谷歌向约100家出版商付费购买AI内容，多数所得甚微

9月30日，The Decoder报道称，谷歌为AI概览、AI模式以及Gemini聊天机器人中使用的内容，向约100家数字出版商付费。其中一些出版商并不知道自己的款项是怎么算出来的。据The Information报道，这一试点项目启动至今不到一年。出版商可以在Google Search Console中查看使用情况和收入。

差距极大。

据The Information报道，对几家中小型博客和网站来说，所获款项不到其广告收入的0.1%。有一家出版商在几个月内拿到5万至6万美元。另一家一年收入超过100万美元。小型网站几个月内所得不到1000美元。报道称，动漫、游戏这类有稳定受众的细分主题内容，收入似乎更高。

出版商看不到计算公式

按设计，款项应取决于每个来源对AI回答的贡献程度。但一些参与者告诉The Information，他们不知道谷歌如何计算。款项可能逐月变化，且没有解释。这种不透明之所以要紧，是因为这些金额已经成了一桩反垄断案的主题。2025年7月，独立出版商就AI概览向欧盟委员会提出投诉。2025年9月，《滚石》母公司Penske Media起诉谷歌，指其造成流量与广告收入损失。2025年12月，欧盟委员会启动反垄断调查，审查谷歌是否施加了不公平条款。调查要问的是：谷歌在AI功能中使用出版商内容时，是否没有给予足够报酬，或没有提供真正的退出选项。

据The Information报道，一些较大的出版商拒绝加入该计划，以此施压谷歌提高价码。它们的流量本就在下滑。多项研究显示，AI概览大幅削减了通往开放网络的访问量。拒绝加入，是押注集体施压比单独签约更有效。到目前为止，几乎没有证据表明这改变了谷歌的费率。

德国一家法院还裁定，AI概览属于谷歌自己的内容，而不是对现有材料的摘要。如果这一解释得到更广泛的接受，那么只要谷歌在AI回答中使用出版商的作品，出版商就有了要求授权费的法律依据。The Decoder指出，追踪每个来源对一条回答的确切贡献即便并非不可能，也相当困难。而管理这些款项，会在费用本身之外再添一层开销。

流量才是更大的数字

付款总额只是账本的一边。另一边是不再到来的流量。近期的新闻标题都指向同一个方向。一份反垄断文件称，谷歌正在蚕食出版商的流量。小型出版商受搜索下滑的冲击最重。9月的一项分析认为，出版商的流量同比下滑40%。这些数字不在原始文件之内，应当作背景看待，而不是已确认的测量结果。

已确认的是机制。AI概览在搜索结果页上直接回答问题，原本该落到出版商那里的点击就不会发生。随后，谷歌向一部分出版商付费，买的是喂给那条回答的内容。费率由它定，条款由它写，退出选项由它掌控。The Decoder把这种安排称为分而治之，它制造了一种囚徒困境。少数人获益，多数人所得甚微或一无所得，而抽身离去的出版商对谷歌压力不大，因为别的来源会补上缺口。

单独签约也让出版商各谈各的，而不是集体谈判。

结构性论点是这样的：如果谷歌按公平费率授权全部内容，它的利润率就会受损。于是它选择性地授权，决定哪部分内容值多少。这并非新策略。The Decoder指出，几十年来，随着谷歌从网络上把更多内容引入搜索，这套做法一直为公司服务。AI概览把这一趋势推得更远、更快。

钱正流向工具层

就在出版商为百分之零点几争执时，资本正流入构建和运行AI系统的基础设施。周三，TechCrunch报道称，Flow Engineering以7.5亿美元估值完成5000万美元B轮融资。这家成立三年的旧金山初创公司出售用于硬件设计的AI工具。Valar Equity Partners的Antonio Gracias与Atreides Management的Gavin Baker共同领投。红杉资本参与其中，前红杉合伙人Roelof Botha以个人身份投资并加入董事会。Flow列出的客户包括Anduril、Rivian、Joby Aviation、General Motors PPU、RV Tech和Stoke Space。

同一天，The Decoder报道称，OpenAI与Synopsys签署了多年战略合作。这笔交易打造一个名为GPT-Synopsys的专用芯片设计模型。Synopsys生产电子设计自动化工具，即工程师设计芯片所用的软件。OpenAI获得这些工具的授权，使模型能够对芯片设计与验证进行推理，并直接操作这些工具。工程师下达目标，审阅输出结果。模型将在OpenAI的基础设施上运行。两家公司均表示，客户数据不会用于训练，并将加密存储。面向半导体客户的早期测试已经在进行。双方将共同推广该产品并分成收入。Synopsys首席执行官Sassine Ghazi表示，AI可以显著加快设计流程。OpenAI联合创始人Greg Brockman把这一合作称为通往更好芯片与更好AI的路径。

同样的模式在更底层重复出现。Quail是Modal与卡内基梅隆大学Full Stack Data Lab共同构建的推理引擎。它报告称，在一块H100 GPU上，针对一条多表连接AI-SQL查询，每分钟处理超过十亿个token。在相同硬件上，它比vLLM基线快10倍以上，在Modal上的成本低于每十亿token 6美分。在一项新的AI-SQL查询基准测试中，按任务几何平均计算，它比vLLM快1.84倍。另外，一个名为Magnitude的开源项目于9月30日发布到GitHub，声称推理速度最高可达llama.cpp的2倍。它的做法是在用户自己的硬件上编译并调优内核。在Metal上解码提速92%，在CUDA上提速19%。

这些都无法替出版商付账单。但它确实说明了价值正在哪里被截取。

安全研究者不断找到同一个缺口

还有一条线索值得追。9月30日，VUSEC的研究人员发布了Branch Target Reuse，一种针对即时编译器的新的Spectre-v2攻击。其洞见在于：现代CPU在代码自我修改后会恢复架构层面的代码一致性。但它们不一定让过时的间接分支预测条目失效。在JIT引擎中，这些过时的目标可能比原代码活得更久，并在代码缓存被重新填充时被复用。这就产生了一种推测执行型的use-after-free原语。团队分析了Linux cBPF、Oracle GraalVM以及Firefox的JIT引擎SpiderMonkey。他们构建了两个针对Linux内核的端到端利用，每秒泄露8字节，并遍历内核任务列表以提取root密码哈希。他们还绕过了bpf_jit_harden的常量混淆选项。

这与谷歌的出版商计划是不同的问题。但它落在同一周、同一套基础设施上：AI功能越来越依赖的浏览器、运行时和内核。machine.news于9月30日发布的一篇报道提到，一名自称苹果工程师的开发者。这名开发者建立了一个公开的GitHub项目，通过操纵阿里巴巴开放权重模型Qwen3的内部激活，诱发类似疼痛的状态。在受到批评后，他删除了推广帖。文章称，这项工作基于一篇题为The Pain Axis: LLMs Represent Self-Directed Harm and Act to Relieve It的论文。作者并未声称模型有意识地感到疼痛。

对出版商来说，实际问题仍然更窄。约100家身处谷歌的计划之内。其余的则看着搜索流量下滑，等待法院或监管机构裁定他们的内容值多少钱。