2026年7月15日，Suno的内部源代码被公开，这是一个最大的基于人工智能的音乐生成器之一。此次泄露实现了原告们在法庭上多年追求的目标：准确显示了该服务用于训练的数据来源。答案是——来自整个互联网，通过工业级的数据抓取，以一种在没有代理基础设施的情况下物理上不可能实现的规模。我们来看看究竟揭示了什么，以及为什么这个故事不仅仅是关于一个服务，而是关于整个人工智能行业的基础层。
发生了什么：黑客揭露了Suno的内幕
根据404 Media和TechCrunch的报道，黑客ellie.191在2025年11月通过供应链攻击获得了Suno的系统访问权限——一种名为Shai-Hulud的蠕虫，收集GitHub和云服务的凭据。在攻破一名员工的账户后，攻击者下载了源代码和内部配置，同时获取了数十万名Suno客户的信息和来自Stripe的支付数据（电子邮件、电话、卡号部分）。
事件发生在2025年底，但Suno并未通知用户，至今仍称其为“快速局部化的安全事件”。这些材料直到2026年7月才公开，而泄露的主要价值不在于个人数据，而在于代码中的注释，列出了训练数据集的来源和规模。
不愿意展示的数字
以前，Suno用模糊的措辞来应对——训练使用的是“基本上所有可在开放互联网中获得的高质量音乐文件”，这是“数千万条记录”。泄露的代码将模糊性替换为具体性。以下是实际输入模型的数据：
- YouTube Music——2,013,545个音乐视频，113,879小时；单独标记的“YTM Tagged”数据集——另外152,162小时；
- Pond5（库存音乐）——62,117小时；
- IMSLP（国际乐谱库项目）——19,514小时；
- Genius（歌词）——17,615小时；
- Deezer——12,287小时；
- Jamendo——3,726小时；
- Freesound——410小时；
- MuseScore——歌词和乐谱；
- 通过RSS的播客——代码提取了大约420,000个播客，每个播客有五个及以上的30分钟以上的剧集，目标是提取大约1百万小时的音频。
代码中的注释没有留下解释的余地：系统从“genius_hq、youtube_music、freesound、jamendo、imslp、deezer、ytm_tagged”中提取数据，而“非音乐内容在后处理时被过滤”。这不是灰色地带，也不是偶然的下载——这是一个设计好的数据收集流水线，覆盖了所有可用的网络。
为什么没有代理就不可能实现
一个容易被忽视的关键细节是：YouTube Music、Deezer和大多数流媒体平台都在积极防止大规模下载。对IP的严格请求限制、行为和TLS指纹识别、验证码、IP范围封禁——这些都是我们经常提到的。要从一个或甚至一百个地址下载两百万个视频和数十万小时的音频几乎是不可能的：平台的基础设施会在前几千个请求中封锁源头。
要让如此规模的流水线运行数月，需要成千上万的不同IP轮换，看起来像真实用户——也就是说，住宅和移动代理。数据中心的地址在流行的流媒体平台上几乎会立即被根据ASN过滤掉。下载机制本身是典型的——类似yt-dlp与代理层的结合；我们在指南中详细讨论了这一点如何通过yt-dlp和代理绕过YouTube的封锁。Suno的泄露是一个罕见的案例，从中可以看到这个“隐形基础层”的规模：模型本身是一个展示，而在其下方，代理农场多年来一直在以工业规模提取内容。
这也解释了为什么在2026年，代理市场被视为人工智能的基础设施，而不是抓取工具的利基产品。任何大型训练数据集——音乐、文本、视频——首先都是数据收集的物流：成千上万的IP、绕过检测、负载分配。如果您想更深入地理解这一层，我们有一个单独的分析用于AI训练和数据集收集的代理。
法律雷区：问题不在于代理，而在于什么和从哪里
Suno之前与大型唱片公司打过官司，而此次泄露加强了他们的立场。公司以合理使用（fair use）原则进行辩护：声称在公开可用的音乐上进行训练是合法的。但版权所有者有更强的底牌——DMCA。他们的论点是：从YouTube进行工业规模的抓取意味着绕过了平台为防止自动下载而设置的技术保护措施。而绕过这些措施本身就是一种单独的违法行为，无论最终关于合理使用的争议如何。针对Suno竞争对手Udio的诉讼也在同样的轨迹上进行，该服务被指控进行类似的YouTube抓取。
对于所有收集数据的人来说，这里的结论与EDPB关于GDPR抓取的指南中的故事相同：代理解决了访问的技术问题，但并不提供法律依据。住宅IP使您看起来像普通访客——这并不取消平台的使用条款、版权和DMCA。法律范围由您收集的内容和目的决定，而不是您的流量看起来有多干净。
可以从中学到什么
即使您从未为人工智能收集过音乐，Suno的案例也是关于2026年数据收集的浓缩教训：
- 规模依赖于代理。任何从流媒体和受保护平台的严肃收集都需要住宅或移动IP的轮换——数据中心在几分钟内就会因ASN被过滤掉。代理的类型根据目标选择：住宅用于广泛的网络，移动用于最具攻击性的反机器人系统。
- 技术访问 ≠ 权利。绕过反抓取保护可能被视为违反DMCA和使用条款。将没有技术障碍的开放数据与受保护内容区分开来——这是不同的风险级别。
- 代理的卫生和来源很重要。在像NetNut这样的僵尸网络被清除的背景下，住宅IP的来源成为选择的标准：来自透明提供商的干净池不仅稳定，还能降低法律风险。
- 数据与方法一起泄露。多年来，Suno否认直接抓取——而一次黑客攻击使所有表述归零。构建管道时，要像它明天会在法庭上被审查一样。
结论
Suno的黑客事件并不关注个人数据，而是首次以具体数字展示了大型人工智能产品的内幕：来自YouTube Music的2,013,545个视频、数十个来源、计划中的百万小时播客。这些数字背后并不是神经网络的魔力，而是简单的数据收集物流：代理农场、绕过检测、数月的提取。近年来的人工智能竞赛在很大程度上是对数据的竞赛，而对数据的竞赛则是对访问基础设施的竞赛。Suno恰好是那个被窥探到基础设施的人。
如果您正在构建合法的数据收集——用于分析、模型训练或监控——请从正确的基础层开始：干净的住宅和移动代理，来源透明。访问技术是可以解决的；关键是将其保持在法律和常识的框架内。