部署回流与用户数据

一句话结论

1. 消费级产品"默认训练 + 可关闭"已成主流：OpenAI（Improve the model for everyone）、Anthropic（2025-08/09 起 Free/Pro/Max 可选，同意则保留 5 年，不同意 30 天）[3]、Google（Keep Activity 成人默认开）[6]、GitHub Copilot 个人版（2026-04-24 起默认训练，可 opt-out）[9]、LinkedIn（2025-11-03 起默认）[11] 均为 opt-out 模式；商业/API/企业档一律默认不训练。分界线是账号类型，不是厂商。
2. 回流数据已被显式"定价"：Meta Muse Spark 1.3 Contributor 档（0.10/0.20 每百万 token）对标准档（1.25/4.25）折价约 92%/95%，代价是 Meta 保留训练权 [30]；OpenAI API 以每日免费 token（最高 100 万/1000 万）换流量 [2]；Anthropic Development Partner Program 以组织为单位共享 Claude Code 会话，保留至多 2 年 [5]。
3. 编码 agent 轨迹是回流中价值最高、最敏感的一类：Claude Code 消费档会话适用同一训练开关，商业档默认不训练，/feedback 转录保留 5 年 [3]；Cursor 以 Privacy Mode 为分界 [16]。
4. 回流数据在管线里的位置是后训练与评测，不是预训练；各厂商均未披露占比。ChatGPT 周活 9 亿（OpenAI 2026-02-27 公司口径）[27]，是全球最大的单一回流入口。与 robotics 专栏相比，本层数据是产品副产物、边际成本近零，真正成本在合规与用户信任，而非采集硬件。
5. 合规是硬约束但执法碎片化：意大利 Garante 2024-12 对 OpenAI 罚 1500 万欧元 [33]；爱尔兰 DPC 2025-05 放行 Meta 的 EU 公开帖训练 [22]；中国《生成式人工智能服务管理暂行办法》要求训练数据合法并限制留存可识别输入记录 [35]。

生产方式

回流数据不是"采集"而是"产品副产物"。流水线：产品交互 → 日志留存 → 同意/opt-out 过滤 → 去标识化 → 抽样/人审 → 进入 SFT/偏好/RL 数据池。

吞吐与单位成本：未查到任何厂商公开"每条回流数据单位成本"。回流的边际成本约等于存储与过滤，真实成本在合规与信任。

各产品的训练数据政策表

区分 API/商业档与消费者产品。公司口径除非注明；⚠️ 为二手或未核。

美国与全球

中国

微信/企业微信采用本地存储架构且无训练声明，聊天数据对外部模型方基本不可得；腾讯自身是否用于训练未查到。

其他回流入口

• Reddit：社区内容授权给 Google（报道约 6000 万美元/年，媒体口径）与 OpenAI（金额未披露）均非 Reddit 披露 [14]；Reddit 2025-06 起诉 Anthropic，理由是合同/ToS 而非版权 [15]。详见 Reddit。
• Meta 公开帖训练：DPC 2025-05-21 表示 Meta 已作出足够调整，不阻止启动，并要求 10 月提交保障措施有效性报告；Cologne 高等法院 2025-05-23 驳回 Verbraucherzentrale NRW 的禁令申请；noyb 2025-05-14 发函主张应 opt-in；2024-06 曾因 noyb 11 起投诉暂停 [22][23]。
• Meta AI App Discover feed 曾把部分私聊误公开（媒体口径，时间未确认）。
• 汇总卡见 对话数据训练政策。

应用方式

回流数据在训练管线里的主要位置是后训练与评测；厂商从不披露占比，任何"占比"均标未查到。

规模、成本与价格

用户与消息量

数据换价格

Arena 商业化

• 融资：2025-05 种子轮 1 亿美元、估值 6 亿美元；2026-01 A 轮 1.5 亿美元、投后估值 17 亿美元（Felicis、UC Investments 领投），累计约 2.5 亿美元（公司口径经 TechCrunch）[29]。
• 收入：2025-09 推出 AI Evaluations，2025-12 年化 3000 万美元（公司称 "consumption rate"），模式是企业/模型实验室付费请社区做评测，而非卖投票数据。
• ⚠️ 另有二手稿称 Series B 2 亿美元、估值 31 亿美元、年化收入破 1 亿美元，无第二来源，不采信。
• 数据授权：未查到 Arena 向模型方出售投票数据的报道；公开数据集以 CC-BY-4.0 发布。

社交平台授权价

• Reddit：Google 约 6000 万美元/年（媒体估算）、OpenAI 金额未披露 [14]；"other revenue"：Q4 2025 3600 万美元（+8%）、Q2 2026 4300 万美元（+24%）；FY2025 约 1.4 亿美元（二手）；10-K 见 [37]。Google/OpenAI 合约 2027 到期，正谈 dynamic pricing，Wells Fargo 看多情景合计 5.5 亿美元（分析师情景，非事实）。
• X：开发者协议禁训练与隐私政策允许合作方训练并存 [8]。

局限与争议

1. 默认值与同意方式：Anthropic 的 Accept 大按钮与小开关设计被批评为诱导；Copilot opt-out 被指 "opt out is not consent"；Slack 2024 因措辞引发舆论后改写原则；LinkedIn 2024-09 在英国因 ICO 压力暂停，2025-11 重启，404 Media 称曾先训练后更新条款（媒体口径）。
2. opt-out 不追溯：Anthropic、LinkedIn 均称退出仅对未来数据生效，已用数据不撤回。
3. 保留期放大风险：Anthropic 消费档同意训练则保留 5 年；Google 人审对话 3 年；/feedback 转录 5 年；问卷转录至多 6 个月。保留期与训练开关捆绑，无独立选项（媒体口径）。
4. 诉讼致被动留存：NYT v. OpenAI / Microsoft 中 Magistrate Judge Ona Wang 2025-05-13 令 OpenAI 保留并隔离全部将被删除的输出日志，含 API 与已删除对话 [34]；该面向未来的保留义务已于 2025-09-26 终止（终止令 2025-10-09），仅保留已存日志与新闻方点名账户日志；另 2026-01-05 Stein 法官维持令交出 2,000 万条去标识化对话日志样本的命令。
5. 监管：Garante 2024-12-20 对 OpenAI 罚 1500 万欧元（训练缺法律基础、透明度、年龄验证），OpenAI 称"近 20 倍于其意大利收入"并上诉，结果未查到 [33]；DPC 对 X 开启新调查（2025-04），前一轮 2024 以 X 承诺停止并删除数据集收场，未查到处罚；noyb 对 Meta 的集体诉讼进展未查到；Hamburg 监管曾撤回"LLM 本身不是个人数据"的立场表述（会议中，媒体口径）。欧盟总体框架见 EU AI Act 通用模型训练数据摘要与行为准则。
6. 中国：《生成式人工智能服务管理暂行办法》2023-08-15 施行；第 11 条禁止收集非必要个人信息、非法留存可识别使用者身份的输入与使用记录、非法向他人提供；第 19 条要求按监管要求说明训练数据来源、规模、类型、标注规则；第 7 条训练数据合法性与个人信息同意要求的正式版逐字 ⚠️ 未核（检索到的是征求意见稿措辞）[35]。《个人信息保护法》敏感个人信息单独同意要求在 AI 对话场景的适用，未检索；《生成式人工智能服务安全基本要求》国标内容未核到。
7. 排行榜污染：Llama 4 Arena 提交版 vs 发布版、27 私有变体、数据份额不均 [25]。LMArena 对该分析有异议，具体回应未查到。
8. 合成用户的偏置：UserLM 基于 WildChat 单一数据源，WildChat 是自愿提供对话的用户子集，代表性有限（推断，论文限制节未核）。
9. 平台二次授权矛盾：X 禁他人训练但自留 Grok；Slack 禁第三方 LLM 训练同时给自家和合作方（有媒体称 2026-06 向 Anthropic 开放，⚠️ 未证实）。

口径冲突与未核实

来源

1. OpenAI 数据使用政策：https://openai.com/policies/how-your-data-is-used-to-improve-model-performance/ ；https://help.openai.com/en/articles/5722486
2. OpenAI 数据共享：https://help.openai.com/en/articles/10306912 ；https://community.openai.com/t/good-news-extended-free-tokens-on-traffic-shared-with-openai/1241322
3. Anthropic Claude Code Data usage：https://code.claude.com/docs/en/data-usage
4. Anthropic 官方公告：https://www.anthropic.com/news/updates-to-our-consumer-terms ；Bitdefender（Anthropic 政策时间线，二手，截止日写 09-28 与官方不符）：https://www.bitdefender.com/en-us/blog/hotforsecurity/anthropic-shifts-privacy-stance-lets-users-share-data-for-ai-training
5. Anthropic Development Partner Program：https://support.claude.com/en/articles/11174108-about-the-development-partner-program
6. Google Gemini 帮助：https://support.google.com/gemini/answer/13594961
7. Gemini API pricing：https://ai.google.dev/gemini-api/docs/pricing
8. The Register（X 训练数据，二手）：https://www.theregister.com/2024/10/18/x_train_data/ ；Anonyome（⚠️）：https://anonyome.com/?p=9998
9. GitHub 官方博文：https://github.blog/news-insights/product-news/updates-to-github-copilot-interaction-data-usage-policy/ ；The New Stack（Copilot，二手）：https://thenewstack.io/github-copilot-interaction-data/
10. heise（Copilot，二手）：https://www.heise.de/-11226787
11. LinkedIn（二手）：https://legaltechnology.com/linkedin-suspends-opt-out-ai-model-training-for-uk-following-ico-concerns/ ；https://nordvpn.com/blog/linkedin-ai-data-training/
12. Slack 隐私原则：https://slack.com/trust/data-management/privacy-principles
13. Hunton（Slack API 条款）：https://www.hunton.com/insights/legal/salesforce-locks-down-slack-data-time-to-review-your-slack-api-terms
14. Motley Fool（Reddit 授权，媒体）：https://www.fool.com/investing/2026/08/17/reddits-data-revenue-openai-google-buyers/
15. TechCrunch（Reddit 起诉 Anthropic）：https://techcrunch.com/2025/06/04/reddit-sues-anthropic-for-allegedly-not-paying-for-training-data/
16. Cursor 隐私：https://cursor.com/help/security-and-privacy/privacy
17. Constellation Research（Codex 周活，媒体）：https://constellationr.com/insights/news/openai-touts-broadening-codex-usage-5-million-weekly-active-users
18. 豆包隐私政策转载（媒体）：https://www.woshipm.com/ai/6168120.html
19. Kimi API 数据安全：https://www.kimi.com/help/kimi-api/api-data-security
20. Ropes & Gray（DeepSeek）：https://ropesgray.com/en/insights/alerts/2025/01/deepseek-legal-considerations-for-enterprise-users
21. 腾讯/微信（媒体）：https://technode.com/2018/01/02/wechat-denies-reading-users-private-messages-train-ai/ ；https://wallstreetcn.com/articles/3772157
22. The Register（DPC 与 Meta）：https://www.theregister.com/2025/05/22/irish_data_protection_commission_gives/
23. Taylor Wessing（Cologne 判决）：https://www.taylorwessing.com/en/insights-and-events/insights/2025/05/meta-vs-verbraucherzentrale-nrw
24. eMarketer（Meta AI 对话个性化，媒体）：https://www.emarketer.com/content/meta-ai-conversations-personalize-ads-raising-privacy-questions
25. The Leaderboard Illusion（arXiv，作者含 Cohere/Stanford/Princeton/Ai2）：https://arxiv.org/abs/2504.20879v2
26. UserLM-8b：https://arxiv.org/pdf/2510.06552 ；https://huggingface.co/microsoft/UserLM-8b
27. TechCrunch（ChatGPT 9 亿周活）：https://techcrunch.com/2026/02/27/chatgpt-reaches-900m-weekly-active-users
28. Simon Willison（Claude Code 营收）：https://simonwillison.net/2026/Feb/12/anthropic/
29. TechCrunch（Arena 融资与规模）：https://techcrunch.com/2026/01/06/lmarena-lands-1-7b-valuation-four-months-after-launching-its-product/
30. Tom Tunguz（Muse 定价，2026-09-03）：https://tomtunguz.com/the-ads-model-reimagines-ai-apis/
31. CryptoBriefing（Muse 折扣数据共享，媒体）：https://cryptobriefing.com/meta-muse-spark-discounted-data-sharing/
32. OpenRouter Muse Contributor：https://openrouter.ai/meta/muse-spark-1.3-contributor-20260902
33. Lewis Silkin（Garante 罚款）：https://lewissilkin.com/insights/2025/01/14/openai-faces-15-million-fine-as-the-italian-garante-strikes-again-102jtqc
34. Simon Willison（NYT 日志保留令）：https://simonwillison.net/2025/Jun/5/openai-court-order/
35. 生成式人工智能服务管理暂行办法（译本）：https://www.chinalawtranslate.com/?p=19578
36. arena-human-preference-140k：https://huggingface.co/datasets/lmarena-ai/arena-human-preference-140k
37. Reddit FY2025 10-K：https://www.sec.gov/Archives/edgar/data/1713445/000171344526000022/rddt-20251231.htm