01 触发事件

2026 年 6 月 5 日，Bloomberg Technology 在一档 Wall Street Week 节目摘要里明确提到：AI-powered search is reducing web traffic，正在迫使 publishers 重新思考如何吸引受众、以及如何在网上赚钱。

这句话表面看像媒体行业话题。

我认为不是。

真正值得看的是，主流财经媒体已经把“AI 搜索抽走网站流量”当成一个足够确定、足够广泛的现象来陈述，而不是实验性趋势。这说明 AI answers 对传统 search click-through 的替代，至少已经强到可以进入资本市场叙事。

AI-powered search is reducing web traffic, forcing publishers to rethink how they attract audiences and generate revenue online.

我没看到 Bloomberg 这段节目全文的细部数据，所以没法声称它证明了具体多少流量跌幅，也不能把它外推出所有垂类站点。但仅凭这句表述，已经足够判断一件事：入口层的权力迁移，正在从 link economy 转向 answer economy。

02 这事的真正含义

这事不是“某些媒体会更难做”。

这才是它真正说的事：模型层开始侵蚀 open web 上最核心的中介功能——分发。

过去二十年，互联网的基本交易结构很稳定。

用户提出意图，search engine 做 routing，publisher 承接 attention，广告主为 attention 付费。

现在 AI search 把中间链条改写成了另一种结构：用户提出意图，model 直接合成答案，只有在少数高风险、高不确定性、强交易意图问题上，才把流量继续分发给网页。也就是说，大量“信息型 query”的 click 本身正在变成多余步骤。

对 AI builder 来说，这个变化比“搜索体验更好了”重要得多，因为它改写了 token 与流量之间的价值映射。

以前一个 query 的价值，主要在于把用户送到某个页面。

现在一个 query 的价值，越来越在于谁持有最终 answer surface，谁决定是否展示 citation，展示几个 citation，展示顺序如何，以及什么时候根本不展示 link。

问题不在模型会不会取代网页。

问题在模型会不会成为默认的 traffic gatekeeper。

一旦 gatekeeper 变成模型入口，publisher 的 moat 会明显变窄，因为内容本身仍有价值，但 distribution 被上层截走了。更进一步说，应用层创业者也要面对同样问题：如果你的产品价值主要来自“把公开信息整理给用户看”，那你其实站在最危险的位置，因为 foundation model 正在原生吃掉这层价值。

这里还有一个经常被低估的经济学变化：token 成本正在替代 click 成本，成为信息分发的新边际成本。

传统 web 把页面渲染和广告展示作为 monetization 单位。

AI search 把推理调用、context 注入、citation 生成、后处理与安全过滤作为成本单位。

这会带来两个后果。

第一，只有足够高 ARPU 或足够强留存的 query，才配得上“贵的回答”。低价值流量会被更激进地压缩成摘要。

第二，谁能把 retrieval、KV cache、prompt caching、query rewriting、router 做得更好，谁就能在相同用户意图下，以更低 inference cost 占住入口。

我没在内部看过 Perplexity、Google、OpenAI 或 Anthropic 的真实 query economics，所以这点我可能误判细节。但结构上我很确定：AI search 不是在优化网页发现，而是在重新定价发现过程本身。

03 历史类比 / 结构对照

最像的历史时刻，不是 2022 年 ChatGPT。

我认为更像 2014 年 AWS 对传统机房采购逻辑的改写，外加 2007 年 iPhone 对内容分发界面的重写。

为什么。

因为 search 在 web 时代做的事情，本质上类似“云之前的数据中心中介层”：它不直接生产内容，但它决定内容如何被调用、计费和暴露。publisher 可以拥有资产，却不拥有 demand 的入口。

AWS 当年改写的是 compute 的采购方式。

AI search 现在改写的是 information 的消费方式。

另一层类比是 iPhone。iPhone 真正改变的不是手机硬件，而是用户默认停留的 interface：app 成了分发单元，网页退到后排。今天 AI answer 也在做类似的事：answer 成了分发单元，link 退到后排。

如果这个判断成立，那接下来最大的结构性矛盾会很清楚。

一边是模型公司需要高质量内容来维持回答质量、实时性和可信度。

另一边是内容生产者一旦失去流量，就失去生产高质量内容的商业基础。

这不是新矛盾，但 AI 把它推到了更尖锐的位置。search 时代至少还保留了“导流换索引”的交换关系；AI answer 时代，这种交换变弱了，因为用户在答案层就完成消费。

这也是为什么我觉得这类新闻属于一个慢变量拐点，而不是媒体行业抱怨。真正被抽走的不是 pageview，而是 web 的默认结算机制。

04 对 AI builder 意味着什么

如果你是 AI builder，这周和这个月应该调整的，不是品牌文案，而是产品路线。

第一，重新审视你的 distribution 依赖。

如果你的获客高度依赖 SEO，或者你的产品天然吃“用户先 Google 再进站”的路径，现在就该假设这条链路会继续恶化。不是明年，是现在。你要补的是 direct relationship：newsletter、社区、账户体系、工作流嵌入、企业 seat、插件入口、IDE 内分发、移动端常驻入口。

第二，别再把“RAG 套个公开网页”当 moat。

公开信息聚合型产品会最先被压缩利润池。你需要的是 proprietary data、execution loop、workflow lock-in、团队协作沉淀，或者明确的 switching cost。单纯“答案更整洁”很难长期收费。

第三，开始把 citation 当产品设计变量，而不是合规附件。

谁引用你、怎么引用你、是否把用户送回你的表面层，这会直接决定你的留存和转化。如果你是内容提供方，要优化可被模型消费的结构化资产；如果你是应用方，要设计什么时候给完整答案，什么时候故意保留跳转激励。这个平衡会越来越像 pricing，而不是 UX。

第四，API 消费者要更重视 routing economics。

AI search 类产品的核心不是“最强模型”，而是“在不同 query 上用什么模型最划算”。低价值 query 用便宜模型，高价值 query 才上贵模型，配合缓存、分层检索、批处理和 query classification。那个真正会被定价的是 intent resolution，不是 token 本身。

第五，publisher 和 data owner 可能重新变成上游稀缺资源。

这意味着另一类机会：帮助内容方做 MCP 接入、授权计费、机器可读许可、模型友好的索引与回传分析。过去 CMS 是给人看的，下一代内容基础设施更像是同时服务 human reader 和 model consumer 的双栈系统。

我没法确认这个窗口能持续多久，因为平台方也可能内生做掉大部分能力。但短期内，凡是能帮内容方追踪“被哪些 agent 使用、是否回流、能否收费”的 tooling，都有现实需求。

05 反方观点 / 风险

我上面的判断，最大的风险是高估了 AI search 对全网流量的普遍替代。

第一种反驳是，web traffic 下滑未必主要由 AI search 导致，也可能是短视频平台、社交平台内循环、零点击搜索、以及用户行为碎片化共同造成。Bloomberg 这句摘要是方向性陈述，不是归因研究。我如果把它解读得过重，可能把多因素问题简化成单因素叙事。

第二种反驳是，publisher 未必一定输。

历史上每次分发结构变化，都会淘汰一批中间站点，同时扶持一批更强品牌。真正有独特 reporting、独家数据库、强社区关系、强订阅习惯的内容方，可能反而因弱站点出清而受益。也就是说，被压缩的可能不是内容行业整体，而是 SEO-industrial complex。

第三种反驳是，AI answer 的单位经济不一定比 link economy 更稳。

如果推理成本、版权成本、实时更新成本和错误责任持续走高，平台可能重新提高 external link 权重，把网页当作成本转嫁对象。换句话说，答案层看上去在截流，但它也可能因为 economics 不成立而回吐一部分分发权。

第四种反驳是，监管和版权诉讼会改变游戏。

如果主要司法辖区强化内容许可、citation 义务、训练与推理阶段的数据使用约束，那么今天看似强势的 answer layer，可能被迫回到“更像搜索引擎”的位置。我没在内部跑过这些政策情景，所以这点我可能低估了制度变量。

但即便把这些反方都算进去，我还是倾向于保留核心判断：AI search 不是 search 的功能升级，而是互联网分发权的一次再集中。

而一旦分发权再集中，后面跟着变化的就不会只是 publisher revenue。

会是产品发现、广告定价、内容许可、模型 routing，最终是整个 AI 应用层的生死线。