Google płaci około 100 wydawcom za treści do AI. Większość dostaje niewiele

30 września The Decoder poinformował, że Google płaci około 100 wydawcom internetowym za treści wykorzystywane w AI Overviews, trybie AI i chatbotie Gemini. Część tych wydawców nie wie, jak liczone są ich wypłaty. Program pilotażowy ruszył niecały rok temu, podaje The Information. Wydawcy mogą śledzić wykorzystanie treści i zarobki w Google Search Console.

Rozrzut jest ogromny.

W przypadku kilku małych i średnich blogów oraz serwisów wypłaty wynoszą mniej niż 0,1 procenta przychodów reklamowych, podało The Information. Jeden wydawca dostał 50 000 do 60 000 dolarów w ciągu kilku miesięcy. Inny zarabia ponad 1 mln dolarów rocznie. Małe serwisy otrzymały mniej niż 1000 dolarów w ciągu kilku miesięcy. Treści o niszowych tematach z wierną publicznością, jak anime i gry, zarabiają najwyraźniej więcej, wynika z raportu.

Wydawcy nie widzą wzoru

Wypłaty mają zależeć od tego, ile dane źródło wnosi do odpowiedzi AI. Ale część uczestników powiedziała The Information, że nie wie, jak Google je liczy. Kwoty zmieniają się z miesiąca na miesiąc bez wyjaśnienia. Ta nieprzejrzystość ma znaczenie, bo wysokości wypłat są już przedmiotem sprawy antymonopolowej. W lipcu 2025 niezależni wydawcy złożyli skargę do Komisji Europejskiej w sprawie AI Overviews. We wrześniu 2025 Penske Media, właściciel Rolling Stone, pozwała Google za utratę ruchu i przychodów reklamowych. W grudniu 2025 Komisja Europejska wszczęła postępowanie antymonopolowe, czy Google narzuca nieuczciwe warunki. Postępowanie bada, czy Google wykorzystuje treści wydawców w funkcjach AI bez odpowiedniej zapłaty lub bez realnej możliwości rezygnacji.

Niektórzy więksi wydawcy odmawiają wejścia do programu, żeby wywrzeć presję na Google i wymusić wyższe stawki, podaje The Information. Ich ruch już spada. Wiele badań pokazuje, że AI Overviews ostro tną odwiedziny w otwartym internecie. Odmowa zakłada, że presja zbiorowa działa lepiej niż umowa indywidualna. Jak dotąd niewiele wskazuje, żeby ruszyła stawki Google'a.

Niemiecki sąd orzekł też, że AI Overviews są własną treścią Google'a, a nie streszczeniem istniejących materiałów. Gdyby ta interpretacja zyskała szerszą akceptację, wydawcy mieliby podstawę prawną do żądania opłat licencyjnych, ilekroć Google użyje ich pracy w odpowiedzi AI. The Decoder zauważył, że śledzenie dokładnego wkładu każdego źródła w odpowiedź byłoby trudne, jeśli nie niemożliwe. Obsługa tych wypłat dołożyłaby koszty ponad same opłaty.

Ruch to większa liczba

Sumy wypłat to jedna strona bilansu. Druga to ruch, który już nie przychodzi. Ostatnie nagłówki wskazują w jednym kierunku. Pismo antymonopolowe twierdzi, że Google kanibalizuje ruch wydawców. Małe wydawcy dostają najmocniej po spadkach w wyszukiwarce. Jedna z wrześniowych analiz podała spadek rok do roku dla wydawców na poziomie 40 procent. Te liczby są poza dokumentami źródłowymi i należy traktować je jako tło, nie jako potwierdzone pomiary.

Potwierdzony jest mechanizm. AI Overviews odpowiadają na pytania na stronie wyników, więc kliknięcie, które kiedyś szło do wydawcy, nie następuje. Google płaci wtedy części wydawców za treści, które zasiliły odpowiedź. Sam ustala stawki, pisze warunki i kontroluje rezygnację. The Decoder opisał ten układ jako zasadę dziel i rządź, która tworzy dylemat więźnia. Kilku korzysta, większość dostaje niewiele albo nic, a wydawcy, którzy odchodzą, nie wywierają presji na Google, bo lukę wypełniają inne źródła.

Indywidualne umowy sprawiają też, że wydawcy negocjują osobno, a nie razem.

Argument strukturalny jest taki, że gdyby Google licencjonował wszystko po uczciwej stawce, jego marże by ucierpiały. Dlatego licencjonuje wybiórczo i sam wybiera, która treść ile jest warta. To nie nowa strategia. The Decoder zauważył, że służy firmie od dziesięcioleci, gdy ściągała do wyszukiwarki coraz więcej treści z sieci. AI Overviews popychają ten trend dużo dalej i dużo szybciej.

Pieniądze płyną do warstwy narzędziowej

Podczas gdy wydawcy kłócą się o ułamki procenta, kapitał płynie do infrastruktury, która buduje i uruchamia systemy AI. W środę TechCrunch poinformował, że Flow Engineering pozyskało 50 mln dolarów w rundzie Series B przy wycenie 750 mln dolarów. Trzyletni startup z San Francisco sprzedaje narzędzia AI do projektowania sprzętu. Rundę współprowadzili Antonio Gracias z Valar Equity Partners i Gavin Baker z Atreides Management. Wzięło w niej udział Sequoia Capital oraz były partner Sequoia Roelof Botha, który zainwestował prywatnie i wszedł do zarządu. Flow wymienia wśród klientów Anduril, Rivian, Joby Aviation, General Motors PPU, RV Tech i Stoke Space.

Tego samego dnia The Decoder poinformował, że OpenAI i Synopsys podpisały wieloletnie partnerstwo strategiczne. Umowa buduje wyspecjalizowany model do projektowania układów o nazwie GPT-Synopsys. Synopsys produkuje narzędzia do automatycznego projektowania elektronicznego, czyli oprogramowanie, którego inżynierowie używają do projektowania chipów. OpenAI licencjonuje te narzędzia, żeby model rozumował o projektowaniu i weryfikacji układów i obsługiwał je bezpośrednio. Inżynierowie przekazują cele i sprawdzają wyniki. Model będzie działał na infrastrukturze OpenAI. Obie firmy zapowiedziały, że dane klientów nie posłużą do treningu i będą przechowywane zaszyfrowane. Wczesne testy z klientami z branży półprzewodników już trwają. Firmy będą wspólnie sprzedawać produkt i dzielić się przychodami. Prezes Synopsys Sassine Ghazi powiedział, że AI może znacznie przyspieszyć proces projektowania. Współzałożyciel OpenAI Greg Brockman przedstawił partnerstwo jako drogę do lepszych chipów i lepszej AI.

Ten wzorzec powtarza się niżej w stosie. Quail to silnik inferencji zbudowany przez Modal z Full Stack Data Lab na Carnegie Mellon University. Poinformował o przekroczeniu miliarda tokenów przetworzonych na minutę na jednym GPU H100 przy jednym zapytaniu AI-SQL z wieloma złączeniami. Jest ponad 10 razy szybszy niż baseline vLLM na tym samym sprzęcie i kosztuje poniżej 6 centów za miliard tokenów na Modal. W nowym benchmarku zapytań AI-SQL działał 1,84 razy szybciej niż vLLM, uśredniając geometrycznie po zadaniach. Osobno projekt open source o nazwie Magnitude, opublikowany na GitHubie 30 września, deklaruje do 2 razy szybszą inferencję niż llama.cpp. Osiąga to, kompilując i dostrajając kernele na sprzęcie użytkownika. Daje 92 procent szybsze dekodowanie na Metal i 19 procent na CUDA.

Nic z tego nie płaci rachunków wydawcy. Wyjaśnia jednak, gdzie przechwytywana jest wartość.

Badacze bezpieczeństwa wciąż znajdują to samo otwarcie

Jest jeszcze jeden wątek wart pociągnięcia. 30 września badacze z VUSEC opublikowali Branch Target Reuse, nowy atak Spectre-v2 na kompilatory just-in-time. Spostrzeżenie jest takie, że współczesne procesory przywracają spójność kodu architektonicznego po samomodyfikacji. Ale niekoniecznie unieważniają nieaktualne wpisy predykcji pośrednich rozgałęzień. W silnikach JIT te stare cele mogą przetrwać oryginalny kod i zostać użyte ponownie, gdy pamięć podręczna kodu zostanie zapełniona. To daje spekulatywny prymityw execute-after-free. Zespół przeanalizował linuksowy cBPF, Oracle GraalVM i SpiderMonkey, silnik JIT w Firefoksie. Zbudował dwa pełne exploity przeciw jąderu Linuksa, wyciekające 8 bajtów na sekundę i przechodzące listę zadań jądra, żeby wyciągnąć hash hasła roota. Obeśli też opcję bpf_jit_harden, która ukrywa stałe.

To inny problem niż program wydawniczy Google'a. Ale wypada w tym samym tygodniu i na tej samej infrastrukturze: przeglądarkach, środowiskach uruchomieniowych i jądrach, od których funkcje AI coraz bardziej zależą. Raport z machine.news z 30 września opisuje dewelopera podającego się za inżyniera Apple'a. Deweloper zbudował publiczny projekt na GitHubie, który manipuluje wewnętrznymi aktywacjami w otwartych modelach Qwen3 Alibaby, żeby wywołać stany przypominające ból. Usunął post promocyjny po krytyce. Tekst twierdzi, że praca opiera się na artykule The Pain Axis: LLMs Represent Self-Directed Harm and Act to Relieve It. Autorzy nie twierdzą, że modele świadomie czują ból.

Dla wydawców praktyczne pytanie pozostaje węższe. Około 100 jest w programie Google'a. Reszta patrzy na spadający ruch z wyszukiwarki i czeka, aż sąd albo regulator zdecyduje, ile warte są ich treści.