8 月 14 日，Google 在纽约南区美国破产法院的一场拍卖中，以 1000 万美元赢得已停运廉价航空 Spirit Airlines 的内部数据。Axios 援引的法院文件显示，档案包括约 1 亿封员工邮件、5 亿条 Microsoft Teams 聊天与协作记录；TechSpot 援引的法院文件补充了 1700 万个 OneDrive 文件、2000 多万个 SharePoint 条目、516 个代码仓库中约 3000 万行自研代码；Tom's Hardware 援引的法院记录还列出 72 亿条竞品航班记录、75 亿条乘客交易记录和 17.5 万余条员工记录。Google 击败了出价 750 万美元的 AI 数据公司 Mercor，后者被列为备选买家。
交易并未就此落地。8 月 18 日，代表 Spirit 空乘的空乘协会（AFA-CWA）提出异议，破产法院随即将原定 8 月 19 日的批准听证会推迟到 9 月 9 日。争议集中在出售协议要求保留的跨数据集关联。这些关联提升了数据的研究价值，也可能让已去标识的信息重新对应到具体个人。
数据包含企业运营记录，乘客画像等信息被排除
先厘清口径。Axios 援引的法院文件显示，交易「不包括乘客画像或其常旅客信息」；Tom's Hardware 援引的法院记录进一步列出被排除的部分——9750 万个乘客画像、5020 万条 Free Spirit 忠诚计划客户记录，以及信用卡信息。Google 对 Axios 与 Forbes 的声明口径一致：「我们收购了 Spirit Airlines 企业数据集的一部分，这可能有助于改进我们的产品与 AI 模型。我们不会从这份数据集收到任何个人信息；我们收到的任何数据，都会在交付前由第三方严格清除所有个人可识别信息。」
这些数据可以呈现企业的工作流程：一家经营数十年的航空公司如何定价、排班、处理客户服务、记录收支、写内部邮件。TechSpot 援引法院文件列出的类别包括定价模型、预订曲线、航班记录、机组排班、燃油单据、财务数据库、IT 支持工单与客服工作流。与从网页爬取的数据不同，这些记录展示的是人如何做决策、与同事协调、修正错误、在企业系统里完成一件具体的事——这类样本可能用于训练在企业中执行任务的 agent。
倒闭公司的邮件与工单，已形成训练数据交易市场
Forbes 4 月 16 日的封面报道给出了这条线索的起点：已倒闭初创公司的 Slack 归档、Jira 工单、邮件线程正被清算为训练数据。前 OpenAI 首席科学家 Ilya Sutskever 曾断言（经 Forbes 转述），AI 实验室在 2024 年底前已经「用尽」了公开互联网。公开文本未必完整记录任务如何完成。若要训练模型在职场执行任务，企业内部留下的操作与协作过程就可能提供补充。
此类数据已经出现交易和定价。帮助公司清算的 SimpleClosure 过去一年处理了近 100 笔此类交易，每笔通常在 1 万到 10 万美元之间，累计为创始人追回逾 100 万美元。价格取决于公司规模、年龄与「数据丰富度」——一条能关联到具体代码提交的 Jira 工单，比一份孤立文档更值钱。Spirit 这笔 1000 万美元的交易，是这条赛道上迄今公开可见、规模最大的一例；买家是超大规模公司 Google，备选买家 Mercor 以 750 万美元参与竞价，显示科技巨头与数据公司都对这类数据有购买兴趣。
工会担心保留跨数据集关联，会削弱去标识效果
Forbes 报道，法院文件描述的去标识由法院任命的第三方监察员监督，要求采取「合理措施」使数据无法与个人关联；Google 承担去标识成本，并被禁止尝试重新识别。但 Reuters 披露了工会异议的实质：出售协议要求保留跨数据集的关联——而这正是让数据值钱的地方，也呼应了前述「数据丰富度」的定价逻辑。工会担心，一旦这些关联被保留，关于个人或小群体的信息就可能被重新拼凑出来。
空乘协会主席 Sara Nelson 对 Forbes 说：「这太离谱了！我们正在就 Google 购买这些本不该被出售的数据向法院提出异议。」工会的具体诉求是限制出售空乘员工数据、并给员工更多保护。工会异议主要针对员工数据；乘客画像等信息已被排除。其担忧在于，在破产清算中，员工多年的工作记录被当作公司资产出售，员工本人却几乎没有发言权。
AI 公司正在扩充公开网页之外的数据来源
训练数据的获取正在扩展到更多来源。实验室先广泛采集 Reddit、维基百科和电子书等公开内容；按前述观点，到 2024 年底，这类语料已接近用尽。实体书是另一种来源：8 月 18 日本站报道的 404 Media 调查显示，亚马逊正批量拆解扫描稀有书。2022 年前出版的旧书几乎不可能由大模型生成，被视为减少模型反复学习生成内容、降低「模型崩溃」风险的语料。企业运营数据则提供多年积累的邮件、聊天、代码和交易记录。AI 公司愿意为这些独特的真实记录付费，以补充公开网页中的内容。
去标识能否验证、数据用于何种模型，仍待说明
交易能否落地，取决于 9 月 9 日的听证会，以及法官 Sean Lane 是否接受「去标识 + 禁止重新识别」足以消除员工数据的隐私风险。三个问题目前没有答案。其一，第三方去标识的可验证性——Forbes 采访的业内人士指出，对「一辈子的工作痕迹」做去标识并非一次简单操作，做不好就有信息泄露进模型输出的风险。其二，「保留跨数据集关联」与「无法重新识别」在技术上能否同时成立，是工会异议的实质，也是法官需要裁量的点。其三，Google 声明只承诺「改进产品与 AI 模型」，并未说明这些数据会进入哪类模型的训练语料、用于什么任务——航空是监管严格、高度保守的行业，Google 是否有把它变成面向航空业产品的计划，公司未披露。
Spirit 的清算反映了一个正在形成的数据交易市场。企业内部记录成为训练语料后，破产程序还需要处理员工的权益：哪些工作记录可以出售，员工如何提出异议，以及第三方怎样验证去标识效果。数据之间的联系越丰富，匿名化越需要接受实际检验。
