在2024年，Reddit这一老牌社交平台焕发了新生。自三月成功登陆纽约证券交易所后，它不仅在第三季度实现了首次盈利，其股价更是飙升，达到了上市首日开盘价的350%左右。这一切辉煌成就的背后，有一个共同的推动者——人工智能（AI）。
Reddit之所以能够成为AI时代的宠儿，关键在于其平台上丰富的内容资源。这些内容，对于进一步发展和优化AI大模型技术而言，是不可或缺的语料库。去年二月，Reddit与谷歌达成了一项价值约每年6000万美元的协议，允许谷歌使用Reddit的内容来训练其人工智能模型。Reddit对此表示：“我们坚信，平台不断增长的数据将成为领先大型语言模型（LLM）培训的关键要素，同时也将为Reddit开辟新的盈利渠道。”
紧接着，在上市后的五月，Reddit又与OpenAI建立了类似的合作关系。Reddit的问答内容将被整合进OpenAI的产品中，同时，Reddit平台的编辑功能和附加模组也将引入由OpenAI技术驱动的AI功能。这一合作是双向的，OpenAI为Reddit提供技术支持，而Reddit则为OpenAI提供宝贵的语料。
那么，在众多UGC（用户生成内容）社交平台中，为何Reddit能够脱颖而出，成为AI大模型厂商青睐的语料供应商呢？这主要得益于其独特的业务生态、内容模式以及发展阶段。
从业务生态上看，Reddit是一个相对独立的平台，其背后由多个利益集团及个人控股，没有像国内某些社交平台那样拥有庞大的产品生态和产业链。因此，Reddit无需顾及自身的生态组合，可以将语料作为合作时的筹码进行交易。
在内容模式上，Reddit通过subReddit（子论坛）来组织内容，用户可以自由地创建和加入不同的子论坛，发帖和评论。用户还可以对帖子和评论进行“点赞”或“点踩”，被点赞的内容会获得更多曝光机会，而被点踩的内容则可能被折叠或隐藏。这种机制形成了良好的语料产出正向循环，与知乎、豆瓣等平台类似。
至于发展阶段，Reddit在创立近二十年后才开始盈利，收入结构相对单一，主要依赖平台广告。然而，在AI大模型时代，这却为Reddit提供了业务拓展和盈利的新机遇。
以Reddit为模板，我们来分析一下国内具有较多文字语料且业务较为独立的UGC平台，如B站、小红书、微博、豆瓣、知乎和贴吧。在这些平台中，谁最有可能成为AI时代的中国Reddit呢？
然而，并不是所有UGC社交平台的业务模式都适合出售语料。像微信生态内的公众号和小绿书等内容渠道，由于其母公司腾讯拥有强大的产品生态和产业链，可能会将语料作为自己在AI时代的隐藏杀手锏之一，而不会轻易出售。
相比之下，那些相对独立的C端社交平台产品，尤其是以文字类内容为主的平台，如B站、小红书、微博、豆瓣、知乎和贴吧等，都有机会在AI时代像Reddit一样焕发新生。但关键在于，这些平台如何判定自己的语料是否更好、更适合AI厂商的需求。
用户自发的内容判定机制是首要因素。以Reddit为例，用户可以对帖子和评论进行“点赞”或“点踩”，这相当于AI训练阶段的人工“数据标注”工作。同时，平台自身的内容判定机制也很重要，可以看作是大模型发展向人类看齐的“超级对齐”方式。平台用户画像与AI的适配度也是关键因素之一。用户画像更多元、年龄、性别、地理位置、受教育程度等各个维度更均衡、粘性更高的平台，其语料往往更好。
基于以上分析模板，我们可以对B站、小红书、微博、豆瓣、知乎等平台在内容判定机制、内容质量和用户画像等方面的表现进行更加细致的研究。初步猜测，如果想要训练一款面向相对较年轻群体（消费主力军）的AGI，B站、小红书和微博在这三方面得分率较高，因此进入下一轮筛选。
然而，在厂商眼中适合的目标，却不一定愿意出售语料。B站、小红书和微博中，最不想卖的可能是小红书。这是因为小红书目前正处于商业化探索上升期，其生态增长有内容和交易双维度数据支撑，且财务状况良好，在2023年首次实现盈利。小红书自己也在平台内测试多个AI功能，更倾向于成为AI时代的甲方。
相比之下，B站和微博则更适合与AI大模型厂商达成Reddit模式的合作。B站已经与kimi有较为深度的合作，且内容储备量及质量较高，长视频内容适合转化成文字，同时拥有大量观点性思考和粘性较高的社区氛围。然而，将平台内容用于与AI大模型厂商合作之前，需要先解决用户协议问题，即让用户接受自己的评论、视频、文字等内容用于AI训练。
微博则与B站的发展阶段相似，已经趋于稳定。其用户定位和使用场景清晰，用户规模在高强度的注意力竞争中保持稳定。而且，微博用户对于自己的内容被用来生成AI内容似乎并不排斥，甚至微博的评论机器人“罗伯特”已经成为提升用户粘性的手段之一。因此，微博可能是缺乏语料库的大模型厂商寻找活人多的社交平台作为语料供应商的一个不错选项。
在AI训练即将进入语料比拼阶段的2025年，社交平台用户风格将如何影响AI大模型的训练，是一个值得关注的问题。美国大模型圈的一些案例已经让我们感受到了这种影响。例如，OpenAI曾因在肯尼亚有外包公司为其提供数据标注服务而引发争议；谷歌Gemini大模型生成图像避免白人内容的事件也曾引起轩然大波。这些案例都表明，社交平台作为语料供应商，其用户风格将极大地影响所训练的AI的“性格”。
