过去三年，我一直在观察大语言模型竞争重心的移动。2023年的卡点在算力芯片，手里有高端GPU就能抢占先机；2024到2025年，大家的注意力转到基础模型权重的规模与架构；到了2026年，真正的分水岭落在了人类在真实工作场景里交互留下的行为轨迹上。
这种数据和公网上抓取的静态网页语料不一样，和模型批量吐出来的合成文本也完全不同。它具备明确的物理属性：爬虫在公网上找不到，靠算法凭空也模拟不出来，只能在真实工作发生的具体现场里沉淀。
2026年8月14日，SpaceX完成了对Cursor母公司Anysphere的收购。整笔600亿美元交易全部采用股票支付，Anysphere股份折换为389,289,254股SpaceX Class A股票，此前分析过这笔交易的期权结构和 IPO 动机。这笔交易的伏笔埋得很早。2026年2月SpaceX合并xAI组建SpaceXAI，4月双方合作时就定好了退出机制：SpaceX要么花600亿美元整体买下，要么在合作告吹时支付15亿美元现金外加价值85亿美元的算力资源作为分手费。
两边手里的筹码刚好互补。
SpaceXAI在田纳西州孟菲斯建了拥有约20万块英伟达GPU的Colossus超级计算机集群，后续还规划扩建到100万块，关于xAI 的算力商品化及 Colossus 租用给 Anthropic/Cursor 的背景此前已有讨论。Colossus算力池极深，但缺少开发者在日常编码与排错过程中的连续交互记录。
Cursor的情况刚好反过来。作为主流智能编程工具，Cursor服务了超过5万家企业客户，覆盖了64%的财富500强企业，年化收入从2025年底的超过10亿美元一路涨到2026年6月的约40亿美元。但Cursor研究员Federico Cassano透露过，他们团队自有的GPU只有万级水平，推理基础设施长期托管在第三方的Fireworks上，依靠分布在全球的3到4个集群跑分布式rollout和推理服务。
Sarah Wang在Sarah Wang 在 X 上的分析中谈到过这种数据的特殊之处。Cursor手里既有写完的代码，更记录了优秀开发者在实际工作中构思、尝试、报错、纠偏的全程轨迹，参见此前的对 Cursor 认知领先的分析。
aiweekly.co 报道把这种结合看成一个飞轮：Cursor沉淀的会话数据喂给模型训练，练出来的新底座装回编辑器，吸引更多开发者写代码，产出更多微观数据。Fireworks 官方博客同样指出，掌握这种闭环循环正在成为AI系统竞争的关键壁垒。
这种互补很快在产品演进中得到体现。2026年7月，xAI与Cursor联合开发的1.5万亿参数模型Grok 4.5上线。根据 mightybot.ai 报道，训练过程消耗了数万亿Token的Cursor开发者交互数据。8月12日发布的Grok 4.6继续沿用这个1.5万亿参数底座。根据 develeap.com 的报道，4.6的性能提升主要来自后训练阶段，包括更长时间的补充训练、重新生成的微调数据和智能体强化学习，相关的基准测试数据收录在 vktr.com 测试对照里。
不过，这里有一个业内都在关注的归因问题：公开信息其实很难证明Grok 4.5和4.6的能力提升究竟有多少来自Cursor的交互数据。因为没有严格的对照实验，性能提升同样可以解释为Colossus集群堆叠算力长时间训练的结果。
即便如此，SpaceX的动作给出了一个明确信号。最顶级的开发者行为数据长在外部独立运营的成熟产品内部，买方想拿到这个数据入口，最直接的解法就是把整个产品连同它的飞轮完整买下来。
如果说Cursor代表了一个高速运转的在线飞轮，那么另一桩交易展示了停运公司的数字化存量同样具有清晰的资产价值。根据路透社2026年8月17日的Reuters 报道，在精神航空的破产重组程序中，谷歌出价1000万美元竞得了这家航空公司的数字化资产包。谷歌没要飞机，没要航线。它要的是另一件东西：一家中型航空公司在多年日常运营中沉淀下来的大规模工作记录。
翻开这份资产清单，里面几乎是一家现代企业的全部协作切片：约1亿封电子邮件、5亿条Teams即时消息、1708万份OneDrive文档、2058万份SharePoint协作文件，以及516个代码仓库里的约3000万行内部代码。清单里还包括日常运营日志、历史票价变动记录、人力资源档案、工单流转记录和各类业务工作流数据。谷歌公开声明这批数据会直接用于产品研发和AI模型训练。有意思的是，AI初创公司Mercor也参与了竞标，以750万美元出价成为备选竞标人，说明不同赛道的AI团队都在寻找真实企业环境里的工作流数据。
这笔交易目前还在等待2026年8月19日破产法院听证会的最终裁定。重组协议写得很严密，资产包在交付给买方前，必须由独立第三方完成去标识化处理，涉及律师执业特权保护的文件也排除在出售范围之外。
一家实体公司即使进入破产重组，它在日常运转中留下的数字痕迹依然能在法庭拍卖中卖出千万美元。海量真实且复杂的企业协同记录锁在一家停运实体的内部，破产程序成了买方把这些沉睡的工作记忆一次性打包买走的通道。
破产拍卖是一次性的存量挖掘，日常运营的软件厂商则在用另一种方式搭建持续的数据管网。企业协作软件服务商Atlassian在2026年8月17日正式生效了新的数据贡献政策，参见Atlassian 政策总览。这项政策明确收集旗下Jira、Confluence、Jira Service Management、平台应用以及部分Teamwork Graph连接器里的合格元数据与应用内数据，用来改进所有客户的产品功能和AI体验。
仔细看这项政策的设计，Atlassian把数据贡献的控制权直接和企业购买的软件套餐等级挂了钩，具体规定见套餐设置文档。在Free和Standard这两个基础套餐里，元数据贡献是强制项，客户无法关闭，应用内数据收集默认开启，但允许手动停用；到了Premium套餐，元数据依然无法关闭，应用内数据收集变成了默认关闭；只有买到Enterprise顶级套餐的企业客户，才拥有完全退出元数据共享的自主权。
为了配合政策落地，Atlassian在同一天更新了客户协议、AI服务条款、数据处理协定以及隐私政策。官方声明特别解释了处理机制：系统收集元数据和应用内数据时，会提取常见词组、关键词和业务主题，通过去标识化与聚合处理来保护隐私，并过滤掉可能直接定位到特定企业的低频特征。
数以万计的企业员工每天都在Jira和Confluence里协作推进项目。厂商通过调整服务协议条款，把客户日常使用软件的过程，顺理成章地转化成了模型持续迭代所需的输入源流。
此前观察DeepSeek的产品节奏时，我一直有一个疑问：他们在编程智能体上主要开源模型权重和提供API接口，把交互界面与执行环境交给了外部第三方工具，此前分析过 harness 作为行为数据入口的角色。
这种轻量模式在早期扩张时跑得极快，但也留下了明显的数据盲区。模型厂商在API后端只能接收到一次次孤立的输入和输出请求，完全看不到开发者在本地终端里如何逐步分解任务、在哪一步执行报错、改了多少轮代码才最终跑通。
缺少了这层精细的微观交互轨迹，模型在优化复杂多步任务时就像隔着一层毛玻璃。根据LangChain的测试数据，同一个基础模型在搭配专用harness与缺乏针对性配置的情况下，复杂任务的执行成功率能够拉开10到20个百分点的差距。DeepSeek近期开始在市场上招聘harness相关岗位，显然也是在补齐这个关键的前端触角。市场上如果没有合适的数据入口，或者无法通过商务协议拿到，团队就必须自己下场搭建完整的前端交互载体和执行环境，在自己用户的真实使用中沉淀专有的行为反馈。
把这四件事摆在一起看，获取有机工作数据的四种路径其实勾勒出了一个清晰的坐标系，分别坐落在数据来源与获取频次的两个维度上：
谷歌竞拍精神航空的数据，属于一次性的外部存量购买；Atlassian更新服务条款，属于持续性的外部增量沉淀；DeepSeek自建harness，依靠自有生态培育持续性的内部闭环；SpaceX收购Cursor，则是动用资本手段把外部成熟工具整体收归麾下，直接接管一个已经高速运转的数据飞轮。
把这几个案例连起来，可以看清行业竞争重心的实质迁移。大模型的竞争护城河正在从模型参数与算力规模，转向人类在真实工作中的行为数据。
这种数据具备很强的物理排他性。它没办法从公开互联网上爬取，也没办法脱离具体业务流程凭空生成，只能产生于真实工作的发生过程。
四种获取路径不是抽象的理论分类，各个团队其实是在根据数据所处的物理位置，选择阻力最小的获取通道：数据沉淀在外部独立产品里就发起资本并购，封存在破产组织里就参与司法竞拍，流动在日常企业协作中就调整服务条款，市场上没有现成载体就动手自建。
对于AI系统的建设者来说，规划数据资产已经不能只停留在简单的在后台开启日志记录。获取有机工作数据正在演变为一项横跨资本运作、协议设计、合规边界和产品工程的综合决策。
四条路径各自对应着明确的代价：全资收购能够迅速收编成熟的数据闭环，但需要付出巨大的估值溢价与组织整合成本；通过服务条款获取外部数据边际成本极低，却很容易引发企业客户对数据主权和隐私泄露的担忧；在破产程序中竞购存量数据能快速补充冷启动样本，但它是一次性的静态快照，缺乏后续的动态更新；自建harness能打磨出最契合模型优化的专属通道，却必须承受漫长的冷启动周期与独立打磨产品的市场风险。
在推进这些策略时，建设者还需要清醒审视三个目前尚未充分验证的现实边界。第一个边界是模型能力跃迁的真正归因。在Grok 4.5和Grok 4.6的评测提升中，Cursor开发者的交互数据与Colossus集群超大规模算力的长时间训练，各自贡献了多少比例，公开信息里完全无法分离。数据飞轮对大模型性能跃迁的实际推动力，客观上依然缺乏充分的对照实证。第二个边界是数据去标识化后的有效信号保留率。精神航空的资产包在交付前必须经过严格的第三方脱敏。抹去隐私和法律风险虽然保证了合规交付，但也可能打碎原始业务流中原本连贯的因果链条。这批数据最终能给模型训练沉淀下多少高质量信号，仍然需要打一个问号。第三个边界是服务条款在实际执行中的合规摩擦。Atlassian虽然在纸面上设计了差异化的套餐规则，但在实际业务中，企业客户是否能毫无阻碍地行使退出权，聚合脱敏方案能否经受住严苛的安全审计，依然需要更长时间的实战检验。
随着算法架构逐渐收敛，算力日益变成通用的基础设施，模型竞争的壁垒正在不可避免地向真实工作行为数据靠拢。这种数据唯一的源头就是工作现场本身。对于AI系统的建设者而言，谁能把自己的产品与智能体更深地扎进真实业务流，谁就能在下一阶段的角逐中掌握最关键的生产资料。