AI直接给答案，出版商搜索流量下滑

搜索引擎没有坏，只是被要求去做另一件事。Manticore Search在9月29日发布的文章讲的就是这个。文章里有一位购物者，在搜索框里敲进一整句话，想得到的是推荐，不是一页蓝色链接。该公司称，谷歌在2026年5月报告AI模式月活用户超过十亿。用户提的问题更长、更复杂，以前的常规搜索根本处理不了。

这件事在商业上很要紧，因为点击正是出版商出售的东西。引擎自己把问题解决了，原本会收到访问的那个页面就什么也拿不到。

Manticore自己的文章在这点上很谨慎：它没有说全文搜索已经衰落。文章说，关键词搜索在精确的人名、SKU、产品编号、品牌和关键词上依然表现良好。按它的说法，变的是用户预期。同一个查询里可能同时包含好几件事：提取颜色、防水等约束条件，判断购物者是想跑步而不是走路，权衡价格、尺码和库存，再找出商品并解释差异。Manticore给出的方案是混合检索：全文检索加向量搜索，再加一个语言模型，用检索到的商品作为上下文写出最终答案，同时把商品展示出来，让读者能核对某个说法的出处。该公司在ConvApparel上做了一个演示，这是一个关于服装的对话数据集，清洗后包含82524件商品。

这个框架对同一趋势的悲观解读是一种有用的平衡。

对出版商来说，悲观解读是有数字支撑的。截至2026年9月下旬，谷歌搜索流量的同比降幅据报道约为40%，规模较小的网站据称下滑幅度高达60%。一份反垄断文件认为，谷歌蚕食了出版商的流量。这些都没有定论，也并非普遍现象。数字来自不同的方法和不同的样本，不应该平均成一个行业数据。

这种模式不只出现在一家公司身上。微软一直在给Copilot结果加入追问功能，这可能进一步减少推荐流量。Cloudflare的Matthew Prince公开讨论过机器人和为网络付费的问题，这场争论与人类推荐流量的问题并行。出版商自己也在推演一个谷歌搜索流量大幅减少的未来。Digiday在2026年9月的出版峰会上发布的回顾描述了一个为后搜索时代重建的行业。

数字到底说明了什么

英国受众数据提供了一个部分的反例。Press Gazette在9月28日报道，Oxford Mail在英国50家最大新闻网站中受众增长最快，8月的停留时间增至三倍。这只是一个市场的一家媒体、一个月的数据，并不能推翻整体推荐流量下滑的判断。但它确实说明，总体数字掩盖了很大的分化。

这种分化背后的机制在搜索技术栈里就能看到。Manticore描述了三种不同的任务，过去它们被压缩成一个排序列表：用于精确匹配的词搜索、用于理解含义的语义搜索，以及用于解释的对话。把三者结合起来的系统，不用点击就能回答一个商品问题。只会匹配词语的系统，仍然会把用户送到别处去。

把它们结合起来，远比在它们之间做选择有效得多。

这是Manticore关于搜索架构的结论，不是对出版业经济前景的预测，两者不应混为一谈。

推荐经济还面临第二种更安静的压力：排序本身的质量。一位软件工程师的文章在9月28日被转载，文中描述了一种成对评估方法：让语言模型判断两个商品中哪一个与查询更相关，然后交换两个商品的位置再判断一次。在WANDS家具数据集上强制做出选择时，1000对数据在100%召回率下的精确率为75.08%。允许模型在证据不足时回答“都不相关”，精确率升到85.38%，但召回率降到17.10%。作者的意思是，只跑一遍不够，必须通过交换顺序来检查位置偏差。

这是一个评估细节，但指向某种结构性的东西。搜索系统正被调校成用更少的人工标注来判断相关性，而同一批模型又被用来直接回答查询。

底层的基础设施

技术栈的其他部分也在同时变化。MongoDB在9月29日的发布中推出了MongoDB 9.0、Atlas Infinite和Atlas Agent Engine。临时CEO的说明认为，智能体现在会采取行动，而不只是回答问题，过时的数据会把合理的推断变成糟糕的行动。其主张是，智能体需要实时的运行状态，而不是定期复制的副本。

这是否改变出版商的推荐流量是间接的，但方向是一致的：软件正在围绕这样的系统重建，它们基于检索到的上下文采取行动，而不是把一串目的地交给用户。

安全方面，阿姆斯特丹自由大学的VUSEC小组在9月29日发表研究，描述了Branch Target Reuse，一种针对即时编译器的Spectre-v2式攻击。团队分析了Linux cBPF、Oracle GraalVM和SpiderMonkey（Firefox的JIT引擎），并针对Linux内核构建了两个端到端攻击，每秒泄露8字节，在他们的演示中还原出了root密码哈希。这种攻击依赖过时的分支预测条目在代码重新分配后仍然存活。Linux内核可以通过bpf_jit_harden选项在运行时加固cBPF，该选项会应用常量盲化；研究人员指出，这个选项默认是关闭的。

这些都没有直接回答出版商的问题。它确实说明，浏览器底层的管道有多少正在同时被改造。

9月29日发表的两篇研究论文离得更远，但勾勒出同一个转变。Matthew Schwartz、Isaiah Andrews和Jesse M. Shapiro的NBER工作论文描述了一套LLM工作流程，用复制包重现、改进并扩展已发表的经济学研究。在来自五本经济学期刊的4452个复制包中，该流程在3460篇文章或其附录中标记出不一致；在496篇文章中，它把计算时间缩短了10倍以上，准确率相当或更高；在923篇中，它给出了原研究没有的扩展。另一篇NBER论文由Alex Blumenfeld、Jonathon Hazell、Chen Lian和Andreas Schaab撰写，估计从2022年11月到2025年12月，AI把市场对软件工程生产率的预期现值提高了相当于永久性32.6%的水平，基线情形下对GDP的影响为3.6%，计入研发生产率后为6.5%。作者写道，到2026年年中，这一效应相对于2025年底已经翻了一倍多。

这些是基于金融市场数据的宏观估计，不是对出版商收入的测量，也带有工作论文通常的保留条件。它们同样提醒人们，生产率的故事和流量的故事是同一次部署的两面。

接下来要看什么

这组材料里最具体的信号不是预测，而是AI模式的十亿用户数字。谷歌在2026年5月报告了这一数字，Manticore在9月29日又引用了一次，而它旁边是出版商搜索流量同比下滑约40%的报道。如果两者都成立，推荐经济正在被重新定价，而不是被摧毁。能活下来的媒体，将是那些不再把搜索当成分发渠道、而开始把它当成竞争对手的媒体。

同一天，VDE发布了在德国就读的国际电气工程专业学生的数据。这是另一个话题，但用的是同一套逻辑：衡量一个系统产出了什么，而不是它承诺了什么。据VDE计算，每投入一欧元培养一名国际电气工程专业学生，长期来看大约产生16欧元的增加值，但超过一半的国际硕士毕业生，也就是55.5%，在完成学业后离开了德国。

出版商的测量难题更难。他们能数点击。他们很难数清那些在别处得到答案的读者。