一句话定义：破产公司数据收购（Dead-Startup Data Salvage）指 AI 实验室或数据买家，在创业公司清算、倒闭之后，收购它遗留下来的用户语料、对话记录、代码库、标注数据等资产，用于模型训练或评测。
打个比方：这很像旧书商去倒闭的书店扫货。书还是那些书，但卖书的人已经不在了。买家要判断的，不是「书多不多」，而是「这批书我有没有资格带走、能不能再卖」。
哪些数据真的有训练价值
不是所有"数据"都值钱。真正被追着买的大致是这几类：
| 数据类型 | 训练价值 | 原因 |
|---|---|---|
| 多轮真实人机对话 | 高 | 上下文完整，接近线上分布 |
| 带采纳/点赞信号的回答 | 高 | 天然偏好数据，省掉人工标注 |
| 垂直领域语料（法律、医疗、工控） | 高 | 稀缺，公开网上难爬 |
| 人工标注过的数据集 | 高 | 省一遍标注成本，且质量可追溯 |
| 代码库与 issue 讨论 | 中高 | 有助代码能力，但需清洗 |
| 纯埋点、点击流 | 低 | 无文本、无标签，难转成训练样本 |
| 高度重复的 UGC | 低 | 去重后剩不下多少 |
关键变量是三个：去重后的有效体量、有没有配套标签、授权链是否干净。第三条往往一票否决。
授权链怎么继承
用户当初同意的对象是那家创业公司，同意的范围通常写在服务条款（Terms of Service, ToS）里，常见措辞是「为提供服务及改进服务」。这句话能不能覆盖「转让给第三方训练大模型」，大多数情况下是模糊的。
公司破产清算时，数据被当作资产打包处置，买家继承的是资产，不是与用户之间的合同关系。在个人数据受严格保护的司法辖区（如 GDPR 框架下），个人数据不被视为可自由买卖的普通资产，实践中常要求通知用户、给用户反对或删除的机会。所以你会看到几种妥协方案：只买代码和模型权重、用户数据单独脱敏后转让、或者干脆放弃用户数据。具体规则各国不同，以监管机构官方页面为准。
风险和估值
主要风险有三：目的外二次利用、训练语料里残留个人信息（Personally Identifiable Information, PII）导致模型复现、以及用户要求删除却删不进模型权重。任何一条被曝光，省下的数据钱可能不够付公关费。
估值上，成交价通常按项目打包谈，而不是按条计价。买方心里大概会算：有效 token 量 × 领域稀缺度 × 标注质量，再乘一个「授权清晰度折扣」——授权模糊的资产，折价可以非常狠，甚至直接归零。
对普通人的意义：你在某个 App 里聊过的天、写过的笔记，可能在你毫不知情时换了主人。注册时那句没人读的条款，决定了它能不能被卖掉。