一個叫作“一筆兩劃”的創(chuàng)業(yè)公司，公開聲討曾經(jīng)的教培龍頭“學(xué)而思”，說它用“扒庫”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，導(dǎo)致服務(wù)器承載壓力快速升高。

(資料圖片僅供參考)

訪問量遠(yuǎn)超日常平均值。筆神作文對深A(yù)I透露，平時的日訪問量大約是幾百或幾千，那幾天暴增至每天超過50萬。一周之內(nèi)，他們的數(shù)據(jù)被爬取了258萬次。

筆神作文公布的數(shù)據(jù)庫調(diào)用情況

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

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

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

“扒庫”事件發(fā)生后沒多久，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”，其中一項功能，就是作文。

筆神作文被“扒庫”，和學(xué)而思開發(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，試圖討要一個說法。學(xué)而思方面則給出公開回應(yīng)，稱對筆神素材內(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)，對于大模型而言，意味著什么?

合作伙伴變成門口野蠻人?

雙方各執(zhí)一詞

我們先簡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作軟件，算是AI+教育的產(chǎn)物。一開始“筆神”面向內(nèi)容創(chuàng)作平臺和相關(guān)工具廠商，后來深入到垂直領(lǐng)域，用AI教學(xué)生寫作文，于是就有了“筆神作文”。

你可以簡單理解: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)，解決的是寫作文的場景。

AI寫作文，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言處理、語義分析預(yù)測、機器學(xué)習(xí)等技術(shù)。筆神作文創(chuàng)始人宋嘉偉，曾擔(dān)任過索尼高級系統(tǒng)架構(gòu)師、奇點機智CTO。

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

開始做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)算費用。為此，筆神作文為學(xué)而思開放了服務(wù)接口。

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

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

這些素材不是來源于網(wǎng)絡(luò)，而是筆神自有的數(shù)據(jù)庫。通過AI技術(shù)的智能識別、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)價值，甚至可以對外售賣。這才有了跟學(xué)而思的合作。

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

按照筆神作文對深A(yù)I的介紹，他們對與學(xué)而思的合作范圍進(jìn)行了限定，“我們開放接口讓他們調(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javascript在他們的機器上。”

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)用的作文范本來自筆神作文，學(xué)而思不能自己儲存。

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。“他們的行為觸發(fā)了我們的防御機制，這才使我們發(fā)現(xiàn)了這一情況。”

筆神作文稱，他們查看了后臺的訪問日志，發(fā)現(xiàn)是由單一IP通過“爬蟲”技術(shù)發(fā)起的非法訪問。“我們已經(jīng)掌握了這個IP地址。”

筆神作文公布的IP地址情況（一部分）

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

筆神作文對深A(yù)I透露，事發(fā)后他們與學(xué)而思的運營人員求證，對方直接承認(rèn)，是學(xué)而思的算法組在爬取數(shù)據(jù)并作為己用。不過，針對此說法，深A(yù)I尚未得到學(xué)而思方面的證實。

曾經(jīng)的合作伙伴，突然變成了門口的野蠻人，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日的公開回應(yīng)中稱，其對筆神作文接口的調(diào)用，并未超出雙方合同范圍，對筆神素材內(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)而思專門強調(diào)，其自研的MathGPT大模型和“作文AI助手”，沒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，該案件可能將會成為“AI大模型數(shù)據(jù)被盜第一案”。

一個值得探討的問題是，數(shù)據(jù)，對于大模型而言，意味著什么?

數(shù)據(jù)從哪里來，是個大問題

算力、算法、數(shù)據(jù)，是人工智能進(jìn)行機器學(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，國內(nèi)外的一些大廠將算法開源，大大降低了模型開發(fā)的門檻。

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)，是個關(guān)鍵問題。

生成式AI大模型需要使用大量且多樣化的數(shù)據(jù)來進(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)來源。ChatGPT這類通用大模型，用了很多公開數(shù)據(jù)，如各類新聞網(wǎng)站、書籍、科學(xué)論文、網(wǎng)頁等等。一些垂直領(lǐng)域的大模型，則需要找到有針對性的語料庫和數(shù)據(jù)集。

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

好未來CTO田密在5月4日公開表示，“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)域知識深度結(jié)合，加上足夠多的領(lǐng)域數(shù)據(jù)來訓(xùn)練領(lǐng)域大模型。”

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

早在2019年，筆神公司就開始有目的性地收集數(shù)據(jù)，訓(xùn)練自己的作文語料庫，覆蓋名人名言、詩詞、公文、網(wǎng)絡(luò)語言等。他們利用訓(xùn)練機器模擬人工標(biāo)簽的方式，對每條語料打標(biāo)簽。

在垂直語料庫中，只有對數(shù)據(jù)打過標(biāo)簽，才能基于向量匹配、用戶當(dāng)前創(chuàng)作內(nèi)容的語義分析和預(yù)測，進(jìn)行精準(zhǔn)的內(nèi)容推送。

劉然對深A(yù)I說，建立模型需要大量經(jīng)過驗證的數(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js過程是持續(xù)且漫長的。筆神作文稱，創(chuàng)業(yè)六年，他們總共積累了超過500萬篇作文素材，月批改量超3萬篇。這些作文素材，是經(jīng)過一篇篇人工審核、篩選投稿、打標(biāo)簽、分級、數(shù)據(jù)糾正，最后累積起來的。

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

筆神作文認(rèn)為學(xué)而思“盜”走了數(shù)據(jù)，揣測學(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“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，正常來講，作文數(shù)據(jù)應(yīng)該會提前設(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。不過他同時認(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，其實不需要那么大量的數(shù)據(jù)。幾萬篇高質(zhì)量的作文應(yīng)該就夠了。”他說。

“AI大模型數(shù)據(jù)被盜第一案”，

立得住嗎?

筆神作文態(tài)度強硬，連發(fā)兩篇公告，要求學(xué)而思道歉，同時索賠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深A(yù)I表示，筆神作文自建的語料庫或素材庫，本身是有知識產(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)起知識產(chǎn)權(quán)侵權(quán)或不正當(dāng)競爭訴訟。”他說。

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

值得注意的是，筆神作文素材庫中的很多作文，是用戶投稿而來。筆神作文自稱，每個月都會收到30萬篇作文投稿。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，如何對知識產(chǎn)權(quán)進(jìn)行約定。如果用戶在投稿時對筆神作文進(jìn)行了知識產(chǎn)權(quán)授權(quán)，那么筆神作文就享有對應(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、評論、筆記），授予筆神作文免費且不可撤銷的非獨家使用許可。

也就是說，筆神作文對素材庫擁有知識產(chǎn)權(quán)。

劉然想不明白的是，筆神作文為什么會與學(xué)而思合作。“如果是我，絕對不會跟學(xué)而思合作，因為我們是強競爭關(guān)系。”他認(rèn)為，“在大模型時代，僅僅提供作文數(shù)據(jù)庫的做法是沒有機會的。”

有業(yè)內(nèi)人士分析，學(xué)而思有流量，有場景，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)勢要比筆神作文大。而在后端收集數(shù)據(jù)、建設(shè)素材庫的工作，費時費力，短期難見成效。對于學(xué)而思而言，直接拿現(xiàn)成的素材庫接入是最方便的。筆神作文則靠出售素材庫的調(diào)用權(quán)限，實現(xiàn)了商業(yè)變現(xiàn)。

但對筆神作文這種創(chuàng)業(yè)公司而言，這樣的合作就像是帶刺的玫瑰。因為巨頭隨時可能打進(jìn)你的領(lǐng)地，甚至在業(yè)務(wù)層面形成直接競爭。

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

現(xiàn)在，AI改作文只是好未來龐大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，屬于中英文聽寫批改中的一個模塊。好未來有更大的野心，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)終于又熱起來了;焦慮的是，ChatGPT實在是太強大了，很多垂直領(lǐng)域的創(chuàng)業(yè)項目一夜之間失去了壁壘。

像筆神作文這樣的公司，競爭壁壘在哪里，如何與巨頭對抗，是很現(xiàn)實的問題。而人工智能行業(yè)的加速內(nèi)卷，同質(zhì)化競爭的加劇，會讓創(chuàng)業(yè)公司與巨頭的對抗升級。

搶數(shù)據(jù)，或許只是新一輪爭奪戰(zhàn)的冰山一角。

*題圖來源于視覺中國。應(yīng)受訪者要求，劉然為化名。