Delphi 对话 Grass 创始人：我们是 AI 时代的秘密数据供应商

By: foresightnews.pro|2026/10/21 08:43:01

设为Google首选来源

GRASS

Strong

「不管未来是什么样的 AI 系统，它都需要访问信息。」

整理编译：Foresight News

嘉宾： Andrej Radonjic，Wyn Labs 联合创始人兼 CEO、Grass 负责人

主持人： Delphi Digital

2026 年 10 月，Delphi Digital 播客采访了 Wyn Labs 联合创始人兼 CEO Andrej Radonjic。作为 Grass 项目的负责人，Andrej 详细阐述了 Grass 如何从一个共享带宽的小项目，成长为服务 OpenAI、Anthropic 等前沿 AI 实验室的秘密数据供应商。目前 Grass 网络已有数百万节点，累计向 AI 实验室交付了 10 亿 GB 级别的网页数据。这期对话中，Andrej 首次完整披露了 Grass 的业务结构、训练数据与推理数据两大市场、机器人视频数据的巨大机会，以及刚发布的 Live Context Retrieval 产品套件。

精彩观点

「从互联网的视角看，这就像普通用户在正常上网。但实际上，这是一个庞大的数据基础设施平台，在为 AI 前沿输送养料。」
「诚实地说，现在大部分为人类设计的互联网，AI agent 都很难访问到。网站默认策略就是直接封锁所有数据中心 IP。」
「现在训练数据和推理数据是两件事，但未来它们会合二为一。最终模型会像消防水管一样持续接收实时信息。」
「机器人公司最想要的，是让模型看上十亿个视频，自己学会怎么用工具、怎么做家务。」
「真正的护城河是：你每投入一块钱到基础设施里，创造的经济产出都比竞争对手多。」
「Grass 的最终愿景，就是成为 AI 访问信息的媒介。不管未来是什么样的 AI 系统，它都需要访问信息 ------ 而 Grass 就是那个管道。」

下文为播客对话的编译整理（内容有删减）：

Grass 不是 VPN，是 AI 的秘密数据供应商

主持人：先给我们的听众解释一下，Grass 到底是什么？你是怎么进入这个领域的？

Andrej： Grass 是一个由数百万节点组成的网络，用户自愿加入，共享自己的带宽，然后获得奖励。另一端，各种各样的数据基础设施就用这数百万用户的带宽，大规模地访问网页数据。

我是怎么进入这个领域的呢？说起来也挺随机的。我在加拿大上学，学的是工程物理，专业方向是核工程和光子学。毕业的时候，核工程的工作都在加拿大比较偏远的地方，我二十出头不想搬过去。然后我发现我在物理里学的很多技能可以在金融行业用，就做了几年金融，然后又回去读计算物理的博士。

疫情开始的时候，我在读应用数学博士，建模复杂的物理方程。疫情期间，我有了很多空闲时间，开始做各种奇怪的东西。其中一个是套利机器人 ------ 在不同网站上找价格差异做套利。这需要大量爬虫，我就这样掉进了网页爬虫这个领域。几年后我遇到了两个联合创始人，聊了聊各自的经历，都觉得这是一个很明显要做的事情，就一直做到了现在。

为什么 Agent 今天上网很难

主持人：你当时看到了什么别人没看到的东西？为什么决定做这个？

Andrej：最大的信号就是疫情。疫情期间大部分业务都搬到了线上，很多企业获得情报的方式 ------ 比如价格情报、甚至政府算 CPI------ 以前是派人拿着写字板去商店货架上抄价格。疫情期间，商店关门，大家都被迫在线上花钱。

网页基础设施变得越来越先进，但同时对网页情报的需求也爆发了。很多网站发现：我们需要让信息公开，这样人们才能发现我们、买我们的产品。但是，我们要建一个围墙花园，只允许消费者访问，封锁所有数据中心 IP。

对自动化网页数据基础设施的需求就是这时候爆发的。我们当时就觉得这个趋势不会停下来 ------ 随着机器学习算法越来越强，它会蔓延到整个互联网。

主持人：那现在 AI Agent 到底什么做不到？什么东西越来越难访问？

Andrej：如果你诚实地说，现在大部分为人类设计的互联网，AI agent 都很难访问到。而且这个情况还会持续很久。

原因有很多。很多网站出于各种原因要封锁 AI 爬虫 ------ 要么是怕竞争对手爬数据，要么是怕 AI 训练用了他们的内容。但不管原因是什么，他们很难区分到底是谁在访问，所以默认策略就是一刀切：封锁所有数据中心 IP。

如果你的 Agent 跑在 AWS 上，每个网站都能检测出来这是 AWS 的 IP。你的 Agent 和竞争对手爬价格的爬虫，在网站看来没什么区别。默认就是直接封掉。而且我们看到这种情况越来越多。

这不仅适用于 Agent，也适用于标准的大模型使用场景，甚至是训练大模型的过程本身 ------ 你要爬网页获取训练数据的时候，也会遇到同样的问题。要拿到最好的训练数据，你就得尽可能多地访问信息，然后过滤、筛选，把对的信息放进模型权重里。

-- 价格

训练数据 vs 推理数据：AI 需要两种不同的信息

主持人：现在你们的业务既有训练数据，也有推理数据。能聊聊这两个市场的区别吗？

Andrej：现在的 AI 模型训练是这样的，一个训练周期需要很长时间。大部分时间其实是在把数据变成适合训练的格式。然后你基于模型的输出生成更多数据，这叫强化学习，然后再根据这些数据调整模型。

但是，模型一旦训练完、部署到现实世界里，几秒钟之内它的知识就截止了，不能实时继续学习。虽然连续学习这个方向在研究，但目前还没解决。

所以现在有两个完全不同的流程：

训练过程：爬取海量互联网内容，创建非常有用的预训练数据集。规模很大，有时候是针对特定语言、特定类型的文件、特定内容进行定向抓取。
推理过程：模型训练完之后，需要能去网上看东西。你可以把模型部署在 AWS 上，但如果它在数据中心里，很多内容看不到 ------ 比如只有特定国家才能访问的内容。要大规模实时访问，就必须通过 Grass 这样的网络路由流量。

我们现在非常兴奋的一个新兴领域就是推理数据。核心想法是模型需要实时获取上下文信息。你在用模型的时候，或者模型被另一个模型调用的时候，为了让模型有用，它需要能接入最新的实时世界信息。

未来几年，等连续学习框架足够成熟、能大规模运行的时候，这两件事会合二为一。模型会像消防水管一样，持续接收整个互联网的实时信息，不断更新。

让 AI 看上十亿个视频自己学

主持人：你提到你们已经索引了超过 100 亿个公开网页视频。机器人公司是怎么用这些数据的？

Andrej：准确数字可能已经过时了，我们现在索引的已经超过 1000 亿个了。我说「索引」是因为我们不是盲目下载每个视频 ------ 视频这个媒介太密集了，存储和处理都很贵。我们是定向抓取的。

机器人和机器人数据是现在特别有意思的一个领域。我先解释一下机器学习研究的基本逻辑：如果你知道要优化什么、数据格式又很合适，那你做机器学习就会很开心。你扔一堆数据给熟悉的算法，它很快就能从中学到东西。

现在机器人研究者的理想状态是，让模型看几百万个视频（准确说是几十亿个），听几百万个播客，读几万亿文字的互联网数据，然后从这些信息里学会怎么行动、怎么泛化。比如，我看过一个人用割草机，那我作为机器人就知道怎么做了。我看过他怎么走、怎么动胳膊、怎么拿工具，看了几百万次之后，只要算法和设置对了，我自己就会了。

具身智能公司 Generalist AI 的那个模型之所以让大家兴奋，就是因为它可能是第一个证明了：模型可以只靠看大量视频，就学会实际操作 ------ 比如拿起一个特定颜色的球放进杯子里。他们还实时展示了：一个人做了这个动作，模型看完之后，机器人原封不动地复制了同样的动作。

从那以后，另一家具身智能公司 Skild AI 也发了论文，证明这个行为是可以用网页视频规模化的。所以现在对网页视频的需求增长非常快。

Live Context Retrieval：把反爬工程简化成一个 API

主持人：你们最近发布了 Live Context Retrieval（LCR）这个新产品套件，能详细说说吗？

Andrej：对，这是我们刚发布的 Contents API，是整个产品套件的第一个。后面还会有 Search（搜索产品），然后还会加入多模态能力 ------ 比如听音频、读图片、语义理解这些。

Contents API 最酷的地方在于，这本来是我们内部用的工具。团队要大规模收集各种模态的训练数据，只走住宅 IP 网络有时候不够用 ------ 你需要处理 TLS 指纹、需要在服务器上高效渲染浏览器、需要不断变化请求模式不然网站就封你。（注：TLS 是现在上网时浏览器和网站之间的那层加密通道，保证你传的数据别人偷看不了、也确认对方是真网站。）为了内部高效收集训练数据，我们工程师建了一个非常好用的网页内容 API，大家直接调用就行，不用每次都从零写爬虫。

后来我们发现这个产品已经做到了业界顶尖水平，比市面上大部分东西都好。所以就把它作为 LCR 套件里第一个对外开放的产品。

它是什么呢？我们把整个流程 ------ 管理全球住宅代理的网页请求、加载浏览器、配置反爬策略 ------ 全部简化成了一个 API 调用。你只需要给它一个 URL，它很快就会把网站内容给你。你还可以指定从哪个国家的视角访问，可以输出成 Markdown 或者纯文本。

接下来要发布的是 Search。为什么说 Search 会加速整个 LCR 的采用呢？因为普通的 Agent 每次上网要访问 5 到 50 个网页，复杂推理的时候还要更多。Contents API 现在适合那些知道自己要监控哪个网站的客户。等 Search 上线之后，模型连去哪找内容都不用知道了 ------ 直接调用 Search API，然后调用 Contents API 提取内容就行。

跟前沿 AI 实验室合作，像国防科技一样保密

主持人：跟这些前沿 AI 实验室合作是什么感觉？他们的需求有什么变化？

Andrej：太酷了兄弟。毫不夸张地说，AI 回头看可能是定义这一代人、甚至定义人类历史一个时代的技术。能看到这些模型是怎么一步步改进的、帮助人类文明提升能力上限，这件事本身就让人非常兴奋。对我们团队很多人来说，这是最有成就感、最能保持动力的事情。

当然，资源高度集中，这些实验室里也全是最聪明的人。每一次对话都很有智力挑战，能看到很多很酷的东西。最难的部分是不能跟世界分享 ------ 比如我们参与了某个很酷的项目发布，过去几个月我们其实就知道它要来了，因为我们在里面出了力。但我们不能说。

我几个月前在 Handsome 的播客上提过这个，我们经常拿国防科技打比方：一个帮政府找恐怖分子的国防公司，显然不会满世界说我们做了哪些事。因为你说了别人就能反推、就能做对抗。现在的 AI 行业也是这样 ------ 大家都在竞速，要达到最好的能力。如果大家都知道某个模型公司在专注什么数据，就能反推出他们在做什么，就能在他们发布之前抢先做出来跟他们竞争。

所以我们经常能看到接下来 6 到 12 个月整个 AI 行业会往哪个方向走，但我们不能说。

Grass 的商业模式：没有所有者的基金会 + 服务公司

主持人：你们最近发布了收入证明，市场反应很积极。能聊聊 Grass 的结构吗？

Andrej： Grass 的结构确实比较独特，对很多客户来说可能看起来有点奇怪，但这样设计是有非常重要的原因的 ------ 全都是为了激励对齐。

那个审计报告是会计师事务所做的，他们核对了 Grass 跟各大 AI 实验室和其他客户的所有采购订单，然后跟实际收到的现金做了对账。当然有一点点时间差 ------ 有些发票开了之后 60 天才付款 ------ 但总体上是对得上的。

很多人可能没意识到，这个审计报告里的主体是 Grass 基金会，不是股权实体。Grass 基金会是一个没有所有者的基金会，所有客户 ------ 不管是买预训练数据、微调数据、推理数据产品的 ------ 最终面对的都是 Grass 基金会。它是一个无所有者结构，没有人拥有它，由独立董事管理，任何资金往来都需要董事批准。

我在 Wyn Labs 工作，Wyn Labs 是 Grass 基金会的服务提供商。为什么要有 Wyn Labs 呢？因为现实世界里你还是要雇人、要交社保、要买保险，得有一个股权实体来做这些事。但是，Wyn Labs 本身不拥有任何知识产权 ------ 所有知识产权全部转移给 Grass 基金会了。Wyn Labs 不直接面对任何客户，Wyn Labs 和 Grass 基金会之间的任何合作，都需要 Grass 基金会的董事批准 ------ 而这些董事在 Wyn Labs 里没有任何经济利益。当然 Wyn Labs 团队本身也都是代币持有者。