一個(gè)叫作“一筆兩劃”的創(chuàng)業(yè)公司，公開(kāi)聲討曾經(jīng)的教培龍頭“學(xué)而思”，說(shuō)它用“扒庫(kù)”的方式，“偷”走了自己辛辛苦苦攢下的數(shù)據(jù)。

故事的起因，是在今年4月中旬，“筆神作文”（一筆兩劃公司旗下產(chǎn)品）發(fā)現(xiàn)，服務(wù)器接口出現(xiàn)大量有規(guī)律的異常訪問(wèn)，導(dǎo)致服務(wù)器承載壓力快速升高。

(資料圖片僅供參考)

訪問(wèn)量遠(yuǎn)超日常平均值。筆神作文對(duì)深A(yù)I透露，平時(shí)的日訪問(wèn)量大約是幾百或幾千，那幾天暴增至每天超過(guò)50萬(wàn)。一周之內(nèi)，他們的數(shù)據(jù)被爬取了258萬(wàn)次。

筆神作文公布的數(shù)據(jù)庫(kù)調(diào)用情況

通過(guò)查閱服務(wù)器日志，筆神作文發(fā)現(xiàn)，單一IP通過(guò)“爬蟲(chóng)”技術(shù)，高密度地爬取了他們的數(shù)據(jù)庫(kù)。這個(gè)IP每次訪問(wèn)的搜索詞，都是作文相關(guān)，系統(tǒng)會(huì)每頁(yè)返回30篇作文，每次訪問(wèn)都是用搜索詞從第一頁(yè)逐頁(yè)向后翻，基本上把庫(kù)里同個(gè)題目的所有作文，全部抓取完了。

業(yè)內(nèi)人士介紹，通常情況下，普通用戶不會(huì)這么干。這種對(duì)數(shù)據(jù)庫(kù)的搜刮式訪問(wèn)，也被稱為“扒庫(kù)”。

筆神作文認(rèn)為，“扒庫(kù)”的幕后黑手，是它的合作伙伴學(xué)而思。

“扒庫(kù)”事件發(fā)生后沒(méi)多久，筆神作文發(fā)現(xiàn)，學(xué)而思在進(jìn)行數(shù)學(xué)大模型MathGPT的研發(fā)，并表示將于近期上線一款“AI助手”，其中一項(xiàng)功能，就是作文。

筆神作文被“扒庫(kù)”，和學(xué)而思開(kāi)發(fā)“作文AI助手”，這兩起事件之間是否有關(guān)聯(lián)，目前尚沒(méi)有明確結(jié)論。

但筆神作文認(rèn)為，自己的權(quán)益被侵犯了。它向?qū)Ψ桨l(fā)去律師函，并將這件事公之于眾，試圖討要一個(gè)說(shuō)法。學(xué)而思方面則給出公開(kāi)回應(yīng)，稱對(duì)筆神素材內(nèi)容的使用均符合合同要求，且其自研的MathGPT大模型和“作文AI助手”，沒(méi)有使用筆神作文的任何數(shù)據(jù)。

此次事件中，值得探討的不僅是作文素材。數(shù)據(jù)，對(duì)于大模型而言，意味著什么?

合作伙伴變成門(mén)口野蠻人?

雙方各執(zhí)一詞

我們先簡(jiǎn)單介紹一下筆神作文。

這家公司成立于2017年，產(chǎn)品“筆神”是一款人工智能輔助寫(xiě)作軟件，算是AI+教育的產(chǎn)物。一開(kāi)始“筆神”面向內(nèi)容創(chuàng)作平臺(tái)和相關(guān)工具廠商，后來(lái)深入到垂直領(lǐng)域，用AI教學(xué)生寫(xiě)作文，于是就有了“筆神作文”。

你可以簡(jiǎn)單理解:它處在教育行業(yè)，面向的是學(xué)生群體，利用了人工智能技編程術(shù)，解決的是寫(xiě)作文的場(chǎng)景。

AI寫(xiě)作文，跟今天大火的ChatGPT，在技術(shù)上有很多共通之處。它們都涉及到自然語(yǔ)言處理、語(yǔ)義分析預(yù)測(cè)、機(jī)器學(xué)習(xí)等技術(shù)。筆神作文創(chuàng)始人宋嘉偉，曾擔(dān)任過(guò)索尼高級(jí)系統(tǒng)架構(gòu)師、奇點(diǎn)機(jī)智CTO。

早在五年前，宋嘉偉就說(shuō)過(guò)，在考慮如何將bert或GPT-2這些預(yù)訓(xùn)練語(yǔ)言模型技術(shù)運(yùn)用到應(yīng)用中去。當(dāng)時(shí)GPT尚未出圈，不像今天這樣廣為人知。

開(kāi)始做AI作文之后，筆神作文正式進(jìn)入教育賽道，跟教培龍頭學(xué)而思踏進(jìn)了同一條河流。

據(jù)筆神方面介紹，2020年12月，筆神作文跟學(xué)而思達(dá)成合作。筆神作文為學(xué)而思提供“筆神作文范文素材服務(wù)接口”，用于學(xué)而思相關(guān)服務(wù)中，按調(diào)用次數(shù)結(jié)算費(fèi)用。為此，筆神作文為學(xué)而思開(kāi)放了服務(wù)接口。

也就是說(shuō)，學(xué)而思可以調(diào)用筆神作文數(shù)據(jù)庫(kù)中的作文素材，并為之付費(fèi)。

作文素材，是這項(xiàng)交易中的一個(gè)核心資產(chǎn)，也是筆神作文商業(yè)模式的基石。事實(shí)上，筆神作文最早就是從素材這個(gè)點(diǎn)切入的。它當(dāng)年主打的“一鍵找素編程客棧材”功能，用戶通過(guò)搜索關(guān)鍵詞，系統(tǒng)可以自動(dòng)匹配素材，資源從古詩(shī)詞經(jīng)典、公文，到現(xiàn)代網(wǎng)文均有涵蓋。在寫(xiě)作過(guò)程中，系統(tǒng)還可以實(shí)時(shí)推送素材。

這些素材不是來(lái)源于網(wǎng)絡(luò)，而是筆神自有的數(shù)據(jù)庫(kù)。通過(guò)AI技術(shù)的智能識(shí)別、翻譯、匹配，筆神能向用戶的搜索行為反饋回合適的素材。

當(dāng)這些作文素材的量足夠大、質(zhì)量足夠優(yōu)質(zhì)、匹配夠精準(zhǔn)，就具備了一定的商業(yè)價(jià)值，甚至可以對(duì)外售賣(mài)。這才有了跟學(xué)而思的合作。

問(wèn)題是，這些素材有被“偷”走的風(fēng)險(xiǎn)，尤其是在開(kāi)放部分接口的情況下。

按照筆神作文對(duì)深A(yù)I的介紹，他們對(duì)與學(xué)而思的合作范圍進(jìn)行了限定，“我們開(kāi)放接口讓他們調(diào)用我們的數(shù)據(jù)，顯示在他們自己的APP里，但合同中并未包括存儲(chǔ)數(shù)據(jù)或用于AI算法的權(quán)限。數(shù)據(jù)應(yīng)僅供他們的用戶調(diào)用，不能被存儲(chǔ)javascript在他們的機(jī)器上?！?/p>

相當(dāng)于，當(dāng)用戶在學(xué)而思的產(chǎn)品端發(fā)起搜索，調(diào)用的作文范本來(lái)自筆神作文，學(xué)而思不能自己儲(chǔ)存。

4月中旬的那次異常調(diào)用，讓筆神作文認(rèn)為，超出了正常的商業(yè)合作范圍?！八麄兊男袨橛|發(fā)了我們的防御機(jī)制，這才使我們發(fā)現(xiàn)了這一情況?！?/p>

筆神作文稱，他們查看了后臺(tái)的訪問(wèn)日志，發(fā)現(xiàn)是由單一IP通過(guò)“爬蟲(chóng)”技術(shù)發(fā)起的非法訪問(wèn)。“我們已經(jīng)掌握了這個(gè)IP地址?！?/p>

筆神作文公布的IP地址情況（一部分）

國(guó)內(nèi)某人工智能創(chuàng)業(yè)公司的CEO劉然對(duì)深A(yù)I分析，這種窮舉關(guān)鍵詞的方式，肯定是想要獲取庫(kù)里的數(shù)據(jù)，這是非常明顯的行為。

筆神作文對(duì)深A(yù)I透露，事發(fā)后他們與學(xué)而思的運(yùn)營(yíng)人員求證，對(duì)方直接承認(rèn)，是學(xué)而思的算法組在爬取數(shù)據(jù)并作為己用。不過(guò)，針對(duì)此說(shuō)法，深A(yù)I尚未得到學(xué)而思方面的證實(shí)。

曾經(jīng)的合作伙伴，突然變成了門(mén)口的野蠻人，讓筆神作文非常憤怒，多次發(fā)出律師函。

學(xué)而思方面則在6月13日的公開(kāi)回應(yīng)中稱，其對(duì)筆神作文接口的調(diào)用，并未超出雙方合同范圍，對(duì)筆神素材內(nèi)容的使用均符合合同要求，未用于合同以外的任何用途。學(xué)而思專門(mén)強(qiáng)調(diào)，其自研的MathGPT大模型和“作文AI助手”，沒(méi)有使用筆神作文的任何數(shù)據(jù)。

雙方各執(zhí)一詞，目前未有定論。筆神作文稱，該案件可能將會(huì)成為“AI大模型數(shù)據(jù)被盜第一案”。

一個(gè)值得探討的問(wèn)題是，數(shù)據(jù)，對(duì)于大模型而言，意味著什么?

數(shù)據(jù)從哪里來(lái)，是個(gè)大問(wèn)題

算力、算法、數(shù)據(jù)，是人工智能進(jìn)行機(jī)器學(xué)習(xí)的三大核心要素。

為了提升算力，很多科技公司都在花重金搶奪英偉達(dá)的GPU。在算法端，國(guó)內(nèi)外的一些大廠將算法開(kāi)源，大大降低了模型開(kāi)發(fā)的門(mén)檻。

而在數(shù)據(jù)端，壁壘一直存在。去哪里找到高質(zhì)量數(shù)據(jù)，是個(gè)關(guān)鍵問(wèn)題。

生成式AI大模型需要使用大量且多樣化的數(shù)據(jù)來(lái)進(jìn)行訓(xùn)練，以提高模型的泛化能力和生成能力。不同的模型可能使用不同的數(shù)據(jù)來(lái)源。ChatGPT這類通用大模型，用了很多公開(kāi)數(shù)據(jù)，如各類新聞網(wǎng)站、書(shū)籍、科學(xué)論文、網(wǎng)頁(yè)等等。一些垂直領(lǐng)域的大模型，則需要找到有針對(duì)性的語(yǔ)料庫(kù)和數(shù)據(jù)集。

國(guó)內(nèi)某頭部科技公司的大模型負(fù)責(zé)人對(duì)深A(yù)I表示，ChatGPT其實(shí)也用了很多非公開(kāi)的數(shù)據(jù)，網(wǎng)上的公開(kāi)數(shù)據(jù)很多都質(zhì)量非常差，高質(zhì)量的數(shù)據(jù)是有門(mén)檻的。數(shù)據(jù)的獲得、清洗，都面臨很大挑戰(zhàn)。

好未來(lái)CTO田密在5月4日公開(kāi)表示，“很多領(lǐng)域是有數(shù)據(jù)壁壘和行業(yè)know-how的，大模型還是得和領(lǐng)域知識(shí)深度結(jié)合，加上足夠多的領(lǐng)域數(shù)據(jù)來(lái)訓(xùn)練領(lǐng)域大模型?！?/p>

就像田密說(shuō)的，領(lǐng)域大模型要和領(lǐng)域知識(shí)深度結(jié)合。在AI作文領(lǐng)域，作文素材就是訓(xùn)練機(jī)器的重要數(shù)據(jù)。

早在2019年，筆神公司就開(kāi)始有目的性地收集數(shù)據(jù)，訓(xùn)練自己的作文語(yǔ)料庫(kù)，覆蓋名人名言、詩(shī)詞、公文、網(wǎng)絡(luò)語(yǔ)言等。他們利用訓(xùn)練機(jī)器模擬人工標(biāo)簽的方式，對(duì)每條語(yǔ)料打標(biāo)簽。

在垂直語(yǔ)料庫(kù)中，只有對(duì)數(shù)據(jù)打過(guò)標(biāo)簽，才能基于向量匹配、用戶當(dāng)前創(chuàng)作內(nèi)容的語(yǔ)義分析和預(yù)測(cè)，進(jìn)行精準(zhǔn)的內(nèi)容推送。

劉然對(duì)深A(yù)I說(shuō)，建立模型需要大量經(jīng)過(guò)驗(yàn)證的數(shù)據(jù)，如果這些數(shù)據(jù)已經(jīng)整理好了，那么就可以節(jié)省大量的人力工作。筆神作文整理的作文，可能被當(dāng)作標(biāo)注數(shù)據(jù)使用。

這個(gè)js過(guò)程是持續(xù)且漫長(zhǎng)的。筆神作文稱，創(chuàng)業(yè)六年，他們總共積累了超過(guò)500萬(wàn)篇作文素材，月批改量超3萬(wàn)篇。這些作文素材，是經(jīng)過(guò)一篇篇人工審核、篩選投稿、打標(biāo)簽、分級(jí)、數(shù)據(jù)糾正，最后累積起來(lái)的。

這些數(shù)據(jù)不僅能在APP的頁(yè)面以素材形式呈現(xiàn)，還能拿去在后臺(tái)訓(xùn)練算法。所以在跟其他公司合作開(kāi)放接口時(shí)，筆神作文在協(xié)議中專門(mén)加了一條——不得“緩存，存儲(chǔ)，作為語(yǔ)料進(jìn)行計(jì)算，訓(xùn)練”。

筆神作文認(rèn)為學(xué)而思“盜”走了數(shù)據(jù)，揣測(cè)學(xué)而思將數(shù)據(jù)用于數(shù)學(xué)大模型MathGPT以及學(xué)而思學(xué)習(xí)機(jī)“作文AI助手”的訓(xùn)練和研發(fā)。但這似乎很難證明。

劉然認(rèn)為，正常來(lái)講，作文數(shù)據(jù)應(yīng)該會(huì)提前設(shè)置一些限制，比如不接受高并發(fā)，在數(shù)據(jù)里加密，而且應(yīng)該能追蹤到數(shù)據(jù)的去向和用途。不過(guò)他同時(shí)認(rèn)為，作文數(shù)據(jù)不像用戶關(guān)鍵行為數(shù)據(jù)那么關(guān)鍵。

“你可以讓AI學(xué)習(xí)什么是好的作文，然后讓它按照這些標(biāo)準(zhǔn)生成。但我認(rèn)為，其實(shí)不需要那么大量的數(shù)據(jù)。幾萬(wàn)篇高質(zhì)量的作文應(yīng)該就夠了?！彼f(shuō)。

“AI大模型數(shù)據(jù)被盜第一案”，

立得住嗎?

筆神作文態(tài)度強(qiáng)硬，連發(fā)兩篇公告，要求學(xué)而思道歉，同時(shí)索賠1元。它甚至想給這次事件扣上“AI大模型數(shù)據(jù)被盜第一案”的帽子。

上海曼昆律師事務(wù)所主任劉紅林律師對(duì)深A(yù)I表示，筆神作文自建的語(yǔ)料庫(kù)或素材庫(kù)，本身是有知識(shí)產(chǎn)權(quán)權(quán)益的。但是否屬于著作權(quán)法上的作品，需要看獨(dú)創(chuàng)性是否符合相關(guān)的判定標(biāo)準(zhǔn)。

“如果筆神作文有足夠的證據(jù)能證明學(xué)而思惡意抓取了他們的數(shù)據(jù)，那么可以發(fā)起知識(shí)產(chǎn)權(quán)侵權(quán)或不正當(dāng)競(jìng)爭(zhēng)訴訟?！彼f(shuō)。

另外，筆神作文與學(xué)而思有合作協(xié)議，如果對(duì)知識(shí)產(chǎn)權(quán)的尊重和授權(quán)進(jìn)行了約定，他們也可以通過(guò)合同違約來(lái)保護(hù)自己的權(quán)益。

值得注意的是，筆神作文素材庫(kù)中的很多作文，是用戶投稿而來(lái)。筆神作文自稱，每個(gè)月都會(huì)收到30萬(wàn)篇作文投稿。因此，在認(rèn)定是否侵權(quán)之前，先要厘清這些素材的知識(shí)產(chǎn)權(quán)歸屬。

劉紅林分析，這要看作文的創(chuàng)作者（投稿人）與筆神作文之間，如何對(duì)知識(shí)產(chǎn)權(quán)進(jìn)行約定。如果用戶在投稿時(shí)對(duì)筆神作文進(jìn)行了知識(shí)產(chǎn)權(quán)授權(quán)，那么筆神作文就享有對(duì)應(yīng)的權(quán)益。

深A(yù)I查詢筆神作文的用戶服務(wù)協(xié)議，發(fā)現(xiàn)其中有這么一條:用戶在筆神作文發(fā)表的內(nèi)容（包括但不限于留言、評(píng)論、筆記），授予筆神作文免費(fèi)且不可撤銷的非獨(dú)家使用許可。

也就是說(shuō)，筆神作文對(duì)素材庫(kù)擁有知識(shí)產(chǎn)權(quán)。

劉然想不明白的是，筆神作文為什么會(huì)與學(xué)而思合作?！叭绻俏?，絕對(duì)不會(huì)跟學(xué)而思合作，因?yàn)槲覀兪菑?qiáng)競(jìng)爭(zhēng)關(guān)系?！彼J(rèn)為，“在大模型時(shí)代，僅僅提供作文數(shù)據(jù)庫(kù)的做法是沒(méi)有機(jī)會(huì)的。”

有業(yè)內(nèi)人士分析，學(xué)而思有流量，有場(chǎng)景，有知名度，尤其是在面向用戶的前端產(chǎn)品方面，學(xué)而思的優(yōu)勢(shì)要比筆神作文大。而在后端收集數(shù)據(jù)、建設(shè)素材庫(kù)的工作，費(fèi)時(shí)費(fèi)力，短期難見(jiàn)成效。對(duì)于學(xué)而思而言，直接拿現(xiàn)成的素材庫(kù)接入是最方便的。筆神作文則靠出售素材庫(kù)的調(diào)用權(quán)限，實(shí)現(xiàn)了商業(yè)變現(xiàn)。

但對(duì)筆神作文這種創(chuàng)業(yè)公司而言，這樣的合作就像是帶刺的玫瑰。因?yàn)榫揞^隨時(shí)可能打進(jìn)你的領(lǐng)地，甚至在業(yè)務(wù)層面形成直接競(jìng)爭(zhēng)。

AI批改作文是筆神作文很重要的一項(xiàng)功能。而早在三年前，好未來(lái)（學(xué)而思母公司）也曾推出過(guò)“中英文作文批改解決方案”，通過(guò)AI實(shí)現(xiàn)智能化中英文作文批改。

現(xiàn)在，AI改作文只是好未來(lái)龐大AI產(chǎn)品矩陣的冰山一角。在其最新的產(chǎn)品介紹中，中文作文批改，屬于中英文聽(tīng)寫(xiě)批改中的一個(gè)模塊。好未來(lái)有更大的野心，它的觸角已經(jīng)伸向AI+教育的方方面面。

ChatGPT帶火生成式AI之后，人工智能行業(yè)的創(chuàng)業(yè)者既興奮又焦慮。他們興奮的是，行業(yè)終于又熱起來(lái)了;焦慮的是，ChatGPT實(shí)在是太強(qiáng)大了，很多垂直領(lǐng)域的創(chuàng)業(yè)項(xiàng)目一夜之間失去了壁壘。

像筆神作文這樣的公司，競(jìng)爭(zhēng)壁壘在哪里，如何與巨頭對(duì)抗，是很現(xiàn)實(shí)的問(wèn)題。而人工智能行業(yè)的加速內(nèi)卷，同質(zhì)化競(jìng)爭(zhēng)的加劇，會(huì)讓創(chuàng)業(yè)公司與巨頭的對(duì)抗升級(jí)。

搶數(shù)據(jù)，或許只是新一輪爭(zhēng)奪戰(zhàn)的冰山一角。

*題圖來(lái)源于視覺(jué)中國(guó)。應(yīng)受訪者要求，劉然為化名。