KeyFrame內部研究專用

這是我見過最邪惡的商業決策!Google 砸 6000 萬美金買斷了你的未來!🔥

獨特見解·6月20日週六·22 min中文

三句話摘要

Google 透過 AI 摘要功能截斷網站流量,系統性摧毀互聯網內容生態的商業模式。 Google 為了在 AI 時代活下去,正在系統性摧毀互聯網的開放生態,最終將把全人類的認知基礎設施變成一個被抽乾了智慧、充斥廉價生成垃圾的荒芜廢土。 流量截斷機制

重點整理

重點
  • 1

    流量截斷機制

  • 2

    Google 的 AI 概覽在搜尋頂部直接生成答案,使用戶無需點進原網站。用戶甚至不會注意到底部的參考來源連結,導致來自 Google 搜尋的外部流量從原本 15% 的點擊率驟跌至 8%,參考鏈接點擊率僅 1%。這不是內容質量問題,而是產品設計的系統性掠奪。

  • 3

    巨頭資本邏輯

  • 4

    Google 面臨 OpenAI ChatGPT 的存亡威脅,被迫從"流量分配者"變成"答案提供者"。為了獲取訓練 AI 的高質量語料,Google 花 6,000 萬美元獨家購買 Reddit 數據權,隨後 Reddit 在搜尋排名中曝光度暴漲 300%,超越專業內容網站。這是赤裸裸的商業交易:巨頭用資本壟斷信息入口。

  • 5

    內容生態崩潰

  • 6

    獨立測評網站、科普博客、調查記者因流量斷絕而無法變現。內容製作成本固定(採訪、實驗、核查),沒有廣告收入就無以為繼,導致優質內容源一個接一個倒閉。粗製濫造的 AI 生成文章填補空白,形成"劣幣驅逐良幣"的螺旋。

  • 7

    不可逆的死局

  • 8

    當優質內容創作者被餓死,Google 的 AI 訓練數據就會來源枯竭,只能吞食已有的 AI 生成垃圾文本自我迭代。這如同一條"貪吃蛇"為了快速長大而啃食自己的尾巴——最終整個信息生態會陷入"幻覺-垃圾"的無底洞。

實用技巧與重點

乾貨
  • 具體數據:
  • 美國 Google 搜尋零點擊率:58.5%;歐洲:59.7%
  • 1,000 次搜尋僅轉化 360 次外部訪問
  • AI 概覽出現時用戶外部點擊率:8%(無概覽時:15%)
  • 用戶點擊 AI 摘要中的參考鏈接概率:1%
  • AI 概覽導致用戶終止搜尋的比例:26%(無概覽時:16%)
  • Reddit 在 Google 搜尋中的曝光頁數:2,200 萬 → 4,100 萬(增長 86%)
  • Reddit 搜尋流量暴漲幅度:2023 年 7 月至 2024 年 4 月增長 300%
  • 商業交易:
  • Google 與 Reddit 數據授權協議:每年 6,000 萬美元
  • OpenAI 購買 Reddit 數據包:7,000 萬美元
  • 經濟損失估算:
  • 全球內容出版商年度廣告收入蒸發:約 20 億美元
  • 依賴搜尋流量的網站自然流量腰斬幅度:20-60%
  • 真實案例:
  • Housefresh(英國獨立評測網站):Google 算法更新後搜尋流量蒸發 91%
  • 搜尋清潔地毯紅酒漬的結果:家政博客的原創步驟被 AI 摘要直接展示在頂部,博客連一次點擊都收不到
  • 平台權重變化:
  • Reddit、維基百科、YouTube、政府網站獲得優先曝光
  • 新聞網站獲得殘餘流量
  • 獨立專家博客幾乎無法獲取點擊

結論

結論

Google 為了在 AI 時代活下去,正在系統性摧毀互聯網的開放生態,最終將把全人類的認知基礎設施變成一個被抽乾了智慧、充斥廉價生成垃圾的荒芜廢土。

完整解析

詳細

Google 的轉變始於 2022 年末 OpenAI 推出 ChatGPT 的衝擊。這個看似簡單的產品直接戳穿了 Google 20 年來的商業命脈:使用者不再需要在一堆網頁鏈接中翻找,機器可以直接提供整理好的答案。Google 高層隨即拉響紅色警報,甚至召回退休的創始人,開始了一場投入數百億美元的軍備競賽。

問題在於,Google 過去的整個商業帝國建立在一個簡單的模式上——使用者搜尋、Google 將其導向其他網站、在過程中販賣廣告。但如果使用者開始直接向 AI 提問,整台印鈔機就會熄火。為了生存,Google 被迫親手砸掉養活自己的飯碗,自己變成那個聊天機器人。2023 年 Google 灰度測試了「搜尋生成體驗」,到 2024 年 5 月正式上線 AI 概覽功能。

這個功能看似無害,實則是系統性的流量截斷。皮尤研究中心 2025 年 3 月的追蹤測試監控了 69,000 次真實搜尋,結果令人震驚:當 AI 概覽出現時,使用者點擊傳統網頁的概率從 15% 直落到 8%,相當於首頁搜尋結果的點擊率被腰斬。更殘酷的是,使用者點擊 AI 摘要中參考來源的概率僅 1%——AI 會將多個來源的內容揉碎混合,讓每個原創作者都淪為看不見的腳註。

為了搶佔 AI 時代的話語權,Google 在 2024 年初採取了一個更激進的舉措:砸出每年 6,000 萬美元直接購買 Reddit 的數據授權。隨後的幾個月內,Reddit 在 Google 搜尋中的曝光度暴漲 300%,曾經被視為灌水區的論壇頁面數量從 2,200 萬激增到 4,100 萬。這場交易是赤裸裸的資本邏輯——Google 買的不是流量,而是訓練 AI 的海量人類對話語料。拿到錢的 Reddit 隨即屏蔽了其他所有搜尋引擎的爬蟲,將所有內容堡壘般地鎖起來,只對出價最高的 Google 敞開。

這種掠奪的代價是整個互聯網內容生態的坍塌。以英國的 Housefresh 為典型案例:這家獨立評測網站花真金白銀購買空氣淨化器逐一測試,提供消費者最硬核的資料。一次算法更新後,他們從 Google 獲取的流量瞬間蒸發 91%,幾年心血在代碼調整中灰飛煙滅。類似的故事在全球無數獨立博客、調查記者和專業機構上演。這些人失去的不僅是流量,而是生存的基礎——內容製作的成本是固定的,沒有流量就沒有廣告收入,沒有收入就只能關停。根據數位媒體服務商 Reptive 的估算,Google 推行生成式 AI 概覽將使全球內容出版商每年蒸發約 20 億美元的廣告收入,許多網站的自然流量將面臨 20-60% 的腰斬。

最恐怖的是這形成了一個不可逆的死局。當優質內容創作者被一個接一個餓死,Google 的 AI 訓練數據就會陷入饑荒。沒有了新鮮的人類原創語料,AI 就只能退而求其次,開始大規模抓取其他 AI 生成的低質水文,甚至咀嚼自己吐出來的舊數據。這如同一份文件被複印千萬次,每次都會丟失細節。當 AI 開始用 AI 生成的虛假資訊進行自我迭代時,整個信息生態的腐爛就不可避免了。錯誤開始瘋狂堆積,多元化的思維被壓扁,人類的複雜思考淪為幾行乾癟的套話。最終,一個靠吃自己排泄物生存的答案機器遲早會完全失語,吐出來的全是幻覺和廢料。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing
編輯精選
83 min
AI 技術英文PODCAST8月26日

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing

Latent Space

  • 加速傳統物理模擬的典範轉移:氣象科學家原本認為 AI 無法匹敵數十年的物理建模工作,但傅里葉神經算子不僅達到同等精度,還快了一萬多倍。原本需要超級計算機的計算現在用消費級 GPU 就能完成,這改變了整個領域的思維方式。
  • 傅里葉域的非局部現象捕捉:傅里葉域能有效表示非局部現象(如大氣河流跨越千里的影響),且計算複雜度為準線性,遠優於完全連接的全局模型。這特別適合流體動力學、量子化學等自然現象中普遍存在的非局部相互作用。
  • 多解析度連續函數表示:神經算子將輸入輸出視為連續函數而非固定維度向量,可在推論時以任意解析度查詢,並能在更高解析度上疊加物理約束或額外數據,克服了固定解析度神經網路的限制。
Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Why the Next AI Breakthrough May Come from Physics with Max Welling - #774
55 min
AI 技術英文PODCAST8月25日

Why the Next AI Breakthrough May Come from Physics with Max Welling - #774

TWIML AI

  • 多層篩選的材料設計流程:先搜尋文獻資料庫找現有材料,若無合適的就用生成模型產生數十萬個候選分子,用機器學習力場進行分子動力學模擬篩選,再進行實驗驗證。這套流程相比傳統量子力學計算能加速效率數個數量級。
  • 生成AI與熱力學的數學等價性:資訊論是兩個領域的共同基礎,生成模型的擴散過程與非平衡統計力學描述資訊損失的過程在數學上完全對應,許多開發出來的方法工具在兩領域都有精確對應的形式。
  • 基礎模型的遷移學習策略:先在廣泛材料資料集上訓練基礎力場表示,再針對特定材料類別進行蒸餾微調,既能保持計算效率也能獲得專一性。