404 Media独家调查：Google以"保密试点计划"名义向Play Store开发者购买代码库，承认公开爬取数据已不足以追赶Claude Code和Copilot。
事件回顾
科技媒体404 Media本周披露了一项Google的秘密行动：Google正在以"保密内容提供试点计划"（confidential content offer pilot）的名义，私下联系Play Store上的安卓应用开发者，出价购买他们的应用代码库。
根据404 Media获得的一封邮件，Google向拥有数百万下载量的安卓应用开发者发出邀约，称他们可以"通过分享驱动应用的代码以及已归档项目来获得报酬"。邮件措辞刻意回避了"AI"字眼，只说是为了"帮助改进Google的开发者工具和产品"。但当开发者点击链接后，着陆页明确写着——这是为了"改善我们AI产品的合作伙伴关系"。
该邮件强调计划的机密性，并承诺开发者"保留100%知识产权"，授权为"非排他性"——意味着开发者仍可将同一代码卖给其他公司或用于任何用途。Google称这些代码将用于"理解复杂逻辑、开发编码评估和基准测试"。
404 Media报道指出，Google已明显落后于AI编程工具领域的竞争对手：Anthropic凭借Claude Code的爆炸式增长获得高于OpenAI的估值，微软Copilot也被广泛采用。Google此番悄悄买代码的行为，暗示公司已无法仅靠公开爬取数据训练出足够优秀的编程AI。
为什么这件事重要
这件看似是"企业采购训练数据"的常规操作，实际上释放了三个关键信号：
1. AI编程工具战争的底层逻辑变了
过去两年，AI代码生成领域的竞争逻辑是"谁有更好的模型"。GPT-4、Claude 3.5 Sonnet、Gemini轮番在HumanEval和SWE-bench上刷榜。但现在比赛的核心从"模型架构"转向了"训练数据"。
公开可爬取的代码（GitHub开源仓库、Stack Overflow等）已经被各家AI公司"吃干榨净"。Google向安卓开发者付费购买生产环境中的真实代码库——包括活跃应用的代码和已废弃的旧项目——说明高质量、大规模的真实代码数据已成为稀缺资源。
2. Google承认在AI编程赛道落后
Google并非没有AI编程产品。Gemini Code Assist、Android Studio中的AI功能、Google Cloud的代码辅助工具都是其布局。但在开发者心智份额上，Claude Code和GitHub Copilot显然占据了主导。
404 Media的报道直言不讳："Google has fallen behind its competitors in creating AI that generates code"。这种承认来自Google自己的行为——如果公开数据足以训练出对标Claude Code的产品，Google不会把预算花在向个体开发者购买代码库上。
3. "训练数据采购"正成为新商业模式
Google此前已斥资6000万美元购买Reddit数据用于AI训练。现在扩展到向个体开发者购买代码，这可能催生一种新的开发者收入来源：代码本身不再只是产品的载体，本身就成为可交易的数据资产。
Google邮件中特别提到"已归档项目和副项目"——那些不再维护的旧代码、实验性项目、未被市场验证的原型——对开发者来说几乎没有经济价值，但对AI训练来说却可能是有意义的多样本数据。
我们能学到什么
对AI创业者的启示
第一条：你的"废弃资产"可能值钱
对于独立开发者和AI创业者来说，这件事最大的启示是：你过去写过的所有代码——那些被放弃的副项目、未完成的原型、已下架的应用——可能都有未被开发的经济价值。
Google愿意为"真实世界代码"付费，因为AI模型最需要的就是多样性。一个失败项目的代码、一个特定领域的垂直应用、一个用冷门框架写的工具——这些在AI训练数据中都是稀缺样本。
如果你有5-10年的开发积累，手上有数十个项目的代码库，这可能是一笔可观的额外收入。
第二条：编程数据正成为AI时代的"石油"
Google、Anthropic、OpenAI、微软之间的竞争越来越像20世纪初的石油公司——不是在争钻井技术，而是在争油田的所有权。代码数据就是"原油"，谁能获得更多、更多样、更高质量的真实代码，谁就能训练出更好的编程AI。
这解释了为什么GitHub是微软最有价值的AI资产（而非Azure或Office），也解释了为什么Anthropic需要Claude Code让开发者"自愿贡献"代码上下文。
第三条："数据飞轮"效应正在加速
Google买代码不只是为了训练模型。这些代码还将用于构建评估（evals）和基准测试（benchmarks）——这是AI编程工具质量提升的另一关键环节。有了更多真实代码做基准，Google可以更准确地测量Gemini代码生成能力的进步。
这是一个飞轮效应：买代码 → 训练更好模型 + 建立更准基准 → 吸引更多开发者使用 → 获得更多代码反馈。Google正在试图用资金启动这个飞轮。
行业竞争格局
当前AI编程工具市场格局（截至2026年6月）：
| 公司 | 核心产品 | 数据优势 | 市场地位 |
|---|---|---|---|
| Anthropic | Claude Code | Claude用户反馈循环 | 🥇 领先 |
| 微软/GitHub | Copilot + SDK | GitHub全部公开仓库 | 🥈 强势 |
| OpenAI | ChatGPT + Codex | 庞大用户基数 | 🥉 追赶 |
| Gemini Code Assist | 正在购买 | 试图突围 | |
| 开源社区 | Continue/OpenClaw等 | 社区贡献 | 利基生态 |
Google的采购行为恰恰证明了这个市场的残酷：没有独家数据源，模型能力就是空中楼阁。
▲ AI编程工具三巨头竞争格局：Claude Code估值飙升，GitHub Copilot企业市场领先，Google Gemini争议中下滑
▲ 训练数据获取范式发生根本性转变：从依赖公开爬取数据到付费采购真实代码，2026成为转折点
行动建议
如果你是AI创业者或独立开发者，可以从这个事件中获得以下实操思路：
- 盘点你的代码资产：整理过去5-10年的所有项目——活跃的、已停止维护的、实验性的。评估哪些具有"多样性价值"（用冷门技术栈、独特领域逻辑、非常规架构等）。
- 关注数据收购渠道：Google的"保密试点"目前是邀请制，但随着AI公司对训练数据的需求持续增长，未来可能出现类似Shutterstock之于图片、AudioJungle之于音频的"代码数据交易市场"。提前准备好你的代码库文档和授权声明。
- 不要把鸡蛋放在一个篮子里：Google的协议是非排他性的——这意味着你可以将同一代码库授权给多家AI公司。等Anthropic、Microsoft或OpenAI推出类似采购计划时，你已经准备好了。
- 关注隐私与合规：如果你的代码库中包含用户数据、API密钥、第三方SDK的私有代码，在出售前必须彻底清洗。Google的协议虽说不涉及IP转让，但你仍有义务保护用户隐私。
- 这只是一个开始：代码数据的商业化采购才刚刚拉开序幕。未来可能出现针对设计稿（训练UI生成AI）、架构文档（训练系统设计AI）、运维脚本（训练DevOps AI）的专项收购。有远见的开发者应现在就开始系统化归档。
本文由AI辅助创作，经人工审核编辑发布