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›

谷歌向约100家媒体付费使用AI答案,部分媒体几乎分文未得

谷歌正在向大约100家数字媒体付费,以换取它们的内容被用于AI Overviews、AI Mode和Gemini聊天机器人。据The Information报道、The Decoder于9月30日转述,对几家中小型网站来说,这些款项不到其广告收入的0.1%。

媒体与互联网分析林晓雯发布: 2026年9月30日6 分钟阅读资料来源 13
谷歌向约100家媒体付费使用AI答案,部分媒体几乎分文未得

这项试点启动还不到一年。媒体可以在Google Search Console里看到自己的内容被纳入AI答案的频率,以及因此赚了多少钱。看不到的是计算公式。

一些参与方告诉The Information,他们不知道谷歌如何计算这些款项。金额可能逐月变化,没有任何解释。差距很大。有一家媒体在几个月里拿到5万美元至6万美元。另一家每年收入超过100万美元。据The Decoder对这份报道的转述,小型网站几个月里拿到的不到1000美元。动漫、游戏等拥有稳定受众的小众题材内容似乎赚得更多。这就是谷歌一项本不必运行的计划进行九个月后给出的条件。它出现的时间点,恰逢9月底,谷歌与开放网络的关系已经在三大洲的法庭和监管机构办公室里被重新谈判。

媒体在权衡什么

据The Information报道,一些较大的媒体拒绝加入该计划,以推动谷歌提高付费。它们的流量已经在下降。多项研究显示,AI Overviews大幅减少了流向开放网络的访问。这就是摆在明面上的交易:接受一个你从未参与谈判的费率,或者在你无论如何都在流失推荐流量的同时继续硬撑。

结构性问题在于,单独签约让媒体只能各自谈判,而不是集体谈判。少数媒体获益,多数所得甚微。退出的媒体对谷歌压力有限,因为其他来源会填补空缺。The Decoder的Matthias Bastian把这种安排称为分而治之,让媒体陷入囚徒困境。当付费模式让谷歌决定内容值多少钱时,这个标签很难反驳。

谷歌对批评的回应,是选择性的授权协议加上一个退出选项。Tempo.co English在9月29日报道称,媒体正在争取可控的访问权限,而不是全有或全无的开关。PPC Land在9月29日关于谷歌搜索负责人Nick Fox的文章属于同一场讨论。The Information的原报道发表于9月29日。转载版本于9月30日出现在Investing.com和Investing.com Canada,inkorr.com于9月29日刊登了摘要。

监管机构没有等试点成熟。2025年7月,独立媒体就AI Overviews向欧盟委员会提出投诉。据The Decoder报道,同年9月,《滚石》母公司Penske Media以流量和广告收入损失为由起诉谷歌。欧盟委员会于2025年12月启动反垄断调查,审查谷歌是否在使用媒体内容服务AI功能时未给予足够报酬、也未提供真正的退出途径,从而施加不公平条款。

一项可能重置价格的德国裁决

据The Decoder报道,一家德国法院裁定,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接受,媒体就有了法律依据,可以在谷歌把它们的作品用于AI答案时索取授权费。每个来源对一条答案的具体贡献很难追踪。管理这些款项会增加运营开销,授权费本身也可能压缩谷歌的利润率。法院的定性,把一个不透明的收入分成试点变成了潜在的赔偿责任。

这一切都不是发生在稳定的流量市场里。让这些款项变得重要的搜索推荐下滑,已经有好几个月的记录。3月和6月的报道追踪到,小型媒体最多失去60%的搜索流量。2月的一份反垄断申诉指控谷歌蚕食媒体流量。到9月24日,一家监测机构把媒体的同比降幅定在40%。微软在9月决定给Copilot结果加上“追问”功能,据9月7日报道,这也指向Bing推荐流量的同一方向。

与此同时,行业其余部分正在围绕AI辅助工作的方式重组,而这些方式都假定点击会更少。The Robot Report的母公司Arrowfly于9月30日推出AI for Engineers平台。它提到一个由20多个工程类品牌组成的网络,覆盖210万经过验证的行业读者和2900万网站访客。一场会议定于2027年9月20日至22日在内华达州亨德森举行。这是一门为订阅加活动、而不是为页面浏览量打造的未来媒体生意。

同一转变的技术一侧还在加速。据The Decoder报道,OpenAI与Synopsys于9月30日签署多年合作协议,共同打造GPT-Synopsys,这是一个用于芯片设计的AI模型,运行在OpenAI基础设施上,客户数据不用于训练。据TechCrunch报道,周三,Valor、Atreides和Sequoia以7.5亿美元估值投资了硬件设计初创公司Flow Engineering。同一天,VUSEC研究组公布了Branch Target Reuse,这是一种针对Firefox的SpiderMonkey、Oracle GraalVM和Linux内核中JIT引擎的Spectre-v2攻击,每秒泄露8字节。Facebook发布了OpenZL v0.3.0,项目称在同等设置下解压速度比Zstandard快144%。

更小、更实用的条目填满了这一周。Modal发布了Quail,称其在一台H100 GPU上执行单条多表关联的AI-SQL查询时,每分钟可处理超过十亿个token,在其自有平台上每十亿token不到6美分。Elastic的搜索实验室在250条Amazon Shopping Queries上测试了TypeSafe AI的Jev模型作为电商重排器,把nDCG@10从0.9351提升到0.9565,每百万输入token收费0.042美元。YC S25公司Magnitude发布了一个面向智能体的开源推理引擎,声称运行开放模型比llama.cpp快最多2倍,在Metal上解码快92%。

而这一切底下的劳动力问题正在公开争论。一位软件工程师9月30日在martinelli.ch上写道,AI编码智能体正在把专业化角色重新压缩成一个全能角色,规格说明成了项目里最重要的产物。Pooyam是一位在GPU和TPU层面研究LLM训练与推理性能的工程师,他同一天写道,实现成本正趋近于零,剩下的瓶颈是决定要造什么。有控制工程背景的AI工程师Gerben Rijpkema认为,嘈杂、杂乱的数据恰恰是LLM发挥价值的地方,这也是为什么狭窄的特定用例架构能在通用工具失败处成功。

对媒体来说,这笔账没那么哲学。一笔四舍五入后不到广告收入0.1%的款项,在任何有意义的意义上都不是授权协议。它是挂在一个正在主动削减那些广告曾经依托的流量的产品上的舍入误差。在德国裁决被别处检验、或者布鲁塞尔迫使公式公开之前,条件就停留在试点开始以来的样子:由谷歌设定,哪里都不公布,一次和一家媒体重谈。

评论 0

资料来源

13
  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. 04Launch HN: Magnitude (YC S25) - Self-optimizing inference engine for agentsEN
  5. 05The Robot Report parent Arrowfly launches AI for Engineers platform, events for engineers navigating AIEN
  6. 06Branch Target Reuse: Spectre-v2 Attacks in JIT EnginesEN
  7. 07Back to the 90s: The Software Engineer Has All the Roles AgainEN
  8. 08Hitting 1B tokens/minute on 1 GPU combining a query planner and inference engineEN
  9. 09OpenZL v0.3.0: a major upgrade of native LZ engine and Compression TransformerEN
  10. 10Using Jev as a Search RerankerEN
  11. 11What control engineering taught me about building AI systemsEN
  12. 12Software Engineering After CodeEN
  13. 13The Decoder on Google's publisher payments (AI Overviews, AI Mode, Gemini)EN

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。

林晓雯

林晓雯

人工智能、模型与技术

林晓雯负责FLASH24的人工智能、模型与技术方向,主要写科技、人工智能与模型、媒体与互联网三个领域。她习惯从论文预印本、开源代码库和厂商技术文档入手,先核对训练数据来源和评测口径,再决定是否落笔。遇到模型跑分,她会自己复现一遍小规模测试,并对照独立第三方榜单,确认数字没有注水。她常联系一线工程师和产品经理,也盯着各大会议截稿日,把不同版本的技术报告放在一起比。业余时间她玩3D打印、折腾老电脑,还关心模型从网络垃圾里学到的偏见问题,这让她对数据清洗格外敏感。她有一条原则:拿不到原始数据的性能宣称,不写。

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。