Google płaci około 100 wydawcom za treści do AI, a większość dostaje bardzo mało

30 września The Decoder poinformował, że Google płaci około 100 wydawcom cyfrowym za treści wykorzystywane w AI Overviews, AI Mode i chatbotie Gemini. Część z nich nie wie, jak liczone są ich należności. Program pilotażowy ruszył niecały rok wcześniej, jak podaje The Information, a wydawcy mogą śledzić wykorzystanie treści i zarobki w Google Search Console.

Rozrzut kwot jest ogromny.

Kilka małych i średnich blogów oraz serwisów dostaje mniej niż 0,1 procent przychodów z reklam, donosi The Information. Jeden wydawca dostał 50 000 do 60 000 dolarów w ciągu kilku miesięcy, inny zarabia ponad 1 000 000 dolarów rocznie. Małe serwisy otrzymały mniej niż 1 000 dolarów przez kilka miesięcy. Lepsze stawki trafiają do treści o niszowej tematyce z oddaną publicznością, na przykład o anime i grach, wynika z raportu.

Wydawcy nie widzą wzoru

Wypłaty mają zależeć od tego, jak duży wkład wnosi dane źródło w odpowiedź AI. Część uczestników powiedziała jednak The Information, że nie wie, jak Google je wylicza, i że kwoty zmieniają się z miesiąca na miesiąc bez wyjaśnienia. Ta nieprzejrzystość ma znaczenie, bo wysokość wypłat trafiła już do akt antymonopolowych. W lipcu 2025 roku niezależni wydawcy złożyli do Komisji Europejskiej skargę w sprawie AI Overviews. We wrześniu 2025 roku Penske Media, właściciel Rolling Stone, pozwał Google za utratę ruchu i przychodów z reklam. W grudniu 2025 roku Komisja Europejska wszczęła postępowanie antymonopolowe: sprawdza, czy Google nie narzuca nieuczciwych warunków, wykorzystując treści wydawców w funkcjach AI bez odpowiedniej zapłaty i bez realnej możliwości rezygnacji.

Niektórzy więksi wydawcy nie wchodzą do programu, licząc, że w ten sposób zmuszą Google do wyższych stawek, podaje The Information. Ich ruch i tak spada, a kilka badań pokazuje, że AI Overviews mocno ograniczają wejścia do otwartego internetu. Odmowa to zakład, że presja zbiorowa działa lepiej niż indywidualna umowa. Na razie niewiele wskazuje, żeby ruszyła stawki Google'a.

Niemiecki sąd orzekł też, że AI Overviews to własna treść Google'a, a nie streszczenie istniejących materiałów. Gdyby ta interpretacja się upowszechniła, wydawcy mieliby podstawę prawną, żeby żądać opłat licencyjnych za każdym razem, gdy Google używa ich pracy w odpowiedzi AI. The Decoder zauważył, że policzenie dokładnego wkładu każdego źródła w odpowiedź byłoby trudne, jeśli nie niemożliwe, a obsługa tych płatności dołożyłaby koszty ponad same opłaty.

Ruch to większa liczba

Sumy wypłat to jedna strona bilansu. Druga to ruch, który już nie przychodzi. Ostatnie nagłówki, które śledzi ta redakcja, wskazują w jednym kierunku: pismo antymonopolowe mówi, że Google kanibalizuje ruch wydawców, małe serwisy najbardziej odczuwają spadki w wyszukiwarce, a jedna z wrześniowych analiz podała 40 procent spadku rok do roku dla wydawców. Te liczby nie pochodzą z dokumentów źródłowych tego dossier i trzeba je traktować jako tło, a nie potwierdzone pomiary.

Dossier potwierdza za to mechanizm. AI Overviews odpowiadają na pytania na stronie wyników, więc kliknięcie, które kiedyś szło do wydawcy, nie następuje. Google płaci potem części wydawców za treści, które zasiliły odpowiedź. Stawki ustala sam, warunki pisze sam, a możliwość rezygnacji też sam kontroluje. The Decoder opisał ten układ jako zasadę dziel i rządź, która tworzy dylemat więźnia: kilku korzysta, większość dostaje mało 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 wspólnie.

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

Pieniądze płyną do warstwy narzędziowej

Gdy wydawcy spierają się o ułamki procenta, kapitał płynie do infrastruktury, która buduje i uruchamia systemy AI. W środę TechCrunch poinformował, że Flow Engineering, trzyletni startup z San Francisco sprzedający narzędzia AI do projektowania sprzętu, zebrał 50 000 000 dolarów w rundzie Series B przy wycenie 750 000 000 dolarów. Rundę współprowadzili Antonio Gracias z Valar Equity Partners i Gavin Baker z Atreides Management. Obok nich wzięli w niej udział Sequoia Capital oraz były partner Sequoia Roelof Botha, który zainwestował prywatnie i wszedł do rady. Flow wymienia wśród klientów Anduril, Rivian, Joby Aviation, General Motors PPU, RV Tech i Stoke Space.

Tego samego dnia The Decoder podał, że OpenAI i Synopsys podpisały wieloletnie partnerstwo strategiczne. Jego celem jest wyspecjalizowany model do projektowania układów o nazwie GPT-Synopsys. Synopsys tworzy narzędzia do automatyzacji projektowania elektronicznego, czyli oprogramowanie, którego inżynierowie używają do projektowania chipów. OpenAI licencjonuje te narzędzia, żeby model mógł rozumować o projektowaniu i weryfikacji układów oraz obsługiwać je bezpośrednio. Inżynierowie wyznaczają cele i sprawdzają wynik. Model będzie działał na infrastrukturze OpenAI. Obie firmy zapowiedziały, że dane klientów nie posłużą do trenowania i będą przechowywane w formie zaszyfrowanej. Wczesne testy u klientów z branży półprzewodników już trwają, a obie 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 ujął partnerstwo jako drogę do lepszych chipów i lepszego AI.

Ten sam wzorzec powtarza się niżej w stosie. Quail, silnik inferencji zbudowany przez Modal z Full Stack Data Lab na Carnegie Mellon University, podał, że na jednym GPU H100 przetworzył ponad miliard tokenów na minutę w jednym zapytaniu AI-SQL z wieloma złączeniami. To ponad 10 razy szybciej niż bazowy vLLM na tym samym sprzęcie i poniżej 6 centów za miliard tokenów na Modal. W nowym benchmarku zapytań AI-SQL wypadł 1,84 razy szybciej niż vLLM, licząc średnią geometryczną po zadaniach. Osobno projekt open source o nazwie Magnitude, opublikowany na GitHubie 30 września, deklaruje do 2 razy szybszą inferencję niż llama.cpp dzięki kompilowaniu i dostrajaniu jąder na sprzęcie użytkownika, z dekodowaniem szybszym o 92 procent na Metal i o 19 procent na CUDA.

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

Badacze bezpieczeństwa wciąż znajdują to samo wejście

Jest jeszcze jeden wątek wart wyciągnięcia. 30 września badacze z VUSEC opublikowali Branch Target Reuse, nowy atak typu Spectre-v2 na kompilatory just-in-time. Sedno polega na tym, że współczesne procesory przywracają spójność kodu architektonicznego po jego modyfikacji, ale nie muszą unieważniać nieaktualnych wpisów pośredniej predykcji rozgałęzień. W silnikach JIT te nieaktualne cele mogą przeżyć oryginalny kod i zostać użyte ponownie, gdy pamięć podręczna kodu zostanie zapełniona. Daje to spekulatywną prymitywę execute-after-free. Zespół przeanalizował Linux cBPF, Oracle GraalVM i SpiderMonkey, silnik JIT w Firefoksie, i zbudował dwa pełne exploity na jądro Linuksa. Wyciekały 8 bajtów na sekundę i przechodziły listę zadań jądra, żeby wydobyć hash hasła roota. Badacze ominęli też opcję bpf_jit_harden, która zasłania stałe.

To inny problem niż program wydawniczy Google'a, ale trafia w tym samym tygodniu i na tę samą infrastrukturę: przeglądarki, środowiska uruchomieniowe i jądra, od których coraz bardziej zależą funkcje AI. Dossier zawiera też tekst z machine.news z 30 września. Opisuje dewelopera podającego się za inżyniera Apple'a, który zbudował publiczny projekt na GitHubie. Projekt manipuluje wewnętrznymi aktywacjami w otwartych modelach Qwen3 firmy Alibaba, żeby wywołać stany przypominające ból. Autor usunął wpis promocyjny po krytyce. Publikacja podaje, że praca opiera się na artykule The Pain Axis: LLMs Represent Self-Directed Harm and Act to Relieve It, którego autorzy nie twierdzą, że modele świadomie odczuwają 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.