语料授权这笔生意，为什么定价比想象中难得多？

（本文作者为 文武赵，钛媒体经授权发布）

> 文 | 文武赵


一

海外市场已经给出了几个标价。

哈珀·柯林斯与微软达成非虚构图书AI训练授权协议，单本三年5000美元，出版社与作者对半分，各拿2500美元。泰勒-弗朗西斯与微软签了1000万美元的学术内容授权，后续还有三年期的持续使用费。

Anthropic因为从盗版库下载超700万本电子书训练模型，最终支付15亿美元和解金，覆盖约48万至50万部作品，折合每部约3000美元。

这些数字放在一起看，很容易得出一个结论：语料有价，而且不便宜。但如果把同样的逻辑搬到中国市场，会发现定价这件事远比表面复杂。


二

哈珀·柯林斯的5000美元是版权方与AI公司一对一谈出来的授权费，买卖双方自愿，定价逻辑相对清晰。泰勒-弗朗西斯的1000万美元是初始接入费，后续还有非经常性收入，本质上是一笔数据资产的长期许可。

Anthropic的15亿美元则不同。那不是授权费，而是和解金。

加州北区联邦法院法官在裁定中做了一个关键区分：将合法获取的书籍用于模型训练，可能构成合理使用；但从盗版渠道下载并永久存储超过700万本书，构成侵权。

3000美元每部的价格，本质上是对盗版行为的清算，不是对合法训练数据价值的认定。Alsup法官的裁定如果最终生效，合法来源的训练行为可能根本不需要支付版权许可费。这笔和解金标价的是“获取方式违法”，不是“语料本身值多少钱”。

所以，海外市场的“语料价格”并不能直接作为中国市场的参照系，因为两者的定价基础不同，一个是自愿交易，一个是侵权赔偿。

但海外案例仍然提供了一个有意义的参照：当AI公司愿意为合法语料付费时，它们愿意付多少。

哈珀·柯林斯的5000美元单本三年，泰勒-弗朗西斯的千万美元级合同，都是市场化的价格信号。而中国大模型企业目前愿意为语料支付的价格，与这个量级之间存在显著差距。


三

浙江已经开始建设训练场和数据采集平台，但下游企业为数据买单的意愿并不高，实际交易量较少。公开可用的高质量语料，几乎已被大模型吃干榨尽。这句话来自行业一线的反馈，反映的是一个供需双方都不满意的局面。

从买方角度...

文武赵 | tmtpost​.com • Oct 15, 2026