新加坡滨海湾金沙酒店，被一股席卷全球的AI热潮点燃。作为亚太地区最具影响力的AI盛会之一，SuperAI在短短几天内吸引了来自150多个国家的上万名创新者、1500余家科技企业齐聚于此。不仅有Balaji Srinivasan、麻省理工学院教授Max Tegmark、著名分析师Benedict Evans的思想交锋，更体现在长达36小时的NEXT黑客松，以及悬赏高达230万美元资本的Genesis创业大赛。关于大模型、Agent和AI应用落地的讨论几乎占据了每一个会场。

然而，一个鲜少被摆上台面的现实正在成为行业新的瓶颈：AI变得越来越聪明，但它获取真实世界信息的能力，却没有同步进化，甚至有些走向负面。

在实验室环境中表现出色的Agent，一旦进入真实互联网，随着访问规模扩大，往往会遭遇性能断崖式下滑。问题往往不出在模型本身，而是互联网平台正在建立越来越复杂的防御体系：从反爬机制、动态验证，到针对Agent访问返回误导性内容，公开网络正在从“开放的数据源”逐渐演变为“互联网对AI的信息抵抗”。

在本届大会上，全球公开数据基础设施厂商Bright Data（亮数据）首席产品官Ariel Schulman在主旨演讲中直言道：“The web learned to lie.”。当整个行业的目光都聚焦于模型参数、算力规模和推理能力时，Ariel认为，一个更基础的问题正在被忽视：如何让Agent安全、实时且持续地连接互联网，并获得可信的数据供给。

Bright Data CPO Ariel Schulman在SuperAI演讲，来源：SuperAI

会后，数据猿记者现场对Ariel Schulman进行了专访。在他看来，互联网不仅开始主动欺骗AI，动态数据的保鲜期也被压缩到以小时甚至分钟计算；同时日益复杂的合规要求和不断增加的法律风险，正在推高企业获取公开数据的门槛。如果无法建立真实、稳定且合规的数据管道，再庞大的模型、再聪明的代理，都可能因为“断粮”或“数据中毒”而失去价值。围绕“真实数据供给权”的新一轮竞争，正在悄然展开。

当互联网学会了故意撒谎
AI将会怎样

1982年上映的经典科幻电影《银翼杀手（Blade Runner）》中，Tyrell Corporation（泰瑞公司）打造出外形、逻辑无限趋近人类的复制人（Bot），单凭外表根本无法分辨，必须依靠Voight-Kampff test（沃伊特-坎普夫测试），通过观察细微的情绪波动和行为反馈，判断对方究竟是真人还是机器。

电影：银翼杀手（Blade Runner），来源：thegallery.gr

四十多年后，类似场景在互联网上演。各大平台化身为“测试员”，它们不止简单地封锁IP，而是开始主动识别访问者背后究竟是人类用户还是AI Agent。

一旦被判定为Agent，等待它的未必是一道拒绝访问的提示，而可能交给AI的是一个精心构建的“虚假世界”。在这个世界里，商品价格是假的、库存信息是假的、页面内容可能经过特殊处理，甚至连搜索结果都可能带有误导性。Agent看似成功获取了数据，实际上却正在被投喂错误的信息。

对此，Ariel Schulman在SuperAI演讲中抛出了一个颇具冲击力的判断：

“The web has learned to lie.”——互联网学会了撒谎。

在他看来，随着大模型训练和AI Agent带来的自动化流量持续增长，互联网与AI之间的关系已经从过去的“封锁与突破”，演变为一场更为复杂的攻防博弈。过去，网站主要依赖验证码、访问频率限制和IP封禁等手段进行防御；而今天，我们看到更高级的防御策略：包括用于诱导机器访问的Honeypot（蜜罐）系统，以及面向AI Agent的自洽欺骗机制。

Honeypot（蜜罐）系统，来源：Bright Data

对于人类用户而言，这些内容几乎不会造成影响；但对于依赖网络数据进行推理和决策的Agent来说，错误信息一旦进入工作流，后续所有分析、判断乃至行动都可能建立在错误的基础之上。

这种针对AI的“数据投毒”正在从个别现象演变为常态。Ariel举例称，一位借助Vibe Coding开发应用的非技术背景CEO，在调用酒店价格数据时，AI Agent返回的是“399美元、库存告急”的结果；而真实页面显示的价格仅为199美元，且房源供应充足。

这种针对AI代理的定向欺骗，在工程层面上导致了一个极其致命的后果：Garbage in, Garbage out（垃圾进，垃圾出）。一旦大模型接收的是被精准投毒的数据，其后续推理、分析乃至商业决策，都将建立在错误的基础之上。

Ariel说道，更危险的地方在于，AI代理在遭遇欺骗时表现出的行为逻辑与人类截然不同。人类具有根植于复杂经验的直觉与情感，当一个人看到某个酒店的价格在两分钟内莫名翻倍、或者某个机票平台的库存展示极度违背常识时，直觉会促使人类产生怀疑，并去其他平台进行交叉比对和验证。

但AI代理则没有这种基于情感的刹车机制。在现有的确定性系统逻辑下，代理只会忠实地执行代码指令，在系统的运行日志中默默记录下接收到的错误价格，然后自动化地更新数据库中数万条关联记录，甚至直接触发自动化营销系统，向数万名真实客户发送带有荒谬调价信息的电子邮件。

当Agent开始深度参与企业运营后，数据质量问题也不再只是技术问题，而会直接演变为商业风险。对于AI而言，最大的威胁已经不再是无法获取数据，而是获取到看似真实、实则错误的数据。

破解谎言、时效与合规之困：
AI数据基建的三道必答题

Ariel Schulman所在的Bright Data成立于2014年，总部位于以色列，是全球公开网络数据基础设施领域的重要玩家。在AI时代，它所解决的问题并不是如何训练模型，而是如何让模型持续接触真实世界。

SuperAI上的Bright Data展台，来源：数据猿现场拍摄

与传统爬虫公司不同，Bright Data更像是一套面向AI的“数据供给系统”。其技术栈负责帮助大模型、AI Agent及企业应用稳定、合规地连接互联网，并获取实时更新的公开数据。随着多模态模型兴起，其能力也扩展至视频、图片等内容的提取与处理。

作为AI生态背后的“数据管道”，Bright Data当前每天支撑超过1亿次AI Agent交互，为全球超过2万家组织提供公开数据服务，客户覆盖《财富》500强企业、顶尖高校以及高速成长的科技公司。据Bright Data Blog披露，全球20家头部大模型实验室中，已有14家使用Bright Data提供的数据基础设施。

面对互联网主动向AI“撒谎”的趋势，Bright Data的解法并非暴力破解式的攻防，而是让AI尽可能表现得像真人用户。Ariel对数据猿表示，Bright Data会在云端运行真实浏览器环境，通过模拟正常用户的浏览、点击和交互行为访问网站，从而获得与真人用户一致的页面反馈和数据结果。“如果你能够像真人一样访问互联网，你获得的也将是真人看到的互联网。”

这背后依托的是覆盖全球195个国家和地区、超过1.5亿个合规住宅IP组成的网络。借助这套基础设施，Bright Data每天能够从公开互联网中合规获取超过2.5PB数据，为大模型训练、AI Agent以及企业应用持续提供真实的数据供给。

遍布全球195个国家的IP地址，来源：Bright Data网站

如果说真实性决定了AI是否会被误导，那么时效性则体现在AI是否还有价值。在Ariel看来，高质量数据与数据时效性并非两个独立概念，而是一个硬币的两面。“过时的数据，本质上就不是高质量数据。”他告诉数据猿。

以电商客服或物流助手为例，如果AI调用的仍是上个月的价格、库存或配送信息，即便数据本身完全真实，也无法支撑当下的业务决策。“你可以获取到数据，但必须确保它始终保持最新，才能真正对AI有用。”

根据Bright Data统计的公开数据衰减图谱，社交媒体热度、电商价格以及商品库存等高频变化信息，其有效生命周期通常只有数小时到一天。一旦超出这一时间窗口，数据价值便会快速衰减。

不同类型数据的失效期，来源：Bright Data

Ariel举例称，一个帮助用户进行全球比价的AI Agent，如果依赖的是12小时前的价格、库存数据，最终可能向用户推荐一件已经涨价甚至售罄的商品。当用户进入结算页面时，看到的现实价格与Agent给出的结果完全不同。对于用户而言，这不仅是一次不良体验，更会直接削弱其对AI系统的信任。

随着Agent开始深度参与搜索、采购、客服和运营等业务流程，数据竞争正在从“能否获取”转向“能否实时获取”。相比扩大模型参数规模，如何持续获取真实且实时的数据，正成为AI落地过程中更具挑战性的问题。

如果说真实性和时效性决定了数据是否可用，那么合规性则意味着数据业务能否长期运营。随着大模型和AI Agent对数据需求持续增长，行业对于公开数据采集的讨论也逐渐从技术问题转向法律问题，过去几年，围绕数据获取边界、平台权利以及公开数据归属的争议不断升温，而合规能力也正在成为AI基础设施厂商的核心竞争力之一。

针对这一问题，Ariel向数据猿记者介绍了Bright Data长期坚持的一项原则：只处理公开网络数据（Public Web Data）。也就是说，Bright Data在底层被严格限定为只采集所有人均能直接访问的、无需登录账户、无需付费订阅等条件。如果涉及个人账户信息、企业内部系统数据、银行账户信息等非公开内容，系统则不会进行采集。

这一原则也与Bright Data近年来经历的法律诉讼密切相关。Ariel提到，公司曾先后与Meta和X围绕公开网络数据采集问题展开长期法律交锋，相关案件最终均以有利于Bright Data的裁决告终。

Meta指控Bright Data一案相关判决书，来源：courtlistener.com

2024年，加州联邦法院的最终裁决确立了一个对整个AI行业至关重要的法律先例：即采集物理世界公开可用的网络信息是完全合法的，任何商业巨头都不能通过技术垄断将公共数字领域的公开数据据为己有。

在不少业内人士看来，这些判例的意义已经超越单一企业的诉讼结果。当AI对公开数据需求持续增长，上述裁决将为AI企业获取公开数据提供更为明确的合规框架。

MCP只是起点，数据服务比拼的是规模化和工程效率

解决了数据真实性、时效性和合规性问题之后，摆在AI工程师面前的下一个难题，是如何让Agent高效连接外部工具和数据服务。过去一年，由Anthropic提出的MCP（Model Context Protocol，模型上下文协议）迅速成为行业热点。随着越来越多模型厂商和开发平台加入支持阵营，MCP正在成为Agent生态中的重要连接层。

Ariel告诉数据猿，Bright Data大约在一年前发布了MCP服务器。它本质上是连接Bright Data数据服务与AI Agent的桥梁：能够向Agent说明有哪些工具可用、每个工具能够完成什么任务，以及应该如何调用。

他举例说，当AI Agent提出“我需要Google搜索”时，MCP服务器可以告诉Agent，Bright Data提供了SERP工具，并返回对应的参数和调用方式，从而帮助Agent自主完成任务编排。

在Ariel看来，MCP最大的价值在于降低Agent调用外部工具的门槛。在原型验证（Prototype）和概念验证（PoC）阶段，开发者可以先让AI Agent理解数据获取逻辑，并快速调用各类外部能力，从而显著缩短产品探索周期。

Bright Data打造的数据基础设施与上下层的关系，来源：Bright Data

不过，Ariel也指出了MCP在规模化场景中的局限性。他举例说，如果要构建一个查询商品价格的智能代理，要处理上百万件商品时，通过MCP处理会明显变慢。随着请求量从万级扩大到百万甚至千万级，中间的调用环节不断叠加，最终会转化为更高的延迟和更大的花费。

Ariel总结了一套典型路径：

1.在项目早期，利用MCP快速验证业务逻辑，让Agent自主探索工具链并找到可行方案，例如发现调用数据的API；

2.到了生产阶段，逐步切换至原生API（Direct API）等更直接的数据调用方式，以获得更高的性能和可扩展性，最终停用MCP。

换言之，MCP帮助开发者“找到路”，而原生API则负责把这条路修成高速公路。随着Agent开始从Demo走向生产环境，行业关注的重点也从“能不能实现”转向“能否规模化运行”。工程效率最终将成为决定产品成败的关键因素。

而这种对工程效率和规模化能力的追求，不仅体现在对外数据服务上，也深刻影响着这家数据基础设施公司自身的组织方式。作为数据基础设施提供商，Bright Data每天需要处理海量数据请求，并持续应对互联网环境的变化。这种业务特性决定其竞争力不仅来自技术本身，也来自持续迭代和快速交付能力。

Ariel告诉数据猿，Bright Data 仅凭大约500名员工的精简团队，就撬动了数亿美元的营收，且自2017年以来持续保持盈利。在他看来，企业的发展并不完全取决于资金投入，更重要的是能否建立一套高效的工程体系。

“我们有一套非常独特的工作方式。”Ariel表示。例如，只要符合规范工程师就可以直接向生产环境推送代码；新功能上线后，系统会先向约1%的用户开放，并通过自动化监测持续评估性能表现。如果运行稳定，再逐步扩大至5%、10%，直至全量发布。

这种持续交付机制使Bright Data能够保持极高的迭代频率。Ariel透露，公司平均每天会进行约60次软件发布。在他看来，数据基础设施本质上是一场长期的工程竞赛。真正的竞争优势，不在于Token规模或融资能力，而在于能否建立一套持续优化、快速响应的工程体系。

从“Bright Data”到“亮数据”：
全球数据服务的中国实践

无论技术架构如何演进，基础设施的价值最终都要落到具体市场和产业生态之中。对于数据服务行业而言，这不仅意味着技术输出，更意味着长期的本地化运营。在部分跨国企业收缩在华业务的背景下，Bright Data选择了另一条路径：以“亮数据”为品牌，持续加码中国市场，希望将其全球数据基础设施能力与本土AI产业需求进一步结合。

亮数据网址：bright.cn，来源：亮数据

在专访中，Ariel特别强调了Bright Data对中国市场的定位。他表示，公司并未将中国视为一个单纯的海外销售市场，而是保持着“非常强的本地存在感（very strong presence in China）”。“我们在中国拥有稳定的业务布局，也有优秀的工程师团队，并与本地员工保持紧密协作。”他说。

为支撑本地化运营，亮数据已在北京、上海和深圳分别建立办公室，并配置了研发、技术支持和客户服务团队。从公开招聘信息来看，其中国团队涵盖了解决方案架构师、客户成功经理、资深销售经理等多个岗位，覆盖从技术咨询到长期客户运营的完整链条。

这意味着，对于国内AI企业而言，获得的不仅是一项全球化的数据服务能力，也是一套能够提供本地支持的服务体系。无论是复杂的数据采集需求、网络调度问题，还是生产环境中的技术故障，都能够通过本地团队获得更及时的响应和支持。

除了自建团队，亮数据也在持续拓展中国本地合作生态。2026年4月，该公司与数据交易网达成合作，将其公开数据能力引入国内市场。相关数据集支持按天、周、月等不同周期更新，帮助企业降低数据获取和维护成本。

此外，亮数据还与DuoPlus云手机展开合作，面向跨境出海场景探索数据服务与云端设备能力的结合；在开发者生态层面，则联合DataFun等技术社区举办系列技术活动，由中国区技术团队分享MCP协议、Agent工具调用以及数据基础设施建设等实践经验。

Bright Data报告中文版，来源：亮数据

这种深度的本土合作，也让亮数据在中国的实践超越了单纯的市场拓展，逐步融入本地AI生态。在Ariel看来，如果面向全球市场，中国公司和其他地区公司没有区别，同样需要全球数据训练模型；但一旦聚焦本土市场，对本地化需求就会急剧上升。

Ariel透露，针对各国本地零售商的数据采集需求，该公司的AI Agent能够自动生成定制化抓取方案，从海量公开数据中提取多语言、多模态的结构化内容，直接服务于市场分析、竞争监测等本地化商业决策。

过去两年，Bright Data亚太AI客户群每年以两倍速度增长，目前已占公司全球AI客户群近三分之一，区域AI支出占全球超过20%；其中，中国和印度AI客户群合计占亚太区域约60%。这种区域性的多点布局，使得Bright Data能够为从日本到东南亚、从印度到中国的各类企业提供更具针对性的本地数据服务。

下一代数据基础设施竞争已悄然展开

Ariel在专访最后谈到了他对AI产业下一阶段的判断。在他看来，未来每家公司都将拥有自己的AI Agent，这将带来数据访问需求的指数级增长。过去，一个分析师可能只需要浏览几个网页就能完成调研；未来，仅一个Agent为了生成更全面的答案，可能就会同时访问数十甚至上百个网站。这意味着，“将有海量的数据需要处理”，数据基础设施或将产生新的重构。

Ariel Schulman提到Bright Data的愿景，来源：SuperAI

当行业的关注点仍聚焦于模型参数、推理能力和算力投入时，另一场更底层的竞争已经悄然展开。随着越来越多Agent接入互联网并自主完成任务，数据不再只是训练阶段的燃料，而成为支撑其持续运行的实时供给系统。真实性决定Agent能否获得正确认知，时效性决定其决策是否有效，合规性决定这种能力能否长期存在，而工程体系则决定这一切能否在生产环境中规模化运行。

某种意义上，正如Airel所说，当互联网学会“撒谎”，可信数据将成为Agent时代新的基础设施。大模型下半场的竞争，正在从单纯追求模型能力，转向构建支撑Agent运行的数据能力。算法决定AI能够思考什么，而数据基础设施决定AI能够获取什么、理解什么，以及最终采取什么行动。

在这场竞赛中，模型是大脑，Agent是执行者，而数据基础设施则像连接数字世界与真实世界的神经网络。当越来越多的AI Agent开始替人类访问互联网、理解世界并作出决策时，这种底层能力的重要性，也将被重新认识。