分层模型和生产函数中数据要素的显式纳入,报告旨在激发跨学科社会科学与技术研究,推动数据价值测量、治理、产出贡献评估及市场设计的理论发展。总体目标为奠定数据经济学作为一门独立研究领域的基础框架。,1]
本节指出AI的生产函数尚未清晰界定,其中数据作为与计算资源、算法齐头并进却最为模糊。大部分现有经济研究聚焦AI对劳动力市场等宏观效应,缺乏对生产端(特别是数据)机制的微观探讨。报告不企图终极定义AI生产函数,而是致力于:
报告强调,尽管基础模型已经用公开互联网大数据训练,但实际上占全世界数据总量不到0.01%,剩余绝大部分“黑暗数据”集中于私有库,且相关交易金额高达数亿美金。学界跨领域研究虽多,但信息割裂,缺乏整合。
数据区别于传统商品,呈现三大关键特性:
阻碍标准化的两大难点:
导致市场高度碎片化,介入者(经纪人、中介)成为必要,但提升交易成本并削弱流动性。
报告依次梳理历史案例显示,尽管资产本质异质,但宏观经济驱动力促使各类资产通过法律制度、会计标准、交易所规则等机制实现标准化和流通。例如:
对应数据,近年来才开始出现定价框架、许可模型及数据注册制度的初步形态,市场形成尚处于萌芽阶段。报告用包含“数据”市场发展的表格(Table 1)示意这种渐进过程。,4]
依然有三大未解瓶颈:缺乏统一计量单位、尚未完整理解数据的质量/组合对价值影响、缺少把数据纳入生产函数的系统经济学模型。,5]
报告提出统一的“交换单位层级”(Table 2),从最底层细粒度“Token”到“Record”“Dataset”“Corpus”“Stream”五级递增,分别对应不同粒度的数据标的及市场交易形态。
该分层架构有助于理解各种定价机制如何针对不同层级展开。,6]
基于先前单位划分,报告总结当下主要五类定价机制(Table 3):
报告进一步披露隐形交易模式,即平台通过免费或补贴服务换取用户数据授权,例如Reddit向Google许可用户内容年费6000万美元左右。此类“间接”交易往往排除多数数据创造者的补偿,市场集中于平台与大买方之间,少数例外如法国《世界报》新闻记者通过工会获得25%收入分成尝试。整体来看,除了某些基于单元计价和定制型交易允许直接付给作者外,绝大多数交易收益囊括平台或中介。,7,8,9,20,21]
| Level | Unit of Exchange | Description | Typical Market Form |
|---|---|---|---|
| Token | 最细粒度数据片段 | 可分割、可组合;内嵌交易 | API 计价 |
| Record | 单条样本 | 学习的原子贡献,难验证 | 标注平台 |
| Dataset | 数据集 | 质量、格式和领域特异性影响价值 | 许可交易 |
| Corpus | 多数据集汇聚 | 组合规模商品,带多样性回报 | 预训练 |
| Stream | 时序连续数据流 | 按访问或流量付费 | 监测和遥测 |
此层级体系为数据交易多样化提供统一框架,体现数据定价单位由精细到宏观递进关系,便于对标定价方法和市场类型。
此表细致记录24个涵盖文本、图片、音频、视频、卫星数据、医疗生物数据及企业数据的代表性交易,包括:
该表是报告的核心实证数据展示,体现了AI训练数据市场巨大的经济规模与复杂的法律经济结构,兼具流动市场交易与长期战略投资特征。,21]
呈现边际回报的不同假说,反映在经济模型中如何准确捕捉数据的作用具有高度挑战性,直接影响估值与投资决策。
展示数据在多个阶段的功能区分:
说明数据不仅是原料,也贯穿AI生命周期,是动态多维资本资产。这解释了数据市场存在多层次分割和多样化定价机制的原因。
报告未给出具体DCF等估值模型,但提出数据作为独立生产要素应纳入生产函数,给予数据明确的经济边际贡献权重。报告框架式提出:
[
Y = f(K, L, D, A)
]
其中, (K) 为资本(含计算资源),(L) 为劳动,(D) 为数据输入,(A) 为算法技术效率。
该构想剖析数据区别于资本、劳动、技术的独特经济学属性:非竞争性、组合性、价值上下文依赖及污染风险。强调不应将数据归并于其他要素,鼓励后续研究确定数据在具体函数形式(如Cobb-Douglas或CES)中的弹性参数及边际产出贡献。
此外,基于机器学习的规模定律以及实际模型训练中的经验,数据贡献表现为复杂非线性特征,有退化期、阈值效应及异质性,与资本或劳动要素不同,机器学习领域测算的回报弹性在0.3至0.5之间,但大规模稀缺优质数据的经济回报尚无定论。投资估值须充分纳入数据污染风险及组合互补效应。,11,13]
报告识别的关键风险包括:
报告建议通过跨学科方法(法律、经济、计算机科学)设计协调治理机制,包括隐私保护计算和数据股权制度改革,同时数据权属设计的抉择将影响长期市场结构。,13]
总体来看,报告立足于构建理论基础,坦诚当前研究仍处早期,所提方法、模型及市场描述多为框架性与假设性,需进一步实证验证与跨学科融合。
本报告从经济学视角出发,首次较为系统和全面地构建了关于AI训练数据经济学的研究框架与议程。关键贡献包括:
报告以技术经济学与法律政策交叉推动AI训练数据科学、市场与治理创新,奠定跨学科系统研究蓝图,强调唯有协同解决测度、产权、实证及市场机制设计四大难题,方能促进数据作为AI经济关键生产要素的充分优化配置和公平价值分配,进而影响整个人工智能经济体的成长路径与社会再分配格局。14,2021]
这是一篇开创性、框架性极强的交叉学科研究报告,针对赋能当代乃至未来AI的关键资源——训练数据,从经济学理论、市场行为、法律制度及技术规格多角度深刻剖析,并提出系统性的研究议程。报告呈现了AI训练数据市场当前的碎片化格局及增长趋势,强调数据不可简化为传统资本或技术,必须作为独立、复杂、动态变化的生产要素纳入经济模型。其详实的案例分析和图表清晰展现市场多个层面的真实面貌与挑战,指明了未来数据经济学科学设计合理市场、产权、治理解决方案的巨大潜力及紧迫任务,堪称AI时代经济学与产业政策的重要里程碑。~21]
报告内所有论断、图表及数据引用详见: ~21]。
(完)
2510.24990.pdf