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，谷歌正为AI Overviews、AI Mode和Gemini聊天机器人中使用的内容向约100家数字出版商付费。据The Information报道，这个试点项目启动不到一年，出版商可以在Google Search Console中查看使用情况和收入。一些出版商并不知道自己的款项是怎么算出来的。

差距极大。

据The Information报道，对几家中小型博客和网站来说，这些款项不到广告收入的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。小型网站几个月内收到的不足1000美元。报道称，动漫、游戏等有稳定受众的细分领域内容似乎收入更高。

出版商看不到计算公式

款项本应取决于每个来源对AI回答的贡献有多大。但一些参与者告诉The Information，他们不知道谷歌如何计算这些款项。金额还可能逐月变化，没有任何解释。这种不透明之所以要紧，是因为这些金额已经成为反垄断案件的标的。2025年7月，独立出版商就AI Overviews向欧盟委员会提出申诉。2025年9月，《滚石》母公司Penske Media起诉谷歌，指控其造成流量和广告收入损失。2025年12月，欧盟委员会启动反垄断调查，审查谷歌在使用出版商内容支撑AI功能时，是否以不充分的报酬或缺乏真正的退出选项施加不公平条款。

据The Information报道，一些规模较大的出版商拒绝加入该计划，试图推动谷歌提高价码。它们的流量本就在下滑，多项研究显示AI Overviews大幅减少了流向开放网络的访问。拒绝加入是一场押注：集体施压比单独签约更管用。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 Overviews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，出版商就有了法律依据，可以在谷歌把其作品用于AI回答时要求授权费。The Decoder指出，追踪每个来源对某个回答的确切贡献即便并非不可能，也十分困难。管理这些款项还会在授权费之外再增加行政成本。

流量才是更大的数字

款项总额只是账本的一边。另一边是不再到来的流量。本栏目追踪的近期标题都指向同一个方向：一份反垄断文件称谷歌蚕食出版商流量，小型出版商在搜索流量下滑中受创最重，而9月的一份分析认为出版商的同比降幅达40%。这些数字不在本档案的主要文件之内，应视为背景，而非已确认的测量结果。

档案确认的是机制。AI Overviews在搜索结果页上直接回答问题，原本会跳到出版商那里的点击就没有发生。谷歌随后为喂养这些回答的内容向一部分出版商付费，费率由它定，条款由它写，退出机制由它掌控。The Decoder把这种安排形容为分而治之，制造了一场囚徒困境：少数人获益，多数人所得甚少或一无所获，而离开的出版商对谷歌几乎构不成压力，因为其他来源会补上缺口。

单独签约也让出版商各自谈判，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所有内容，它的利润率就会受损。所以它选择性地授权，决定哪些内容值多少钱。这不是新策略。The Decoder指出，几十年来，随着谷歌从网络抓取越来越多的内容放进搜索，这一策略一直为公司服务。AI Overviews把这一趋势推得更远、更快。

钱正在流向工具层

当出版商为百分之零点几的份额争执时，资本正流入构建和运行AI系统的基础设施。周三，TechCrunch报道称，成立三年的旧金山初创公司Flow Engineering完成5000万美元B轮融资，估值7.5亿美元。这轮融资由Valar Equity Partners的Antonio Gracias和Atreides Management的Gavin Baker共同领投，红杉资本参投，前红杉合伙人Roelof Botha以个人身份投资并加入董事会。Flow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签署多年战略合作，共同打造名为GPT-Synopsys的专用芯片设计模型。Synopsys生产电子设计自动化工具，也就是工程师用来设计芯片的软件。OpenAI获得这些工具的授权，让模型能够对芯片设计和验证进行推理并直接操作工具，工程师负责下达目标并审核输出。模型将在OpenAI的基础设施上运行。两家公司表示，客户数据不会用于训练，并将加密存储。针对半导体客户的早期测试已经展开，双方将共同推广该产品并分享收入。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把这桩合作描述为通往更好芯片和更好AI的路径。

同样的模式在更底层重复出现。由Modal与卡内基梅隆大学Full Stack Data Lab共同构建的推理引擎Quail报告称，在一块H100 GPU上，针对某条多表连接AI-SQL查询，每分钟处理超过十亿个token，比同一硬件上的vLLM基线快10倍以上，在Modal上的成本低于每十亿个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，它比vLLM快1.84倍。另外，一个名为Magnitude的开源项目9月30日发布到GitHub，声称通过在用户自己的硬件上编译和调优内核，推理速度最高可达llama.cpp的2倍，在Metal上解码快92%，在CUDA上快19%。

这些都不会替出版商付账单。但它确实解释了价值正在哪里被截取。

安全研究者不断找到同一个入口

还有一条线索值得追下去。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，但不一定会让过期的间接分支预测条目失效。在JIT引擎中，这些过期目标可以比原代码活得更久，并在代码缓存被重新填充时被复用，从而产生一个推测性的execute-after-free原语。团队分析了Linux cBPF、Oracle GraalVM和SpiderMonkey（Firefox的JIT引擎），并构建了两个针对Linux内核的端到端漏洞利用，每秒泄露8字节，并遍历内核任务列表提取出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。本档案还收录了machine.news于9月30日的一篇报道，讲一名自称苹果工程师的开发者建了一个公开的GitHub项目，通过操纵阿里巴巴开放权重模型Qwen3的内部激活来诱发类似疼痛的状态，并在受到批评后删除了推广帖。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，论文作者并不声称这些模型有意识地感到疼痛。

对出版商来说，实际问题要窄得多。约100家在谷歌的计划之内。其余的正看着搜索流量下滑，等待法院或监管机构裁定他们的内容值多少钱。