跳到正文
世界时间EU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

关于人工智能与技术的门户事件 · 分析 · 访谈 · 技术背景

搜索
直播
›

Google 的 AI Overviews 付费试点:100 家媒体实际能拿到多少钱

据 The Information 报道,Google 正在向约 100 家数字媒体付费,以换取其内容在 AI Overviews、AI Mode 和 Gemini 中的使用。金额差距极大:有的几个月合计不到 1000 美元,有的则一年超过 100 万美元。

媒体与互联网解释王雅琴发布: 2026年9月30日7 分钟阅读资料来源 15
Google 的 AI Overviews 付费试点:100 家媒体实际能拿到多少钱

Google 向内容被用于其 AI 回答的媒体付费,这个试点计划已经运行了大约一年。流传出来的数字并不好看。The Information 在 9 月 29 日报道称,约有 100 家数字媒体加入,付费金额差距极大:一些中小型博客和网站拿到的钱不到其广告收入的 0.1%,小网站几个月合计不到 1000 美元,一家媒体在几个月里拿到 5 万至 6 万美元,还有一家一年能拿到超过 100 万美元。The Decoder 在 9 月 30 日跟进了这条消息。

这就是新闻由头。它并不是任何传统意义上的授权制度。

据 The Information 的报道,参与者在 Google Search Console 里能看到自己的内容被使用了多少次、自己赚了多少。他们看不到的是计算公式。多家媒体告诉该媒体,他们不知道 Google 如何计算这些付款,金额每月变动,也没有任何解释。动漫、游戏这类有稳定受众的垂直题材,似乎比综合新闻表现更好。

一份没有公开条款的试点

结构比任何一张支票都重要。Google 通过选择性协议、一个退出功能和一套由它自己决定某条内容值多少钱的付费模式来设定条款。每家媒体单独谈判。The Decoder 在 9 月 30 日的报道中直白地描述了由此形成的局面:单独签约让媒体各自谈判,而不是集体谈判;而选择退出的媒体对 Google 几乎构不成压力,因为其他来源会填补空缺。

据 The Information 报道,一些规模较大的媒体正是出于这个原因拒绝加入,希望借此抬高费率。它们的流量已经在下降,而多项研究显示 AI Overviews 大幅减少了指向开放网络的访问。

法律压力也在同步累积。独立媒体于 2025 年 7 月就 AI Overviews 向欧盟委员会提出投诉。同年 9 月,《滚石》母公司 Penske Media 因流量和广告收入损失起诉 Google。2025 年 12 月,欧盟委员会启动反垄断调查,审查 Google 是否在使用媒体内容做 AI 功能时未给予足够报酬、也没有提供真正的退出方式,从而施加了不公平条款。据 Tempo.co English 9 月 29 日报道,Google 的退出设计招致媒体的具体批评,他们想要的是可控的访问权限,而不是全有或全无的开关。

还有德国的裁决。一家德国法院认定,AI Overviews 属于 Google 自己的内容,而不是对现有材料的摘要。如果这一解释扩散开来,媒体就有了法律依据,可以在自己的作品出现在 AI 回答中时要求授权费。The Decoder 指出了这种结果在操作层面的问题:追踪每个来源对一条回答的确切贡献既困难又几乎不可能,而管理这些付款还会增加额外开销。

Google 这边则一直在公开重新定义搜索是什么。《时代》杂志 9 月 29 日的文章《你来 Google 是为了搜索,现在你在和 AI 聊天》描述了用户行为的变化,而这些付款正是为了应对这种变化。PPC Land 在 9 月 29 日刊出一篇解释性文章,介绍与搜索业务关系最密切的 Google 高管 Nick Fox。

账本上的流量那一半

付款只是故事的一半。另一半是引荐流量,而那边的方向没有争议。围绕这条消息汇总的标题指出,截至 9 月 24 日,Google 搜索给媒体带来的流量同比降幅扩大到 40%。更早的报道提到,一些小网站的降幅达到 60%,小媒体受冲击最重。另一份反垄断文件则主张 Google 在蚕食媒体的流量。

这些数字来自方法各异的不同研究,不应被当作一次统一的测量来读。它们一致的地方是方向。

微软也在朝同一方向走。9 月,它为 Copilot 的结果加上“追问”功能,这一改动可能进一步影响媒体的流量。与此同时,媒体正在为 Google 搜索流量大幅减少的未来做推演,并设法缓解冲击,6 月的报道已对此作出描述。

“我们工作的要义是在不确定中保持谨慎。故意把痛苦最大化恰恰相反,而且是错的。更深层的问题是 AI 研究没有伦理标准;制定这些标准必须成为优先事项。”

这段引语与出版业无关。它出自 Cameron Berg,论文《痛苦轴:大语言模型表征自我导向的伤害并采取行动缓解它》的作者之一,评论的是另一桩争议:一名自称苹果工程师的男子做了一个 GitHub 项目,通过操纵模型激活值,在阿里巴巴的 Qwen3-1.7B 和 Qwen3-4B 模型里诱发与痛苦相关的状态,然后测试信号加强时模型如何反应。Machine.news 在 9 月 30 日报道称,该仓库被大量举报,这名工程师删除了 X 上的一条推广帖,并写道他不希望这件事与自己的主账号关联。这提醒人们,如今在调解出版业的那些系统的建造者,自身也有一套尚未定型的规范。

同样的钱在别处能买到什么

与流向媒体的金额相比,本周其余的 AI 融资新闻看起来像是另一个经济体。Flow Engineering 是一家成立三年的旧金山创业公司,销售用于硬件设计的 AI 工具,周三宣布以 7.5 亿美元估值完成 5000 万美元 B 轮融资。据 TechCrunch 报道,本轮由 Valor Equity Partners 的 Antonio Gracias 和 Atreides Management 的 Gavin Baker 共同领投,红杉资本参投。红杉在去年 10 月领投了该公司的 A 轮。

OpenAI 与 Synopsys 于 9 月 30 日签署多年合作协议,共同打造名为 GPT-Synopsys 的芯片设计模型,把 OpenAI 的模型与 Synopsys 的电子设计自动化工具结合起来。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 则把这笔交易描述为通往更好芯片与更好 AI 的路径。

在基础设施一侧,Modal 公布了 Quail 的基准测试结果,这是面向 AI-SQL 工作负载的查询感知推理层。在一项多表连接查询上,它报告单块 H100 GPU 每分钟处理超过 40 亿个 token,在同一硬件上比其 vLLM 基线快 10 倍以上,在 Modal 上的成本低于每 40 亿个 token 6 美分。在其新的 AI-SQL 基准上,Quail 按任务几何平均计算比 vLLM 快 1.84 倍。

Elasticsearch Labs 测试了 TypeSafe AI 的 System One 模型 Jev,把它用作搜索重排序器,测试集为 250 条 Amazon Shopping Queries 和 4754 组已判定配对,把 nDCG@10 从 0.9351 提升到 0.9565,把 Exact MRR 从 0.9201 提升到 0.9616。TypeSafe 对每 100 万输入 token 收费 0.042 美元,输出 token 定价为零。

这些都不改变一家小媒体的算术:它从一个已经运行数月的计划里拿到不到 1000 美元。对比本身就是重点。

本周的工程博客里还有一场更安静的讨论,关于干活的人会怎样。martinelli.ch 上的一篇文章认为,AI 编程代理正在把专业化的角色重新压回单个工程师身上,由这个人面对客户、设计、构建并运行整个东西,就像 1990 年代那样,而规格说明成了最重要的产物。pooyam.dev 上的一篇文章出自一位做 GPU 和 TPU 上大模型训练与推理性能的人之手,说得更远:“我接受了我过去的工作生活已经彻底结束。”第三篇在 rtfm.co.ua 上,警告说把工作委托给代理,可能让工程师变成代理与部署按钮之间的“人肉中间件”。

媒体因此处在什么位置

试点、欧盟委员会的调查、Penske 的诉讼和德国的裁决,全都同时在进行。Google 没有公布付费公式,接受 The Information 采访的参与者也说不清。公开记录里最新的硬数字就是这个差距本身:有的不到 1000 美元,至少有一家一年超过 100 万美元。

与此同时,促成这些交易的流量下滑仍在继续,而那些坚持等待更好条件的媒体,是在自己的引荐流量不断减少的情况下坚持的。

评论 0

资料来源

15
  1. 01Google is paying almost no publishers almost nothing for content used in AI answersEN
  2. 02Valor, Atreides, and Sequoia back AI startup Flow Engineering at $750M valuationEN
  3. 03OpenAI and Synopsys team up to build an AI model that designs chips like a seasoned engineerEN
  4. 04"Apple engineer" builds GitHub AI torture chamber to inflict "pain and anguish" on modelsEN
  5. 05Quail: Speeding up AI-SQL by jointly optimizing query planner and inference engineEN
  6. 06Using Jev as a search reranker: benchmarks and how to implementEN
  7. 07Back to the 90s: The Software Engineer Has All the Roles AgainEN
  8. 08Software Engineering After CodeEN
  9. 09AI: LLMs, Agents, Work, and Us – Engineers. Personal ThoughtsEN
  10. 10Branch Target Reuse: Spectre-v2 Attacks in JIT EnginesEN
  11. 11OpenZL v0.3.0: a major upgrade of native LZ engine and Compression TransformerEN
  12. 12What control engineering taught me about building AI systemsEN
  13. 13The Robot Report parent Arrowfly launches AI for Engineers platform, events for engineers navigating AIEN
  14. 14Marketing That Makes Sense to EngineersEN
  15. 15When we talk about traffic violenceEN

本文所有数字与引语均来自下列来源,未添加来源之外的内容。

本内容由编辑部在人工智能辅助下制作完成。

王雅琴

王雅琴

人工智能、模型与技术

王雅琴负责FLASH24的人工智能、模型与技术报道,覆盖科技、人工智能与模型、媒体与互联网领域。她习惯直接查阅技术文档、模型卡与官方博客,而非依赖新闻稿,对未经核实的参数和跑分数据一概不放行。每篇报道前,她会逐项核对基准测试结果,对照论文原文与开源代码,确认版本号、数据集和评测条件是否一致。她常联系开发者与研究人员求证细节,也盯着各大厂商的发布会和论文截稿日期,横向比较同类模型的实际表现。私下她自建服务、折腾家庭网络,这让她对部署成本和真实算力需求有直观判断。她的原则是:没有可复现来源的数字,不写进稿子。

编辑部 →

评论

0
  1. 还没有评论——来说两句吧。

写评论

评论公开展示。我们不发布辱骂、垃圾信息和广告内容。