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
›

AI直接给出答案,搜索流量下滑冲击出版商

谷歌自家博客称,截至2026年5月,AI Mode月活用户已突破十亿。Manticore Search在9月29日发文指出,搜索框如今要给出答案,而不是罗列链接。

媒体与互联网解释王雅琴发布: 2026年9月29日7 分钟阅读资料来源 13
AI直接给出答案,搜索流量下滑冲击出版商

搜索引擎没有坏,只是被要求干另一件事。Manticore Search在9月29日发布的文章提出了这个观点:一位购物者在搜索框里输入一整句话,期待得到推荐,而不是一页蓝色链接。据该公司称,谷歌在2026年5月报告AI Mode月活用户已超过十亿。用户提出的问题更长、更复杂,过去的常规搜索处理不了。

这一变化在商业上之所以重要,是因为点击正是出版商出售的商品。如果引擎自己就把查询解决了,原本会收到访问的那个页面就拿不到这次点击。

Manticore自己的文章在这里很谨慎:它并没有说全文搜索已经衰落。文章称,关键词搜索在精确名称、SKU、产品编码、品牌和关键词上依然表现良好。按它的说法,变化的是用户的期待。同一个查询可能同时包含好几项任务:提取颜色、防水等约束条件,识别出购物者想要的是跑步而非步行,权衡价格、尺码和库存,然后找到商品并解释彼此差异。Manticore的答案是混合检索:全文检索加向量搜索,再加一个语言模型。由它把检索到的商品作为上下文写出最终答案,同时商品仍然可见,读者可以核对某个说法的出处。该公司在ConvApparel上搭建了一个演示,这是一个关于服装的对话数据集,清理后包含82524件商品。

这一框架对同一趋势的悲观解读来说是一种有用的平衡。

对出版商而言,悲观解读是有数字支撑的。截至2026年9月下旬,出版商的谷歌搜索流量据报同比下滑约40%,较小网站据称跌幅最高达60%。一份反垄断文件主张,谷歌在蚕食出版商的流量。这些说法既未定论,也并非普遍适用。数字来自不同的方法和不同的样本,不应平均成一个行业数字。

这种模式并不限于一家公司。微软一直在为Copilot结果添加追问功能,这可能进一步减少推荐流量。Cloudflare的Matthew Prince曾公开就机器人和为网络付费展开辩论,这场讨论与人工推荐的问题并行。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对2026年9月出版峰会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在英国最大的50家新闻网站中受众增长居首,8月份的停留时间增长了两倍。这只是一家媒体、一个市场、一个月的数据,并不能推翻大范围的推荐流量下滑。但它确实说明,总量掩盖了很大的分化。

这种分化背后的机制在搜索技术栈本身就能看到。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,不点开链接就能回答一个商品问题。只做词语匹配的系统,仍然会把用户送到别处。

把它们结合起来,远比在它们之间做选择更有效。

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,两者不应混淆。

推荐经济还面临第二种更安静的压力:排序本身的质量。一篇于9月28日转载的软件工程师文章介绍了一种成对评估方法:语言模型先判断两个商品中哪个与查询更相关,然后把两个商品交换位置再判断一次。在WANDS家具数据集上强制做出选择时,1000对样本在100%召回率下精确率为75.08%。当证据不足时允许模型回答两者都不是,精确率升到85.38%,但召回率降到17.10%。作者想说的是,只跑一遍不够,必须交换顺序来检查位置偏差。

这只是评估上的细节,却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,而同一批模型也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步变化。MongoDB借9月29日的发布推出了MongoDB 9.0、Atlas Infinite和Atlas Agent Engine。一份临时CEO说明主张,智能体现在会采取行动,而不只是回答问题,而过时的数据会把合理的推断变成糟糕的行动。其卖点在于,智能体需要实时的运行状态,而不是定期复制的副本。

这是否会改变出版商的推荐流量,影响是间接的,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。

在安全方面,阿姆斯特丹自由大学的VUSEC团队于9月29日发表研究,描述了一种名为Branch Target Reuse的攻击,属于Spectre-v2一类的攻击,针对即时编译器。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利用程序,每秒泄露8字节,在他们的演示中还原出了一个root密码哈希。该攻击依赖代码重新分配后仍然存活的过时分支预测条目。Linux内核可以在运行时通过bpf_jit_harden选项加固cBPF,该选项会施加常量盲化;研究人员指出,该选项默认关闭。

这些都没有直接回答出版商的问题。但它确实表明,浏览器底下的管道有多少正在同时被重做。

9月29日发表的两篇研究论文离得更远,却勾勒出同一场转变。Matthew Schwartz、Isaiah Andrews和Jesse M. Shapiro的NBER工作论文描述了一套LLM工作流,利用复现包来复现、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个复现包中,该工作流在3460篇文章或其附录中标记出不一致之处;在496篇文章中,它在精度相当或更高的情况下将计算时间缩短了10倍以上;在923篇中,它给出了原作没有的扩展。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%的增幅,对GDP的影响在基准情形下为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得出的宏观估计,不是对出版商收入的测量,也带有工作论文通常的局限。它们同时提醒人们,生产率的故事和流量的故事是同一场部署的两面。

值得关注什么

这批材料里最具体的信号不是预测,而是AI Mode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日又重复了一遍,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作分发渠道、而开始把它当作竞争对手的媒体。

同一天,VDE公布了在德国就读的国际电气工程专业学生的数据。那是另一个话题,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,每投入一名国际电气工程学生一欧元,长期来看大约能产生16欧元的附加值,然而超过一半的国际硕士毕业生,即55.5%,在完成学业后离开了德国。

出版商面对的是更难的测量问题。他们能数点击,却很难数清那些在别处得到答案的读者。

评论 0

资料来源

13
  1. 01Full-Text Search Still Works. It Just Doesn't Get You to an AnswerEN
  2. 02Branch Target Reuse: Spectre-v2 Attacks in JIT EnginesEN
  3. 03The Intelligent Data Platform for the AI EraEN
  4. 04The MongoDB Agent Platform | Atlas Agent EngineEN
  5. 05An LLM Workflow That Reproduces, Improves, and Extends Published Economics ResearchEN
  6. 06The Macroeconomic Effect of AI: Sizing the Software Engineering ChannelEN
  7. 07Check twice, cut once with LLM search relevance evalEN
  8. 08Routing LLM traffic across inference providers by cost, speed and reliabilityEN
  9. 09We Are Hiring Engineers Because of AI, Not Despite It: Inside Picnic's AI TransformationEN
  10. 10VDE Figures: Electrical Engineering Programs Are Popular InternationallyEN
  11. 11CRDTs are not enough: From CRDTs to a local-first sync engineEN
  12. 12OpenJev: An open-source, Jev-compatible System One decision engineEN
  13. 13Poetry for Engineers: The UI Designer's DreamEN

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。