Bright Data Ariel Schulman：互聯網不再天然可信，AI需要新的數據底座丨數據猿專訪

新加坡濱海灣金沙酒店，被一股席卷全球的AI熱潮點燃。作為亞太地區最具影響力的AI盛會之一，SuperAI在短短幾天內吸引了來自150多個國家的上萬名創新者、1500余家科技企業齊聚于此。不僅有Balaji Srinivasan、麻省理工學院教授Max Tegmark、著名分析師Benedict Evans的思想交鋒，更體現在長達36小時的NEXT黑客松，以及懸賞高達230萬美元資本的Genesis創業大賽。關于大模型、Agent和AI應用落地的討論幾乎占據了每一個會場。

然而，一個鮮少被擺上臺面的現實正在成為行業新的瓶頸：AI變得越來越聰明，但它獲取真實世界信息的能力，卻沒有同步進化，甚至有些走向負面。

在實驗室環境中表現出色的Agent，一旦進入真實互聯網，隨著訪問規模擴大，往往會遭遇性能斷崖式下滑。問題往往不出在模型本身，而是互聯網平臺正在建立越來越復雜的防御體系：從反爬機制、動態驗證，到針對Agent訪問返回誤導性內容，公開網絡正在從“開放的數據源”逐漸演變為“互聯網對AI的信息抵抗”。

在本屆大會上，全球公開數據基礎設施廠商Bright Data（亮數據）首席產品官Ariel Schulman在主旨演講中直言道：“The web learned to lie.”。當整個行業的目光都聚焦于模型參數、算力規模和推理能力時，Ariel認為，一個更基礎的問題正在被忽視：如何讓Agent安全、實時且持續地連接互聯網，并獲得可信的數據供給。

Bright Data CPO Ariel Schulman在SuperAI演講，來源：SuperAI

會后，數據猿記者現場對Ariel Schulman進行了專訪。在他看來，互聯網不僅開始主動欺騙AI，動態數據的保鮮期也被壓縮到以小時甚至分鐘計算；同時日益復雜的合規要求和不斷增加的法律風險，正在推高企業獲取公開數據的門檻。如果無法建立真實、穩定且合規的數據管道，再龐大的模型、再聰明的代理，都可能因為“斷糧”或“數據中毒”而失去價值。圍繞“真實數據供給權”的新一輪競爭，正在悄然展開。

當互聯網學會了故意撒謊

AI將會怎樣

1982年上映的經典科幻電影《銀翼殺手（Blade Runner）》中，Tyrell Corporation（泰瑞公司）打造出外形、邏輯無限趨近人類的復制人（Bot），單憑外表根本無法分辨，必須依靠Voight-Kampff test（沃伊特-坎普夫測試），通過觀察細微的情緒波動和行為反饋，判斷對方究竟是真人還是機器。

電影：銀翼殺手（Blade Runner），來源：thegallery.gr

四十多年后，類似場景在互聯網上演。各大平臺化身為“測試員”，它們不止簡單地封鎖IP，而是開始主動識別訪問者背后究竟是人類用戶還是AI Agent。

一旦被判定為Agent，等待它的未必是一道拒絕訪問的提示，而可能交給AI的是一個精心構建的“虛假世界”。在這個世界里，商品價格是假的、庫存信息是假的、頁面內容可能經過特殊處理，甚至連搜索結果都可能帶有誤導性。Agent看似成功獲取了數據，實際上卻正在被投喂錯誤的信息。

對此，Ariel Schulman在SuperAI演講中拋出了一個頗具沖擊力的判斷：

“The web has learned to lie.”——互聯網學會了撒謊。

在他看來，隨著大模型訓練和AI Agent帶來的自動化流量持續增長，互聯網與AI之間的關系已經從過去的“封鎖與突破”，演變為一場更為復雜的攻防博弈。過去，網站主要依賴驗證碼、訪問頻率限制和IP封禁等手段進行防御；而今天，我們看到更高級的防御策略：包括用于誘導機器訪問的Honeypot（蜜罐）系統，以及面向AI Agent的自洽欺騙機制。

Honeypot（蜜罐）系統，來源：Bright Data

對于人類用戶而言，這些內容幾乎不會造成影響；但對于依賴網絡數據進行推理和決策的Agent來說，錯誤信息一旦進入工作流，后續所有分析、判斷乃至行動都可能建立在錯誤的基礎之上。

這種針對AI的“數據投毒”正在從個別現象演變為常態。Ariel舉例稱，一位借助Vibe Coding開發應用的非技術背景CEO，在調用酒店價格數據時，AI Agent返回的是“399美元、庫存告急”的結果；而真實頁面顯示的價格僅為199美元，且房源供應充足。

這種針對AI代理的定向欺騙，在工程層面上導致了一個極其致命的后果：Garbage in, Garbage out（垃圾進，垃圾出）。一旦大模型接收的是被精準投毒的數據，其后續推理、分析乃至商業決策，都將建立在錯誤的基礎之上。

Ariel說道，更危險的地方在于，AI代理在遭遇欺騙時表現出的行為邏輯與人類截然不同。人類具有根植于復雜經驗的直覺與情感，當一個人看到某個酒店的價格在兩分鐘內莫名翻倍、或者某個機票平臺的庫存展示極度違背常識時，直覺會促使人類產生懷疑，并去其他平臺進行交叉比對和驗證。

但AI代理則沒有這種基于情感的剎車機制。在現有的確定性系統邏輯下，代理只會忠實地執行代碼指令，在系統的運行日志中默默記錄下接收到的錯誤價格，然后自動化地更新數據庫中數萬條關聯記錄，甚至直接觸發自動化營銷系統，向數萬名真實客戶發送帶有荒謬調價信息的電子郵件。

當Agent開始深度參與企業運營后，數據質量問題也不再只是技術問題，而會直接演變為商業風險。對于AI而言，最大的威脅已經不再是無法獲取數據，而是獲取到看似真實、實則錯誤的數據。

破解謊言、時效與合規之困：

AI數據基建的三道必答題

Ariel Schulman所在的Bright Data成立于2014年，總部位于以色列，是全球公開網絡數據基礎設施領域的重要玩家。在AI時代，它所解決的問題并不是如何訓練模型，而是如何讓模型持續接觸真實世界。

SuperAI上的Bright Data展臺，來源：數據猿現場拍攝

與傳統爬蟲公司不同，Bright Data更像是一套面向AI的“數據供給系統”。其技術棧負責幫助大模型、AI Agent及企業應用穩定、合規地連接互聯網，并獲取實時更新的公開數據。隨著多模態模型興起，其能力也擴展至視頻、圖片等內容的提取與處理。

作為AI生態背后的“數據管道”，Bright Data當前每天支撐超過1億次AI Agent交互，為全球超過2萬家組織提供公開數據服務，客戶覆蓋《財富》500強企業、頂尖高校以及高速成長的科技公司。據Bright Data Blog披露，全球20家頭部大模型實驗室中，已有14家使用Bright Data提供的數據基礎設施。

面對互聯網主動向AI“撒謊”的趨勢，Bright Data的解法并非暴力破解式的攻防，而是讓AI盡可能表現得像真人用戶。Ariel對數據猿表示，Bright Data會在云端運行真實瀏覽器環境，通過模擬正常用戶的瀏覽、點擊和交互行為訪問網站，從而獲得與真人用戶一致的頁面反饋和數據結果?！叭绻隳軌蛳裾嫒艘粯釉L問互聯網，你獲得的也將是真人看到的互聯網。”

這背后依托的是覆蓋全球195個國家和地區、超過1.5億個合規住宅IP組成的網絡。借助這套基礎設施，Bright Data每天能夠從公開互聯網中合規獲取超過2.5PB數據，為大模型訓練、AI Agent以及企業應用持續提供真實的數據供給。

遍布全球195個國家的IP地址，來源：Bright Data網站

如果說真實性決定了AI是否會被誤導，那么時效性則體現在AI是否還有價值。在Ariel看來，高質量數據與數據時效性并非兩個獨立概念，而是一個硬幣的兩面。“過時的數據，本質上就不是高質量數據?！彼嬖V數據猿。

以電商客服或物流助手為例，如果AI調用的仍是上個月的價格、庫存或配送信息，即便數據本身完全真實，也無法支撐當下的業務決策。“你可以獲取到數據，但必須確保它始終保持最新，才能真正對AI有用?！?/p>

根據Bright Data統計的公開數據衰減圖譜，社交媒體熱度、電商價格以及商品庫存等高頻變化信息，其有效生命周期通常只有數小時到一天。一旦超出這一時間窗口，數據價值便會快速衰減。

不同類型數據的失效期，來源：Bright Data

Ariel舉例稱，一個幫助用戶進行全球比價的AI Agent，如果依賴的是12小時前的價格、庫存數據，最終可能向用戶推薦一件已經漲價甚至售罄的商品。當用戶進入結算頁面時，看到的現實價格與Agent給出的結果完全不同。對于用戶而言，這不僅是一次不良體驗，更會直接削弱其對AI系統的信任。

隨著Agent開始深度參與搜索、采購、客服和運營等業務流程，數據競爭正在從“能否獲取”轉向“能否實時獲取”。相比擴大模型參數規模，如何持續獲取真實且實時的數據，正成為AI落地過程中更具挑戰性的問題。

如果說真實性和時效性決定了數據是否可用，那么合規性則意味著數據業務能否長期運營。隨著大模型和AI Agent對數據需求持續增長，行業對于公開數據采集的討論也逐漸從技術問題轉向法律問題，過去幾年，圍繞數據獲取邊界、平臺權利以及公開數據歸屬的爭議不斷升溫，而合規能力也正在成為AI基礎設施廠商的核心競爭力之一。

針對這一問題，Ariel向數據猿記者介紹了Bright Data長期堅持的一項原則：只處理公開網絡數據（Public Web Data）。也就是說，Bright Data在底層被嚴格限定為只采集所有人均能直接訪問的、無需登錄賬戶、無需付費訂閱等條件。如果涉及個人賬戶信息、企業內部系統數據、銀行賬戶信息等非公開內容，系統則不會進行采集。

這一原則也與Bright Data近年來經歷的法律訴訟密切相關。Ariel提到，公司曾先后與Meta和X圍繞公開網絡數據采集問題展開長期法律交鋒，相關案件最終均以有利于Bright Data的裁決告終。

Meta指控Bright Data一案相關判決書，來源：courtlistener.com

2024年，加州聯邦法院的最終裁決確立了一個對整個AI行業至關重要的法律先例：即采集物理世界公開可用的網絡信息是完全合法的，任何商業巨頭都不能通過技術壟斷將公共數字領域的公開數據據為己有。

在不少業內人士看來，這些判例的意義已經超越單一企業的訴訟結果。當AI對公開數據需求持續增長，上述裁決將為AI企業獲取公開數據提供更為明確的合規框架。

MCP只是起點，數據服務比拼的是規?；凸こ绦?/h5>

解決了數據真實性、時效性和合規性問題之后，擺在AI工程師面前的下一個難題，是如何讓Agent高效連接外部工具和數據服務。過去一年，由Anthropic提出的MCP（Model Context Protocol，模型上下文協議）迅速成為行業熱點。隨著越來越多模型廠商和開發平臺加入支持陣營，MCP正在成為Agent生態中的重要連接層。

Ariel告訴數據猿，Bright Data大約在一年前發布了MCP服務器。它本質上是連接Bright Data數據服務與AI Agent的橋梁：能夠向Agent說明有哪些工具可用、每個工具能夠完成什么任務，以及應該如何調用。

他舉例說，當AI Agent提出“我需要Google搜索”時，MCP服務器可以告訴Agent，Bright Data提供了SERP工具，并返回對應的參數和調用方式，從而幫助Agent自主完成任務編排。

在Ariel看來，MCP最大的價值在于降低Agent調用外部工具的門檻。在原型驗證（Prototype）和概念驗證（PoC）階段，開發者可以先讓AI Agent理解數據獲取邏輯，并快速調用各類外部能力，從而顯著縮短產品探索周期。

Bright Data打造的數據基礎設施與上下層的關系，來源：Bright Data

不過，Ariel也指出了MCP在規模化場景中的局限性。他舉例說，如果要構建一個查詢商品價格的智能代理，要處理上百萬件商品時，通過MCP處理會明顯變慢。隨著請求量從萬級擴大到百萬甚至千萬級，中間的調用環節不斷疊加，最終會轉化為更高的延遲和更大的花費。

Ariel總結了一套典型路徑：

1.在項目早期，利用MCP快速驗證業務邏輯，讓Agent自主探索工具鏈并找到可行方案，例如發現調用數據的API；

2.到了生產階段，逐步切換至原生API（Direct API）等更直接的數據調用方式，以獲得更高的性能和可擴展性，最終停用MCP。

換言之，MCP幫助開發者“找到路”，而原生API則負責把這條路修成高速公路。隨著Agent開始從Demo走向生產環境，行業關注的重點也從“能不能實現”轉向“能否規?；\行”。工程效率最終將成為決定產品成敗的關鍵因素。

而這種對工程效率和規?；芰Φ淖非螅粌H體現在對外數據服務上，也深刻影響著這家數據基礎設施公司自身的組織方式。作為數據基礎設施提供商，Bright Data每天需要處理海量數據請求，并持續應對互聯網環境的變化。這種業務特性決定其競爭力不僅來自技術本身，也來自持續迭代和快速交付能力。

Ariel告訴數據猿，Bright Data 僅憑大約500名員工的精簡團隊，就撬動了數億美元的營收，且自2017年以來持續保持盈利。在他看來，企業的發展并不完全取決于資金投入，更重要的是能否建立一套高效的工程體系。

“我們有一套非常獨特的工作方式。”Ariel表示。例如，只要符合規范工程師就可以直接向生產環境推送代碼；新功能上線后，系統會先向約1%的用戶開放，并通過自動化監測持續評估性能表現。如果運行穩定，再逐步擴大至5%、10%，直至全量發布。

這種持續交付機制使Bright Data能夠保持極高的迭代頻率。Ariel透露，公司平均每天會進行約60次軟件發布。在他看來，數據基礎設施本質上是一場長期的工程競賽。真正的競爭優勢，不在于Token規?；蛉谫Y能力，而在于能否建立一套持續優化、快速響應的工程體系。

從“Bright Data”到“亮數據”：

全球數據服務的中國實踐

無論技術架構如何演進，基礎設施的價值最終都要落到具體市場和產業生態之中。對于數據服務行業而言，這不僅意味著技術輸出，更意味著長期的本地化運營。在部分跨國企業收縮在華業務的背景下，Bright Data選擇了另一條路徑：以“亮數據”為品牌，持續加碼中國市場，希望將其全球數據基礎設施能力與本土AI產業需求進一步結合。

亮數據網址：bright.cn，來源：亮數據

在專訪中，Ariel特別強調了Bright Data對中國市場的定位。他表示，公司并未將中國視為一個單純的海外銷售市場，而是保持著“非常強的本地存在感（very strong presence in China）”?！拔覀冊谥袊鴵碛蟹€定的業務布局，也有優秀的工程師團隊，并與本地員工保持緊密協作?！彼f。

為支撐本地化運營，亮數據已在北京、上海和深圳分別建立辦公室，并配置了研發、技術支持和客戶服務團隊。從公開招聘信息來看，其中國團隊涵蓋了解決方案架構師、客戶成功經理、資深銷售經理等多個崗位，覆蓋從技術咨詢到長期客戶運營的完整鏈條。

這意味著，對于國內AI企業而言，獲得的不僅是一項全球化的數據服務能力，也是一套能夠提供本地支持的服務體系。無論是復雜的數據采集需求、網絡調度問題，還是生產環境中的技術故障，都能夠通過本地團隊獲得更及時的響應和支持。

除了自建團隊，亮數據也在持續拓展中國本地合作生態。2026年4月，該公司與數據交易網達成合作，將其公開數據能力引入國內市場。相關數據集支持按天、周、月等不同周期更新，幫助企業降低數據獲取和維護成本。

此外，亮數據還與DuoPlus云手機展開合作，面向跨境出海場景探索數據服務與云端設備能力的結合；在開發者生態層面，則聯合DataFun等技術社區舉辦系列技術活動，由中國區技術團隊分享MCP協議、Agent工具調用以及數據基礎設施建設等實踐經驗。

Bright Data報告中文版，來源：亮數據

這種深度的本土合作，也讓亮數據在中國的實踐超越了單純的市場拓展，逐步融入本地AI生態。在Ariel看來，如果面向全球市場，中國公司和其他地區公司沒有區別，同樣需要全球數據訓練模型；但一旦聚焦本土市場，對本地化需求就會急劇上升。

Ariel透露，針對各國本地零售商的數據采集需求，該公司的AI Agent能夠自動生成定制化抓取方案，從海量公開數據中提取多語言、多模態的結構化內容，直接服務于市場分析、競爭監測等本地化商業決策。

過去兩年，Bright Data亞太AI客戶群每年以兩倍速度增長，目前已占公司全球AI客戶群近三分之一，區域AI支出占全球超過20%；其中，中國和印度AI客戶群合計占亞太區域約60%。這種區域性的多點布局，使得Bright Data能夠為從日本到東南亞、從印度到中國的各類企業提供更具針對性的本地數據服務。

下一代數據基礎設施競爭已悄然展開

Ariel在專訪最后談到了他對AI產業下一階段的判斷。在他看來，未來每家公司都將擁有自己的AI Agent，這將帶來數據訪問需求的指數級增長。過去，一個分析師可能只需要瀏覽幾個網頁就能完成調研；未來，僅一個Agent為了生成更全面的答案，可能就會同時訪問數十甚至上百個網站。這意味著，“將有海量的數據需要處理”，數據基礎設施或將產生新的重構。

Ariel Schulman提到Bright Data的愿景，來源：SuperAI

當行業的關注點仍聚焦于模型參數、推理能力和算力投入時，另一場更底層的競爭已經悄然展開。隨著越來越多Agent接入互聯網并自主完成任務，數據不再只是訓練階段的燃料，而成為支撐其持續運行的實時供給系統。真實性決定Agent能否獲得正確認知，時效性決定其決策是否有效，合規性決定這種能力能否長期存在，而工程體系則決定這一切能否在生產環境中規?；\行。

某種意義上，正如Airel所說，當互聯網學會“撒謊”，可信數據將成為Agent時代新的基礎設施。大模型下半場的競爭，正在從單純追求模型能力，轉向構建支撐Agent運行的數據能力。算法決定AI能夠思考什么，而數據基礎設施決定AI能夠獲取什么、理解什么，以及最終采取什么行動。

在這場競賽中，模型是大腦，Agent是執行者，而數據基礎設施則像連接數字世界與真實世界的神經網絡。當越來越多的AI Agent開始替人類訪問互聯網、理解世界并作出決策時，這種底層能力的重要性，也將被重新認識。