从共享带宽到 AI 秘密管道

据 Woofun AI 消息， 已悄然完成从共享带宽协议向 AI 基础设施核心供应商的身份跃迁。 联合创始人兼 CEO 在与 的深度对话中，首次详尽拆解了这一转变背后的商业逻辑与技术架构。作为 Grass 项目的实际负责人，Radonjic 揭示了该项目如何突破传统 VPN 或数据采集工具的范畴，成为 OpenAI、Anthropic 等前沿 AI 实验室依赖的'秘密数据管道'。

这一转型不仅确立了 Grass 在 AI 数据供应链中的关键地位，更通过其独特的无所有者基金会结构，重新定义了去中心化网络与中心化 AI 巨头之间的激励对齐机制。

2026 年 10 月，Grass 网络的规模与影响力已达到新的高度。目前，该网络已汇聚数百万节点，累计向各大 AI 实验室交付了高达 10 亿 GB 级别的网页数据。这些节点并非传统意义上的数据中心服务器，而是由全球用户自愿参与、共享其闲置带宽构成的分布式网络。从互联网流量的视角观察，这些请求看似普通用户的日常浏览行为，实则构成了一个庞大的、隐蔽的数据基础设施平台，源源不断地为前沿 AI 模型输送高质量的训练语料与实时推理所需的信息。

这种'伪装'成普通流量的数据抓取方式，使得 Grass 能够绕过大多数网站对数据中心 IP 的封锁，从而获取那些仅对人类用户开放的封闭花园内容。

Andrej Radonjic 的跨界背景为 Grass 的技术基因奠定了独特基础。他在加拿大求学期间，主修工程物理，专业方向涵盖核工程与光子学。然而，毕业时核工程领域的就业机会多位于偏远地区，这促使这位二十出头的年轻人在职业选择上转向金融行业，利用其在物理学中积累的建模与分析技能从事金融工作。随后，他又重返学术界，攻读计算物理博士，并在疫情期间专注于应用数学领域，建模复杂的物理方程。正是这段相对空闲的博士研究时期，他开发了用于寻找价格差异的套利机器人。为了高效运行这些套利算法，他不得不深入钻研网页爬虫技术，从而意外跌入网页数据爬取的深水区。几年后，他与两位联合创始人相遇，基于各自在数据抓取与分布式网络方面的经验，共同创立了 Grass，将个人兴趣转化为服务整个 AI 行业的基础设施。

疫情成为引爆网页情报需求爆发的关键催化剂，同时也暴露了现有数据抓取模式的局限性。疫情前，许多企业获取价格情报或政府计算 CPI 的方式仍依赖人工实地采集，例如派人手持写字板在商店货架记录价格。随着疫情迫使全球业务向线上迁移，网页基础设施迅速升级，但随之而来的是网站对数据访问控制的收紧。网站一方面需要公开信息以吸引消费者，另一方面又试图构建'围墙花园'，仅允许真实用户访问，而默认封锁所有数据中心 IP。对于运行在 AWS 等云服务上的 AI Agent 或爬虫而言，其 IP 地址极易被识别并拦截。

这种一刀切的封锁策略，使得自动化网页数据基础设施的需求呈指数级增长，因为无论是大模型的训练数据收集，还是推理阶段的实时信息获取，都面临着同样的访问障碍。

当前 AI 数据市场呈现出训练数据与推理数据双轨并行的格局，但两者最终将走向融合。训练数据市场侧重于在长周期内爬取海量互联网内容，经过清洗、格式化后，用于模型的预训练与强化学习阶段。

这一过程规模巨大，往往针对特定语言、文件类型或内容进行定向抓取，以优化模型权重。相比之下，推理数据市场则关注模型部署后的实时信息获取能力。由于模型训练完成后，其知识截止于训练时间点，无法实时学习新信息，因此需要通过 Grass 这样的网络路由流量，以住宅 IP 身份访问最新内容，包括地域限制信息。Radonjic 指出，随着连续学习框架的成熟，未来模型将像'消防水管'一样，持续接收整个互联网的实时信息流，实现训练与推理数据的无缝融合。