谷歌要求出版商10月1日起人工核实AI内容，流量数据却指向相反方向

谷歌10月1日修改了面向使用生成式AI的网站的指引。据Search Engine Journal报道，修订后的页面告知出版商，生成模型「并不检索事实，而是根据训练数据预测一个可能的词序列」，其输出「可能包含不准确之处（也就是幻觉）」。

接下来的要求很直接：发布前对所有AI生成的内容进行人工核实和审阅。审阅范围也包括元数据，即标题元素、元描述、结构化数据和图片替代文本，这些都可能出现在搜索结果中。Search Engine Journal报道称，谷歌的文档更新页面把这次改动列为当天唯一被编辑的页面，并称该指引与搜索质量评估员指南保持一致。

对花两年时间搭建AI辅助生产流程的新闻编辑室来说，这是一条操作指令，不是哲学研讨课。如今每一份AI起草的标题和替代文本字符串，都落入了谷歌所说的应当人工完成的审阅环节。

流量数据如何说明这笔交易

这份指引出台之际，被搜索引擎找到这件事本身的经济账正在变化。Mehrzad Khosravi与Hema Yoganarasimhan的论文发布在arXiv上，最后一次修订于2026年10月25日，估算了谷歌AI Overviews对维基百科搜索流量的影响。作者利用AIO分地区逐步上线的节奏和维基百科的多语言结构，采用双重差分设计，把英文维基百科文章每月来自外部搜索的推荐流量，与德语和法语版本中的同一批文章进行对比。

他们的发现是：AIO默认可用使英文搜索流量相对这两个对照语言分别下降5.45%和4.82%。论文摘要称，结果表明直接给出答案的数字中介能够实质性把注意力从信息类出版商那里转移走，这对内容变现、搜索平台设计和政策都有影响。arXiv的修订记录显示，该投稿自2月以来已历经七个版本，最新一版在10月25日。

论文测量的是维基百科，不是新闻网站，作者对能否推广也很谨慎。但它分离出的机制，即AI答案压在自然链接上方，正是出版商在法庭上争论的那件事。

法律路径正在收窄

卷宗背景信息流中的近期标题称，一名法官驳回了Chegg和Penske提起的AI Overviews案件，有媒体把该裁决解读为：期待并不等于协议。这些标题不在所提供的源文本之内，因此这里的法律细节应视为未经核实。不过方向与arXiv论文的框架一致：争端正从法庭转向推荐日志。

这让测量成为战场。出版商无法传唤一个排序系统，但他们可以统计会话数。

如今谁算出版商

同一周的产出显示，这个定义正在松动。10月4日，Nero7991在GitHub上发布了一个全Fabric的VHDL推理引擎，可在FPGA硬件上运行Qwen3.5级Transformer推理，单卡支持90亿参数，双卡目标为270亿参数。README称，输出已与运行BF16 GGUF的llama.cpp做过验证，逐层激活值与INT4及定点数据通路的位精确C模型比对，分词器和聊天模板也与llama.cpp位精确一致。

这是研究产物，不是产品，面向多裸片推理的张量并行集合通信仍只是个骨架。但一个曾经需要数据中心整机柜的模型，如今有了瞄准两张各带8 GiB HBM的显卡的参考实现。分布式推理改变了谁能负担生成答案的成本，也因此改变了出版商要面对多少个答案入口。

工具层跑得一样快。JetBrains在10月4日发布了实地笔记，介绍其用于语义代码搜索的Air Context检索增强生成流水线。做这个，是因为依赖grep的智能体找不到标识符与查询不匹配的代码。文章坦率谈到演示与生产之间的差距：「一个经过充分评估的生产级方案，肯定不是」那么简单。这句话用在AI辅助出版流程上精确得让人不舒服，因为一份看似合理的草稿和一份正确的草稿，在有人核对之前长得一模一样。

人应该坐在哪里

npm联合创始人、现负责Arize开发者关系的Laurie Voss在10月4日对Chain of Thought通讯表示，编程从来就不是那份工作。「他们不想去搞清楚，他们只想要一个能做他们想做的事的东西，」Voss在通讯刊出的采访中谈到那位需要订单跟踪软件的烘焙店老板时说。他的论点是，产品直觉、与客户接触、知道该把哪些上下文交给智能体，才是留给人的工作。

拿这段话对照谷歌的新措辞，两者正好对上。机器产出词序列，人则应当对它是真是假负责。Ryadh Dahimene在10月4日一篇关于有工程思维的产品经理的文章中提出了相关观点，讲述ClickHouse如何把集成生态的所有权分散到产品和工程部门，因为客户端软件包卡在采用的关键路径上。把「客户软件包」换成「AI起草的页面」，组织问题就是同一个。

这些都不是免费的。总得有人读草稿、核对说法、签核标题标签，而这个人是一笔在「AI写得快十倍」作为卖点时并不存在的成本。

同一转向的安全视角

把更多生产交给自动化系统还有二阶风险，而它来自一家安全厂商自己的测试。Unfold AI在10月4日发布了一个门户页面，描述其把AI检测工程工作流对准Jenkins时发现了什么。Jenkins是CI/CD服务器，掌握着公司大部分部署所需的凭据。当被问到完整的凭据转储是否会出现在日志里，答案充其量是部分的：团队能看到某个脚本运行过、它的代码、账号和时间戳，却看不到它返回了什么。最终针对Jenkins审计日志插件评估的36项ATT&CK技术中，只有一项被明确记录。

在十三个按出厂状态部署、并接入其文档所述Splunk或Microsoft Sentinel集成的服务器应用中，Unfold称其评估的内容约有四分之三在默认部署下无法完全看到，三分之一根本没有留下可用痕迹。该文在页面上标注日期为8月31日，但于10月4日发布到网站的信息流。

这个教训可以迁移。缺失不会自我宣告。一个推荐流量悄悄下降5%的出版商不会收到警报；日志只是显示会话变少，而且没有原因。谷歌要求人工检查输出，与Unfold的指令是同一句话：你只有亲自执行动作，并去找那些始终没有到来的东西，才能发现缺口。

值得关注的事

有三件事值得追踪。第一，AIO效应在维基百科之外是否成立；arXiv的设计干净但范围窄，作者也没有声称它能推广到商业出版商。第二，谷歌10月1日的措辞是否会长出牙齿，因为该指引页面仍指向搜索质量评估员指南中关于规模化内容滥用的章节，并称评估员的评分「不直接影响排名」。第三，人工审阅的成本是被吸收进新闻编辑室的预算，还是在截稿压力下被悄悄跳过。

老实的总结是：平台已告诉出版商要核实机器的产出，而它们自己的答案框却拿走了为这项核实付费的流量中可测量的一份。这份卷宗里没有人提出，差额由谁来出。