即刻App年轻人的同好社区
下载
置顶# OpenAI与新闻公司的合作伙伴关系
OpenAI已经和很多新闻公司签了协议，达成内容与产品战略伙伴关系（strategic content and product partnership）。
综合公开信息，协议内容大概包括几个部分：
- 用户可以使用ChatGPT的browsing插件获取这些新闻内容，并且以附带链接的方式展示给用户。
- ChatGPT会优先展示合作媒体的内容。
- OpenAI给新闻机构提供技术服务。
- OpenAI可以用新闻公司的新闻内容训练模型（细节存疑）。
OpenAI的知识产权与内容负责人Tom Rubin表示，目前签的协议“很大程度上”不包括用新闻数据训练这部分。个人猜测，只有和少数媒体巨头的合作才包括数据训练这部分，大部分其他的合作只是将媒体内容作为ChatGPT产品browsing插件的内容基底（LLM grounding）。
OpenAI支付的金额大概在每年数百万到数千万美元不等，不同媒体费用不同。
# 新闻业对大语言模型的特殊意义
截至目前，人工智能模型的训练还依赖外界的数据输入。人类世界发生的种种事情，只有在被记者制作成文字、音频、视频作品之后，才能够被模型习得。记者是把现实中发生的事转化为比特信息的职业。
当然，社交网络上也有很多信息在描述世界上发生的事情，但是这些信息质量良莠不齐。而数据质量对模型品质很重要123，社交网络数据需要再筛选。而且，社交网络巨头也不会轻易允许其他公司免费拿这些材料去训练，Reddit、Stack Overflow这些优质社区的数据，和新闻数据一样，也都是需要付费才能获取训练许可。
另一方面，RAG产品也需要让搜索的内容基底品质优秀，从阴谋论论坛帖子搜索信息，和从被信任的新闻机构搜索信息，输出品质天壤之别。虽然前者未必不满足用户需要，但一般而言不支撑目前“AI助手”产品的功能定位。
科技公司和新闻机构的关系已经变化。社交网络时代，科技公司和新闻机构是竞争者，双方竞争流量和广告预算。但在大语言模型时代，科技公司和新闻机构合作的空间更大，因为二者利益变得更加一致。新闻机构是大语言模型的上游，科技公司需要支持新闻机构存续下去来给自己提供训练素材和RAG基底。
目前主流新闻网站大多开启了付费墙，如果科技公司不付费，将没有办法合法地获取新闻内容提供给用户。为了满足用户查询时效信息的需求，科技公司也有必要获取新闻机构的授权。2023年，OpenAI的browsing插件下架了相当长一段时间，就是因为付费墙版权问题。
在大语言模型产品流行之后，很多消费者查询信息的需求已经被“AI助手”产品消化掉，新闻网站的访问量和收入进一步下滑，这一部分损失也可以由科技公司的信息使用授权费弥补。
# 搜索引擎与SEO 付费搜索引擎
汇集了大量用户的互联网头部产品会被流量猎手盯上，早年大家讨论百度比较多，现在谷歌搜索问题也很严重，小红书可能五年前作为优质信源崛起，而现在也已经成为伪科学和软广告的天堂。
中文用户可能只感到谷歌的中文搜索被SEO农场填充，觉得可能是谷歌对中文搜索疏于维护，但其实谷歌搜索的劣化现象不局限于中文。近年英文世界关于谷歌搜索质量下降的讨论已经越来越多。HackerNews和X上常见，推荐这两篇比较近且制作精良的讨论：
- How Google perfected the web (theverge.com)
- How Google is killing independent sites like ours - HouseFresh
同为搜索引擎，Kagi就没有这个问题。Kagi团队的努力固然很重要，但我想，如果Kagi成为流量很大的搜索引擎，那么也难以抵挡流量猎手的侵蚀。
我很喜欢Kagi团队的一个项目：Kagi Small Web。Kagi团队搜集了网络上的很多高质量小众站点。Kagi会把这些站点的内容放到搜索结果中，还会提供汇总的RSS和API。不太清楚这项工作需要花费多高的成本。
前几天有一篇网络文章流行：《中文互联网的崩塌》，里面提到作者用谷歌和百度搜索“马云”，时间选定在1998-2005年，发现都搜不到有效内容。但我用Kagi就可以搜到。旧网页本来就会逐渐丢失，但“崩塌”感也有相当一部分来源是搜索引擎与SEO产业对抗之后留下的后遗症。
流量高地注定要被流量猎手攻陷，那么Kagi这样的流量低地呢？由于流量太少，无法依靠广告支撑运转，所以Kagi的商业模式是付费订阅。没错，Kagi是一款付费搜索引擎。新闻业的规律在搜索引擎领域再次上演：免费的信息劣质，优质的信息不能免费获取。
这也很符合一分钱一分货的基本逻辑。低质信息会自己花钱寻求曝光在用户面前；而高质信息需要用户付费购买。
流量猎手会用AI生成很多低质量页面，获取主流搜索引擎的流量。相反，优质新闻却普遍有付费墙，无法被一般爬虫获取——即便开放给爬虫，这种获取也是违法的。所以，如果以互联网上可搜、读取的内容作为RAG基底，那么基底的品质就会难以控制。
最近一个典型的例子就是豆包对Perplexity和Google的污染，而Perplexity自己也在通过Perplexity pages污染Google。
OpenAI很早就积极和新闻机构谈判，付费获取内容。自己选信源，然后挨个找信源谈，再优选这些信源提供给客户；而不是陷入和流量猎手们的持久对抗。如果RAG的基底被劣质信息席卷，AI助理这个概念本身的需求就无法被完成，给流量黑客搭便车，还会损害自己产品的质量与口碑。
知识共享许可协议
本作品采用知识共享署名-相同方式共享 4.0 国际许可协议进行许可。
OpenAI已经和很多新闻公司签了协议，达成内容与产品战略伙伴关系（strategic content and product partnership）。
综合公开信息，协议内容大概包括几个部分：
- 用户可以使用ChatGPT的browsing插件获取这些新闻内容，并且以附带链接的方式展示给用户。
- ChatGPT会优先展示合作媒体的内容。
- OpenAI给新闻机构提供技术服务。
- OpenAI可以用新闻公司的新闻内容训练模型（细节存疑）。
OpenAI的知识产权与内容负责人Tom Rubin表示，目前签的协议“很大程度上”不包括用新闻数据训练这部分。个人猜测，只有和少数媒体巨头的合作才包括数据训练这部分，大部分其他的合作只是将媒体内容作为ChatGPT产品browsing插件的内容基底（LLM grounding）。
OpenAI支付的金额大概在每年数百万到数千万美元不等，不同媒体费用不同。
# 新闻业对大语言模型的特殊意义
截至目前，人工智能模型的训练还依赖外界的数据输入。人类世界发生的种种事情，只有在被记者制作成文字、音频、视频作品之后，才能够被模型习得。记者是把现实中发生的事转化为比特信息的职业。
当然，社交网络上也有很多信息在描述世界上发生的事情，但是这些信息质量良莠不齐。而数据质量对模型品质很重要123，社交网络数据需要再筛选。而且，社交网络巨头也不会轻易允许其他公司免费拿这些材料去训练，Reddit、Stack Overflow这些优质社区的数据，和新闻数据一样，也都是需要付费才能获取训练许可。
另一方面，RAG产品也需要让搜索的内容基底品质优秀，从阴谋论论坛帖子搜索信息，和从被信任的新闻机构搜索信息，输出品质天壤之别。虽然前者未必不满足用户需要，但一般而言不支撑目前“AI助手”产品的功能定位。
科技公司和新闻机构的关系已经变化。社交网络时代，科技公司和新闻机构是竞争者，双方竞争流量和广告预算。但在大语言模型时代，科技公司和新闻机构合作的空间更大，因为二者利益变得更加一致。新闻机构是大语言模型的上游，科技公司需要支持新闻机构存续下去来给自己提供训练素材和RAG基底。
目前主流新闻网站大多开启了付费墙，如果科技公司不付费，将没有办法合法地获取新闻内容提供给用户。为了满足用户查询时效信息的需求，科技公司也有必要获取新闻机构的授权。2023年，OpenAI的browsing插件下架了相当长一段时间，就是因为付费墙版权问题。
在大语言模型产品流行之后，很多消费者查询信息的需求已经被“AI助手”产品消化掉，新闻网站的访问量和收入进一步下滑，这一部分损失也可以由科技公司的信息使用授权费弥补。
# 搜索引擎与SEO 付费搜索引擎
汇集了大量用户的互联网头部产品会被流量猎手盯上，早年大家讨论百度比较多，现在谷歌搜索问题也很严重，小红书可能五年前作为优质信源崛起，而现在也已经成为伪科学和软广告的天堂。
中文用户可能只感到谷歌的中文搜索被SEO农场填充，觉得可能是谷歌对中文搜索疏于维护，但其实谷歌搜索的劣化现象不局限于中文。近年英文世界关于谷歌搜索质量下降的讨论已经越来越多。HackerNews和X上常见，推荐这两篇比较近且制作精良的讨论：
- How Google perfected the web (theverge.com)
- How Google is killing independent sites like ours - HouseFresh
同为搜索引擎，Kagi就没有这个问题。Kagi团队的努力固然很重要，但我想，如果Kagi成为流量很大的搜索引擎，那么也难以抵挡流量猎手的侵蚀。
我很喜欢Kagi团队的一个项目：Kagi Small Web。Kagi团队搜集了网络上的很多高质量小众站点。Kagi会把这些站点的内容放到搜索结果中，还会提供汇总的RSS和API。不太清楚这项工作需要花费多高的成本。
前几天有一篇网络文章流行：《中文互联网的崩塌》，里面提到作者用谷歌和百度搜索“马云”，时间选定在1998-2005年，发现都搜不到有效内容。但我用Kagi就可以搜到。旧网页本来就会逐渐丢失，但“崩塌”感也有相当一部分来源是搜索引擎与SEO产业对抗之后留下的后遗症。
流量高地注定要被流量猎手攻陷，那么Kagi这样的流量低地呢？由于流量太少，无法依靠广告支撑运转，所以Kagi的商业模式是付费订阅。没错，Kagi是一款付费搜索引擎。新闻业的规律在搜索引擎领域再次上演：免费的信息劣质，优质的信息不能免费获取。
这也很符合一分钱一分货的基本逻辑。低质信息会自己花钱寻求曝光在用户面前；而高质信息需要用户付费购买。
流量猎手会用AI生成很多低质量页面，获取主流搜索引擎的流量。相反，优质新闻却普遍有付费墙，无法被一般爬虫获取——即便开放给爬虫，这种获取也是违法的。所以，如果以互联网上可搜、读取的内容作为RAG基底，那么基底的品质就会难以控制。
最近一个典型的例子就是豆包对Perplexity和Google的污染，而Perplexity自己也在通过Perplexity pages污染Google。
OpenAI很早就积极和新闻机构谈判，付费获取内容。自己选信源，然后挨个找信源谈，再优选这些信源提供给客户；而不是陷入和流量猎手们的持久对抗。如果RAG的基底被劣质信息席卷，AI助理这个概念本身的需求就无法被完成，给流量黑客搭便车，还会损害自己产品的质量与口碑。
知识共享许可协议
本作品采用知识共享署名-相同方式共享 4.0 国际许可协议进行许可。
大语言模型的新闻采购与SEO猎手
18 01
我觉得最近这个事情愈演愈烈可能也有微信的责任，现在不做诱导式标题就没有流量了，不知道和订阅号的算法干预关系多大。
Danielw: 看了一下国内头部大学的十来个公众号基本已经完蛋了。 所有公众号99%标题都是点击诱饵。 一大半标题用了一个或多个感叹号。 标题实际信息量几乎为零和为了完成考核用大专生写内容也差不多了 🤣
11 21
一个细节：非典时期王志专访王岐山，全程用的称呼都是“你”字，这种平等感值得体会。我觉得“您”字一般而言不是一个尊重对方的称呼。
OrangeCLK: 而且现在观众也这样先入为主，当专业的主持人在挑战质问受访者的时候，或者是以小白的口吻询问问题的时候，观众还经常骂主持人说主持人不尊重嘉宾，不懂不要乱说之类的。
16 23
而且现在观众也这样先入为主，当专业的主持人在挑战质问受访者的时候，或者是以小白的口吻询问问题的时候，观众还经常骂主持人说主持人不尊重嘉宾，不懂不要乱说之类的。
Julian.: 现代商业采访的一大问题也是，因为收钱了或其他利益缠绕，让受访者在定位上更像是老师，提问者更像是学生。然后老师就可以在无逻辑基础的情况下说一些很遥远很宏大但又似乎很确信的对自己有利的判断。而观众往往会信任采访机构或受访者的title而下意识的吸收进去这些毫无逻辑联系的东西，或者如果不理解对方说的会首先怀疑是自己的问题。 之前自己做投资的一步跨越是，不会因为不懂而感到羞耻，我没理解对方说的逻辑联系我一定会揪着追问到底，要求更具体、更有逻辑性、更多例子和事实佐证。如果对方想糊弄我就会看着对方的眼睛并重申问题，如果对方拒绝回答我就会认为对方刚刚的判断是欺骗。
12 21
还真挺像的，都是出现了一个没办法被现有社会规则控制的邪恶力量。大摇大摆违背规则然后说：你能怎么着吧。
Julian.: 中国一线城市对拼多多的批判，和美国一线城市对特朗普的批判，有相似之处吗？
13 02
Musk发布会搞了个期货样车。硅谷已经有一些公司做了robotaxi定制车了，极氪已经要向waymo交付robotaxi定制车了。马斯克的robotaxi不知道猴年马月能做出来。
5 01
