半透膜时代：信息过载、AI冲击与媒体、学术出版与机构研究的三层重构

一、引子：三层结构与半透膜

过去三十年互联网被讲成一个开放与开放的故事：谷歌把透明网页的流量分发做成广告帝国，普通读者在"搜到、点开、被广告变现"的循环里完成信息消费。三十年后的今天，信息过载、生成式人工智能与信任危机共现发作，这套单一循环正在裂解为三层结构。位于外侧的，是持续对搜索与AI可发现、但直通变现能力显著下降的开放发现层；位于中间的，是以注册、会员与订阅换取深度关系的注册会员层；位于内核的，是以可审计的方法、可追责的人类署名与定制服务承接决策的专业机构层。

实质贴切的隐喻并非"高墙"，实为"半透膜"。半透膜允许明确分子通过、拦截其他分子。对应到内容产业，就是允许摘要、元数据与可授权采样通过，让机构与作品仍能被AI、搜索与专业读者发现，同时把全文、原始数据与身份化关系数据留在墙内、免于被无偿抓取。彻底封闭会退出发现市场，绝对开放会失去议价能力。问题始终是筑不筑墙，而是把哪些分子放进来、哪些留在墙内，并对进出双向计价与留痕。

二、信任崩解与注意力迁移：可核验的宏观图景

信任危机是这场重构的第一推动力，且非是主观印象实为可核验的下滑。路透新闻研究所的《2026年数字新闻报告》覆盖48个市场约10万人，全球对新闻的信任度降至37%，为2015年首次测量以来的最低值，48个市场中29个显著下降；每周回避新闻的人群维持在42%，2017年只有29%，同一样本中"随机/被动新闻用户"从2021年的百分之十六升至25%，"新闻爱好者"从29%降至22%（Reuters Institute DNR 2026）。美国的下沉更陡：盖洛普2025年9月调查显示"完全或较多信任大众媒体"的比例首次跌破三成、只剩28%，共和党人群仅剩8%（Gallup）；皮尤2025年10月发布的数据显示对全国性新闻机构的信任在半年内下降11个百分点、只剩56%，但对本地新闻机构的信任仍有70%------信任的坍缩是有梯度的，本地、专业与人格化来源相较抗跌（Pew Research）。爱德曼2025年信任度调查在28国33,000多人中发现，平均69%的受访者担心政府官员、商界领袖与记者"有意误导"他们，63%持续难判断新闻是可信来源还是刻意欺骗（Edelman 2025）。

发现入口本身也在迁移。中国互联网络信息中心2026年3月发布的第57次报告显示网民规模11.25亿、手机上网比例99.6%，生成式AI用户一年内增长141.7%至6.02亿，而搜索引擎使用率从2024年12月的79.2%降至2025年12月的69.5%（CNNIC、报告PDF）。西方侧同步的方向：路透报告记录到每周用AI聊天机器人获取新闻的比例从7%升至10%，其中最年青组已达百分之十七（DNR 2026 AI章）。两条数据合在一起意味着"透明搜索+网页浏览"的黄金入口正被"社交/短视频/AI回答"三合一取代------这并非崩溃也不是替代，却为发现权在重新分配。

三、广告：不是崩盘，而是位移与测量失灵

广告业当下的现实处境并非"回报处于历史最低"，却为结构性迁移与测量失灵共现出现。IAB与普华永道《2025年全年互联网广告收入报告》显示美国数字广告收入2025年达2,946亿美元、同比+13.9%，程序化+20.5%至1,624亿美元，创作者广告370亿美元、2026年预计升至440亿美元（IAB/PwC）。线性电视则加速让位：eMarketer援引WARC口径，2026年线性电视广告预计下降超百分之十一至1391亿美元，占全球媒体支出份额从2013年41.3%降至12.4%，但仍占全球电视投放的75%（eMarketer）。核心的痛点是测量与效率：尼尔森2025年营销报告调查全球1,400名营销人后发现，仅限百分之三十二的营销人对传统与数字媒体做整体性测量，百分之五十四计划减少广告支出（Nielsen）；美国全国广告主协会研究更直接：880亿美元的开放网程序化生态中，多达200亿美元被浪费，占比23%（ANA）。

信任并不因而就明了转向"熟人和创作者"。BBB国家项目《影响者信任指数》2025年报告显示，百分之八十七的美国消费者信任他们所看到的广告（其中5.5%彻底信任、83.2%有些信任），信任网红广告的比例为74%，26%不信任------而70%的消费者会因未披露的商业合作而对创作者产生负面观感（BBB National Programs）。能够站住的判断是：注意力与预算正在向创作者、社群、零售媒体与视频迁移，而未披露的商业关系会立即毁掉这一层的溢价。

推荐经济是这一图景中最容易被误读的一部分。金融业并没有"放弃广告"，实为在广告之外叠加可计量的获客渠道。可核验的官方条款有：大通银行的Freedom卡每次推荐50美元、每年上限500美元，Sapphire每次15,000积分（年上限10万分），Marriott Bonvoy每次40,000积分（Chase）；第一资本官方教育页说明其信用卡推荐奖励一般每日历年上限500美元（Capital One）；美国运通规定每卡账户每日历年最高5次推荐奖励（American Express）；SoFi单一日历年内所有存款奖励累计不超过10000美元、一次推荐最高125美元（SoFi）；罗宾汉券商采用阶梯设计、每年最高15,000美元股票奖励（Robinhood）。核心的信号并非"广告死了"，而是当广告可测性下降时，机构愿意为可归因、带身份的人际引流付出可核算的赏金。这与订阅、会员、社群一样，都属于第二层的经济学。

四、中美两种"围墙"：闭环变现与合规叠加

中美的"围墙"看似都是把内容锁在墙内，但建造逻辑并不相同。中国移动生态的墙初始是商业设计，并非法律强制。腾讯2025年报把广告涨价的成因之一直接表述为"闭环广告的占比持续提升(用户点击后可直达小程序、微信小店或小游戏等原生交易场景)"，微信合并月活14.18亿（腾讯2025年度业绩）。这套设计的本质是在超级App内部完成"发现---转化---支付---履约"闭环，链外的开放网页因此已无是必需环节。同期监管的方向正因是"拆墙"而不是"筑墙"：2021年9月工信部召开"屏蔽网址链接问题行政指导会"，提出即时通信软件合规标准，要求企业依限解除屏蔽，主管官员在国新办发布会上明确"互联互通是互联网行业高质量发展的必然选择"，同一报道亦援引专家意见指出"生态开放不能一蹴而就......不宜一刀切地解除壁垒"，主张渐进实施并保留"必要的防火墙"（新华网）。这段官方与半官方表述本身，就是"半透膜策略"在中国监管语境下的现成注脚。

实名与账号治理是中国规则里最鲜明的一层，但严格的落点是注册与发布，并非"浏览网页非法"。新修订的《网络安全法》2026年1月1日起施行，第二十六条要求网络接入、域名注册、入网、信息发布与即时通讯服务提供客观身份信息（网络安全法）；《互联网用户账号信息管理规定》第十一条要求新闻、经济、教育、医疗卫生、司法等领域账号提交资质并"加注专门标识"，第十二至十三条要求展示IP归属地与主体信息（网信办）；《互联网信息服务算法推荐管理规定》第十七条要求"向用户提供不针对其个人特征的选项"并可关闭算法推荐，第二十一条禁止"大数据杀熟"式差异定价，第二十四条要求具有舆论属性或社会动员能力的服务须完成算法备案（算法推荐规定）；《生成式人工智能服务管理暂行办法》第七条要求训练数据"合法来源"并不侵害他人知识产权（生成式AI暂行办法）；《人工智能生成合成内容标识办法》2025年9月1日施行，清楚区分显式与隐式标识，要求元数据中写入服务提供者与内容编号、日志留存部分于六个月（标识办法）。合并起来，中国这一层是"账号资质核验+IP归属地展示+算法备案+生成内容标识"的合规叠加，而不是"匿名浏览违法"。

美国与欧盟侧的"墙"则以私人版权、访问控制与反垄断为主，法律未有基础禁止AI抓取。版权诉讼路径分歧仍在：Bartz诉Anthropic案中Alsup法官2025年6月认定合法购书训练可属转换性合理使用，但保存约700万本盗版书构成侵权，该案终局以15亿美元和解，2026年7月20日获终局批准（Reuters 2025-06-24、Reuters 2026-07-20）；《纽约时报》诉OpenAI/Microsoft在2026年6月追加了对微软公司的帮助侵权指控（Ars Technica）；OpenAI官方案件页显示部分主张已被驳回，核心争点仍是合理使用（OpenAI）。反垄断路径由Penske诉Google打开，2025年9月大型出版商首次就AI Overviews起诉搜索巨头，核心指控涉及市场支配地位与流量截流（Reuters 2025-09-14）。授权许可路径已出现范式，News Corp与OpenAI 2024年5月签署多年期全球授权（News Corp）。

访问控制层是"能挡多少"的现实检验。Cloudflare 2025年7月起对新域名默认阻断AI爬虫并推出"按次抓取付费"实验，声称已有超250万个网站通过其托管规则完全禁止AI训练用途抓取（Cloudflare 新闻稿）；但同一家公司之后指控Perplexity使用"隐形、未申报"爬虫，当被网络层阻断时"表象会掩盖其抓取身份"，反复更换user agent与ASN、疏忽何况不去获取robots.txt，Cloudflare因此取消其"已验证机器人"资格（Cloudflare 博客）。授权语义层的新工具是RSL 1.0（Really Simple Licensing），1500多家机构在2025年12月支持这一机器可读许可与计费标准（RSL）。现实图景是：robots.txt是主动协议（RFC 9309）而不是法律禁令，访问控制在技术上永远能被局部规避，只有把技术+合同+法律三条线叠起来，才是可防守的边界。

一句话对比：中国的"墙"是平台级+账号级+发布环节实名+算法备案+生成内容强制标识的行政合规叠加；美国与欧盟的"墙"是平台级+网络层默认拒爬+机器可读许可+版权和反垄断诉讼的私人权利叠加。两者在保护点（版权、身份、公共秩序）区别，但在部署方式上都走向"结构化的半透膜"，而非彻底封闭。

五、AI作为过滤层：能力、误差与合规

AI进入公域信息消费的方式并非"取代记者"，却掌控过滤与策展。这套能力的底层不是"深度生物识别"，而是检索增强生成（RAG）+ 明确反馈 + 第一方会员数据。Lewis等人2020年提出RAG的原论文明确指出，纯参数化模型的两大缺陷是"为其决策提供出处（provenance）"与"补全其世界知识"，RAG通过外接非参数化记忆使生成"更具体、更多样、更符合事实"（arXiv:2005.11401）。这条技术路线的商业含义是：模型天然需要外部、结构化、可授权的语料，所以可信私域并不是与AI对立，而是AI的必需品。

但出处能力≠出处准确。哥伦比亚新闻评论Tow Center 2025年对8个生成式搜索工具、20家出版商、1,600次查询的测试显示整体错误率超过百分之六十，其中Perplexity 37%、Grok 3高达百分之九十四（CJR / Tow Center）。欧洲广播联盟与BBC领导的《AI助手中的新闻完整性》2025年10月研究覆盖22家公共媒体、18国、14语言、3000多条回答：百分之四十五的AI回答最低存在一项突出问题、31%存在剧烈来源问题、20%存在重大准确性问题，Gemini问题率高达百分之七十六（BBC Media Centre）。这为可信私域留下了清晰的商业空间------AI摘要越普及，可验证署名的机构与作者就越有议价能力。

关于个性化，恰当的表述是"依赖行为与喜好信号、直接反馈与第一方会员数据"，而并非"深度生物识别"。欧盟《通用数据保护条例》第9(1)条基础禁止以唯一识别自然人为目的处理生物识别数据（GDPR）；欧盟《人工智能法》第5条直接禁止工作场所与教育机构的情绪推断、基于生物特征推断种族/政治/宗教/性取向的分类系统和无目标抓取面部图像建库（EU AI Act）。生物识别在这些辖区是合规负债而非产品前提。

法律层还锁定了一个至关重要的"退出键"：欧盟《数字服务法》第38条要求超大型平台和搜索引擎不少于提供一个不基于GDPR第4(4)条画像的推荐选项（DSA 38），中国《算法推荐规定》第十七条亦然要求"不针对个人特征的选项"或简单关闭功能（网信办）。能够在两个法域找到"非画像推荐"作为法定选项，这本身就否证了"AI不得不监听一切、必须做深度画像才能工作"的错觉。

关于AI是否直接制造极化，可靠证据也是有限的。路透研究所2022年文献综述结论是"回音室远没有普遍假设的那样普遍，未发现支持过滤气泡理论的证据"（ORA）；发表在《科学》的Facebook实验显示，把用户移出算法信息流会明显减少其平台使用时间并改变内容暴露结构，但在三个月内未见显著改变议题极化、情感极化或政治知识（Science abp9364）。可靠的判断是：算法主要改变暴露结构与停留时长；对态度极化的因果证据薄弱；AI过滤层实际的风险是"发现权"与"来源可见性"的再分配，而不是简单的"洗脑"。

内容溯源的技术底座正在成型。C2PA 2.2的Content Credentials用密码学方式绑定并记录资产的来源、修改历史与AI使用情况，规范清晰设计为"全局、可选择加入（opt-in）"，并强调"添加来源信息是可选的，无意造成双层媒体生态"（C2PA Explainer）。中国路径上，来源标注已由标识办法强制化：文本、音频、图片、视频与虚拟场景须加直接标识；元数据中须写入服务提供者与内容编号；用户申请无显式标识内容时，服务需留存日志较多于六个月（标识办法）。当AI回答持续多，署名、修改历史与许可条件被写进内容本体，就成为"可信"这一属性的核心基础。

六、可信私域的商业逻辑：从报刊亭到平台化的会员经济

在信任下降与AI质量缺口的双重压力下，可信私域正在被现金投票。Press Gazette的《10万俱乐部》2026年榜单显示，62家英语新闻/杂志出版商各有10万以上数字订阅，合计5,400万数字订阅，高于2025年2月的4470万，同比增长约21%；这份榜单一家《纽约时报》就占23%（Press Gazette）。《纽约时报》2026年二季报显示纯数字订阅约1,280万，数字ARPU从上年同期9.64美元升至9.94美元，5 个季度持续上行，提价与套餐化都在生效（NYT Q2 2026 SEC）。

平台侧的转化机制亦有数据支撑。Patreon的CEO口径显示，自2013年以来创作者累计收款超过100亿美元，2,500万以上付费会员，超过1亿免费会员每月有超70万转化为付费（Axios）；平台费官方口径为2025年8月4日后新创作者适用标准10%（Patreon）。Substack宣布累计500万付费订阅，官方分成为"作者保留90%再扣信用卡手续费"，官方示例是"1,000名订阅者×每月5美元=年收入6万美元"（Substack、Substack Going Paid）。这些数据一起说明**"免费层→注册层→付费层"的漏斗确凿存在且可量化**------但也提醒创作者：一旦全部依赖平台，就意味着持续让渡10%的现金和百分之一百的用户关系；自有渠道由于值得建，即是因为在这道半透膜里，会员关系是唯一不会被平台改规则回收的资产。

"报刊亭式订阅"抓到了适切的直觉，但它并不代表"数字回到印刷"，而代表"从广告经济回到关系经济"。读者付费购买的并非"稀有信息"（AI已让稀缺信息变得低廉），却编辑判断、来源可追、编辑与作者的可问责性和不被广告噪声干扰的阅读环境。会员层的定价能力，本质上是"信任---方法---署名"的复合价格。

七、学术出版与机构研究：并非崩溃，是门槛与责任的资本化

学术侧实际在发生的是准入门槛提高、筛查成本资本化、责任与披露制度化，而非是"普通大学和期刊大面积倒闭"。arXiv自2025年10月31日起要求计算机科学类的综述与立场论文不得不先通过期刊或会议同行评议并提交证明才会获全面考虑，官方理由是"综述与立场论文涌入量已无法管理"，且"生成式AI/大语言模型让不产生新研究结果的论文写起来又快又容易"（arXiv 官方博客）。国际科技医学出版商协会（STM）2026年1月发布的报告指出，部分出版商已设立超过100人的专职科研诚信团队，每年筛查数百万份投稿，"运用技术但让人一直处于工作的中心"；协作基础设施共存扩张：STM Integrity Hub 49家机构成员、COPE 106家出版商代表14,500多种期刊、United2Act反论文工厂联盟58家机构（STM）。据Frontiers对111国约1,600名学者的调查，超过50%的研究者在评审稿件时使用过AI（Nature 报道）。

责任规则则被具体锁定在人身上。国际医学期刊编辑委员会规定聊天机器人与其他AI辅助工具不应被列为作者，因其无法对准确性、完整性与原创性负责，作者须披露AI使用并说明如何使用，且"以AI生成材料作为主要来源引用是不可接受的"（ICMJE）；出版伦理委员会2024年8月版立场声明也明确"AI工具不能作为论文作者"，因其"无法对提交的作品负责"、无法声明利益冲突、无法管理版权与许可协议，作者对稿件内容承担全部责任，哪怕是AI工具生成的部分（COPE）。

对学术出版与机构研究，能生存并涨价的，是把"来源可追溯性、方法透明、数据与代码可得、评议流程可审计、人类署名责任"打包成产品的机构；被冲击的，是把"批量数据整理+格式化解读"当作核心供给的中低端环节。机构研究的转型方向不是继续量产PDF，即是走向可追责的顾问服务、决策级简报、机构订阅数据授权与训练语料许可。这也是"三层模型"在机构世界的对应表达。

八、三层商业模型：可以照做的操作蓝图

层一：开放发现层------把"被发现"当成一项产品

发现层的核心是让机构与作品被AI、被搜索、被跨平台的编辑网络看到，被引用、被摘要、被链接。它的即时货币收入应尽量低估：程序化开放网生态自身的浪费已达23%（ANA），Google的AI Overviews正在被大型出版商挑战（Reuters），AI回答本身的突出来源问题率仍在31%（BBC/EBU）。

发现层应做同时只做四件事：一是摘要与元数据开放------把标题、导语、结构化摘要、作者与许可条件披露；二是授权语义机器化------用robots.txt（RFC 9309）+ RSL 1.0机器可读许可 + Cloudflare计次抓取付费声明"可否抓、以何价、按何用途"（Cloudflare、RSL 1.0）；三是内容凭证嵌入------把作者、机构、修改历史、AI使用情况通过C2PA写进内容本体（C2PA）；四是KPI从"广告收入/CPM"迁移到"被引用次数×署名保留率×授权覆盖率"。这层不是不赚钱，即是主要以授权与配额而不是广告位作为收入形式。News Corp与OpenAI 2024年5月的多年期授权已给出参考模板（News Corp）。

层二：注册与会员层------把"关系"当成资产

这一层的产品化包括四步：注册（免费/低门槛）→ 会员（社区+活动）→ 付费订阅（内容+归档+讨论）→ 家庭/学生/团体套餐。可核验的定价基准是月费9到20美元、年费100到200美元区间，机构套餐单价可加倍。银行推荐奖金证明"可归因人际引流"的市场价格：每次有效付费转化，愿意支付25到200美元，是被主流机构在真金白银里认可过的区间（Chase、SoFi、Capital One）。可执行的会员经济学证据来自Patreon与Substack（转化漏斗与90/10分成）并英语新闻订阅榜的一年+21%（Axios、Substack、Substack Going Paid、Press Gazette）。

合规约束不能省略：需提供非画像推荐选项（DSA 38、算法推荐规定）；不得以生物识别作为个性化前提（GDPR、AI Act）；生成内容需按当地法规做溯源标识（中国标识办法、C2PA）。这一层的核心风险是回避与厌倦（42%的人回避新闻，25%是被动用户，DNR 2026），由此编辑克制、结构化摘要、可控通知与低频精编产品比"更多推送"更关键。

层三：专业与机构层------把"可问责性"当成价格

第三层的关键词不是"高端"，即是可审计、可追责、可被机构采购。它承接三类需求：一是机构订阅------图书馆、企业与政府愿意为"可被审计的研究流程与数据集"付费；二是定制决策支持------面向明确业务问题的顾问式产品，包括战情简报、评估、模型审计与培训；三是授权与训练语料------把可核验的语料按用途授权给AI提供商，与News Corp、RSL、Pay Per Crawl一线的机制打通。这层的护城河是"人---方法---声誉"的组合：责任规则要求人类署名并承担全部责任（ICMJE、COPE），科研诚信团队已成资本密集能力（STM），中国侧的账号资质核验与专门标识是这类"专业资质"制度化的对照（账号信息管理规定第11条）。

半透膜：三层之间如何调度

三层之间要靠一张"半透膜"连接：摘要与元数据向外免费流出以维持发现权；全文、原始数据与身份化关系数据留在墙内以维持议价权；训练语料通过机器可读许可与配额向AI提供商定价流出，形成可核算的第三方收入。完全高墙会失去发现，绝对开放会失去定价；能稳定赢的机构，是把半透膜的"孔径"当成核心产品参数、随着信任经济与授权市场演化持续微调的机构。

结语：从宏大隐喻走向可运营的半透膜

这场重构做的是一件更实用也更棘手的事：把信任、发现、变现与责任再度分层，让每一层都有它专属的合规约束、单位经济学与可运营指标。在信息过载、AI冲击与信任危机三合一的今天，赢家不会是筑得最厚、看起来最傲的墙，即是能并行经营"被发现的摘要、被信任的会员关系与被机构采购的可追责服务"的机构------一个把半透膜孔径调准的机构。这是可行从现在开始、一步一步做的事。

（本文所有数据与判断均基于本次会话中实际读取并核验的可查来源；截至2026年9月11日，NYT诉OpenAI/Microsoft与Penske诉Google案尚无终审结论，广告与订阅统计随季度修订。）

引用编号：IB-6JDR-J2OT（洞见桥全球情报）

1. Prologue: Three tiers and a membrane

For three decades, the internet was told as a story of accessibleness. Google turned open-web distribution into an advertising empire, and common readers cycled through search, click, and monetized attention. Thirty years in, that uniform loop is fracturing. Information overload, artificial AI, and an extensive crisis of trust are pushing the industry toward three tiers. On the outside sits an open discovery layer that remains queryable to search and AI but generates minimal direct revenue. In the middle sits an affiliated membership layer that trades access for identity, community, and paid relationships. At the core sits an expert organizational layer that sells auditable methods, human accountability, and bespoke decision support.

The appropriate metaphor is a semi-permeable membrane instead than a wall. A membrane admits defined molecules with blocks others. Applied to content, it lets abstracts, structured metadata, and licensable samples pass outward so that institutions and works remain visible to AI, search, and professional readers, while full text, raw data, and identity-based relationship data stay within and out of the unpaid-scraping economy. Complete closure exits the discovery market; absolute openness surrenders pricing power. The question was never whether to build walls yet which molecules to let through, which to keep, and how to price and log the traffic in both directions.

2. Erosion of trust with migration of attention

Trust decay is the first-order driver, alongside it is not an impression but an observable slide. The Reuters Institute Digital News Report 2026 (48 markets, roughly 100,000 respondents) records worldwide trust in news at 37%, the lowest since measurement began in 2015, with substantial declines in 29 of 48 markets; weekly news avoidance holds at 42% versus 29% in 2017; the share of "casual or passive" news users has risen from 16 percent in 2021 to 25%, and "news lovers" have slipped from 29% to 22% (Reuters Institute DNR 2026). U.S. decay is more pronounced: Gallup's September 2025 survey put "a substantial deal or fair amount" of trust in mass media at 28%, below 30 percent for the first time, and 8% among Republicans (Gallup). Pew reported in October 2025 that trust in national news organizations fell 11 points in six months to 56 percent, while trust in community-based news held at 70% --- the collapse is graded, not uniform, and local, specialist, and person-branded sources hold up superior (Pew Research). Edelman's 2025 Trust Barometer (28 countries, 33,000+ respondents) found that 69% of respondents worry that government leaders, business leaders, and journalists are "deliberately trying to mislead" them, and 63% say it is increasingly hard to tell whether news comes from a credible source or a deliberate attempt to deceive (Edelman 2025).

Discovery itself is migrating. China's CNNIC 57th report (February 2026, data through December 2025) puts the digital population at 1.125 billion, handheld share at 99.6%, and generative-AI users at 602 million after a one-year jump of 141.7%; search engine usage among internet users fell from 79.2% in December 2024 to 69.5% a year later (CNNIC; report PDF). On the developed side, weekly use of AI chatbots for news rose from 7% to 10%, and to 17% among the oldest cohort (DNR 2026 AI chapter). Together these signals mean the "search plus web page" classic funnel is being replaced by a blend of social, short video, and AI answers. Discovery power is being redistributed instead than destroyed.

3. Advertising: not collapse, yet migration with measurement failure

The actual state of advertising is not "returns at previous lows" but a simultaneous structural migration and measurement failure. IAB and PwC's Internet Advertising Revenue Report: Complete Year 2025 (April 2026) shows U.S. online ad revenue at USD 294.6 billion, up 13.9 percent, with programmatic up 20.5 percent to USD 162.4bn and creator advertising at USD 37bn in 2025, projected at USD 44 billion in 2026 (IAB/PwC). Linear television gives manner quicker: eMarketer, citing WARC, projects 2026 linear TV ad spend down more than 11% to USD 139.1 billion, with linear's share of global media spend falling from 41.3% in 2013 to 12.4 percent, though still 75% of global TV ad spend (eMarketer). The real pain point is measurement and efficiency: Nielsen's 2025 Annual Marketing Report finds only 32% of marketers measure conventional and digital media integrated, and 54 percent plan to cut ad spending (Nielsen); the ANA's programmatic supply-chain transparency study found that up to USD 20 billion of the USD 88 billion open-web programmatic pool is wasted, roughly 23% (ANA).

Trust is not exclusively migrating from advertisers to friends with creators. The BBB National Programs Influencer Trust Index 2025 shows 87 percent of U.S. consumers trust the advertising they see (5.5% entirely, 83.2 percent partially), while trust in influencer advertising sits at 74%, with 26 percent distrusting influencers and 70% reacting negatively when commercial partnerships go undisclosed (BBB National Programs). The reasonable reading is that attention and budget are migrating toward creators, communities, retail media, and video, and that undisclosed commercial relationships immediately destroy the trust premium at that layer.

Introductions economics is the central misread part of the picture. Service services have not "abandoned advertising"; they are adding trackable acquisition channels alongside advertising. Confirmable official terms include Chase Freedom cards at USD 50 per referral capped at USD 500 per year, Sapphire cards at 15,000 points per referral (capped at 100,000 per year), and Marriott Bonvoy at 40,000 points per referral (Chase); Capital One's education page notes credit-card referral rewards commonly cap at USD 500 per calendar year, with actual amounts requiring login (Capital One); American Express caps referral bonuses at five per card per calendar year (American Express); SoFi's bank referral program pays up to USD 125 per referral with an USD 10,000 combined annual cap (SoFi); Robinhood's tiered program tops out at USD 15,000 of stock rewards per year (Robinhood). The actual signal is not that advertising is nonexistent. It is that when advertising becomes increasingly to measure, institutions will pay reviewable bounties for attributable, identity-carrying introductions. That belongs to the second tier's economics, alongside subscriptions, memberships, and communities.

4. Two ways to build a "wall": restricted-loop monetization in China, structured compliance in the West

The U.S. and local "walls" both lock content within, but they are built for varied reasons. China's device-based walls are first a business design, not a statutory mandate. Tencent's 2025 annual results attribute part of ad price growth to "the continued increase in the share of restricted-loop advertising (users can go without intermediaries to Mini Programs, Weixin Stores, or Mini Games for native transactions after clicking)," with Weixin/WeChat combined MAU at 1.418 billion (Tencent 2025 Annual Results). The core design is discovery, conversion, payment, and fulfillment inside one super-app, which turns the external open web into an optional detour. Regulators in China have pushed the opposite way: in September 2021 the Ministry of Industry and Information Technology held an administrative-guidance session on "URL-link blocking," set a September 17 compliance deadline for messaging apps, and its senior official publicly stated that "interconnection is the necessary choice for the high-quality development of the internet industry"; the same official coverage cited experts urging that "ecosystem opening cannot be achieved immediately ... a one-size-fits-all removal of barriers is inadvisable" and calling for staged implementation with "necessary firewalls" preserved (Xinhua, 2021-09-15). That is a prepared-made Chinese-context endorsement of a semi-permeable strategy.

Actual-name and account governance are China's central distinctive rule stack, but the binding point is registration and publication, not "aabsentymous browsing is illegal." The updated Cybersecurity Law, in force January 1, 2026, requires real-identity information at network access, domain registration, information publishing, and instant-messaging (Article 26) (Cybersecurity Law). The Provisions on Administration of Internet User Account Information require accounts operating in news, economics, education, health, court-based and similar sectors to submit credentials and carry "distinct identifiers," and require accounts to display IP-attribution regions and subject information (CAC Provisions). The Provisions on Administration of Algorithmic Recommendation Services (Article 17) require providers to offer non-data collection options or convenient shut-offs, prohibit price discrimination by algorithm (Article 21), and require filings for services with public-opinion or social-mobilization attributes (Article 24) (CAC Provisions). The Interim Measures for Generative AI Services (Article 7) require compliant training data and non-infringement of intellectual property (CAC Interim Measures). The Measures for Labeling AI-Generated Synthetic Content, effective September 1, 2025, distinguish explicit from unstated labels, mandate provider identifiers and content IDs in metadata, and require logs to be retained for at least six months when users receive untagged outputs (Labeling Measures). Read together, China's tier is a staged compliance stack --- account credentials, IP display, algorithm filings, mandatory provenance labels --- not a ban on anonymous reading.

In the U.S. and EU, the parallel walls are private-rights and infrastructure walls, and the law does not exclusively prohibit AI scraping. The copyright track remains uncertain: in Bartz v. Anthropic, Judge Alsup ruled in June 2025 that training on legally purchased books was transformative fair use, while storage of roughly 7 million pirated books constituted infringement; the case settled for USD 1.5bn, with final approval on July 20, 2026 (Reuters, 2025-06-24; Reuters, 2026-07-20). NYT v. OpenAI/Microsoft remains ongoing, with the Times adding contributory infringement claims against Microsoft in June 2026 (Ars Technica); OpenAI's independent case page reports that certain claims have been dismissed and the fair-use question remains central (OpenAI). The market-regulation track opened in September 2025 with Penske Media v. Google, the first significant U.S. publisher lawsuit over AI Overviews, alleging market dominance and traffic diversion (Reuters, 2025-09-14). Licensing has its own template in the News Corp--OpenAI multi-year worldwide deal announced in May 2024 (News Corp).

The access-control layer stress-tests how much any wall can real stop. Cloudflare began blocking AI crawlers by default for new domains on July 1, 2025 and launched a "Pay Per Crawl" pilot, reporting that "more than 2.5 million websites" have initially completely disallowed AI training crawls through its managed rules (Cloudflare Press; Cloudflare Blog). The parallel company subsequently accused Perplexity of using stealth, undeclared crawlers that "appeared to mask their crawling identity" when blocked at the network layer, rotating user agents and ASNs and ignoring or failing to fetch robots.txt, prompting Cloudflare to revoke its verified-bot status (Cloudflare Blog). A licensing-semantics layer is emerging with the Really Simple Licensing (RSL) 1.0 specification, backed by more than 1,500 organizations in December 2025 for machine-parsable license and price terms (RSL 1.0). The honest picture: robots.txt is a voluntary protocol (RFC 9309) moreover than a legal prohibition, technical blocks can always be locally circumvented, and only a stacked posture --- technical plus contractual plus legal --- makes a defensible boundary.

A one-line comparison: China's wall is a platform-and-account layer built from concrete-name registration, credential-based dedicated identifiers, algorithm filings, and mandatory provenance labels; the U.S. and EU wall is a platform-and-network layer built from default crawler blocks, machine-readable licensing, and copyright/antitrust litigation. The protected interests differ --- copyright, identity, general order --- but both jurisdictions are converging on organized semi-permeable membranes, not absolute closure.

5. AI as a filtering layer: capability, error rates, and compliance

AI's role at the general discovery layer is not to replace journalists yet to take over filtering and curation. The enabling stack is retrieval-augmented generation (RAG) + clear feedback + primary-party membership data, not "deep biometric identification." Lewis et al. (2020), the original RAG paper, name the two weaknesses of exclusively parametric models as "provenance for their decisions" and "updating their world knowledge," and show that combining parametric with non-parametric memory produces language that is "increased specific, diverse, and factual" (arXiv:2005.11401). The market implication is precise: models architecturally need external, structured, licensable corpora. The verified confidential domain is not AI's opponent but its supply chain.

Provenance capability, nonetheless, is not provenance correctness. The Columbia Journalism Review's Tow Center tested eight producing-search tools with 20 publishers and 1,600 queries in 2025 and found error rates above 60%, with Perplexity at 37% and Grok 3 at 94% (CJR / Tow Center). The EBU/BBC study "News Integrity in AI Assistants" (October 2025, 22 open-service broadcasters, 18 countries, 14 languages, 3,000+ responses, ChatGPT/Copilot/Gemini/Perplexity) found 45 percent of responses had at least one substantial issue, 31% had serious sourcing problems, and 20% had major accuracy problems, with Gemini at a 76% issue rate (BBC Media Centre). That gap is what leaves distinct commercial room for a trusted private domain: the more AI summarization spreads, the more pricing power accrues to confirmable attributed institutions and authors.

Personalization should be described as riding on action-based signals, direct feedback, and first-party membership data, not physiologicals. GDPR Article 9(1) prohibits, as a principle, the processing of biometric data for the purpose of specifically identifying a natural person (GDPR). EU AI Act Article 5 immediately prohibits emotion-inference systems in workplaces and educational institutions, biometric-based categorization inferring race, opinion-based opinions, trade-union membership, religious or philosophical beliefs, sex life or sexual orientation, and the untargeted scraping of facial images to build or expand recognition databases (EU AI Act Article 5). In these jurisdictions, biometrics is a compliance liability, not a product prerequisite.

Regulation has further legislated an "exit key" from personalization. EU DSA Article 38 requires highly significant online platforms and search engines to provide at least one non-profiling recommender option (DSA 38); China's Article 17 of the Algorithmic Recommendation Provisions makes the same demand (CAC). Two of the world's biggest governing blocs treat non-profiling recommendation as a legal default, which itself falsifies the claim that AI "must surveil everything to function."

The evidence that computational feeds immediately drive polarization is thin. A Reuters Institute literature review concluded that echo chambers are "highly reduced widespread than commonly assumed" and that "we do not find evidence supporting the filter bubble hypothesis" (ORA). A Science experiment on Facebook (Guess et al.) found that moving users off the algorithmic feed dramatically reduced time and activity on the platform and changed their exposure structure --- chronological feeds surfaced increased political and untrustworthy content but less uncivil material and more content from moderate friends and ideologically mixed audience sources --- yet "the chronological feed did not significantly alter levels of issue polarization, affective polarization, political knowledge, or other key attitudes" over three months (Science, abp9364). The legitimate thesis: algorithms predominantly reshape exposure structure and time-on-platform; the causal case for attitude polarization is weak; the real risk of an AI filtering layer is the redistribution of discovery and source visibility, not brainwashing.

The engineering substrate for provenance is arriving. C2PA 2.2 Content Credentials use secure binding to record asset provenance, edit history, and AI use; the specification is specifically "global and opt-in" and states that adding provenance is optional and "is not intended to create a two-tier media ecosystem" (C2PA Explainer). China has moved this from voluntary to mandatory: the Labeling Measures require clear and implicit labels across text, audio, image, video, and digital scenes; provider identifiers and content IDs in metadata; and log retention of at least six months for unlabeled deliveries (Labeling Measures). When AI answers proliferate, authorship, edit history, and license terms embedded in the content itself become the essential floor for "trustworthy."

6. The business logic of the trusted internal domain: from newsstand to platform-scale memberships

Trust erosion plus an AI-quality gap is being validated in cash. Press Gazette's 100k Club 2026 lists 62 English-language news and magazine publishers with 100,000-plus online subscriptions each, totaling 54 million digital subscriptions --- up from 44.7 million in February 2025, about 21% growth year over year --- with The New York Times accounting for 23% of the list (Press Gazette). NYT's Q2 2026 report to the SEC shows roughly 12.8 million digital-singular subscriptions and digital ARPU rising from USD 9.64 a year earlier to USD 9.94, with five consecutive quarters of ARPU growth as pricing and bundling take hold (NYT Q2 2026 SEC).

Platform-side conversion mechanics are further countable. Patreon's CEO told Axios in August 2025 that creators have collected more than USD 10 billion since 2013, that the platform has 25 million-plus paid members, and that over 100 million non-paid members convert at more than 700,000 per month (Axios); the official fee page confirms a standard 10% platform fee for creators launching after August 4, 2025 (Patreon). Substack has announced 5 million paid subscriptions aggregated, with the official split described as "writers keep 90% of the revenue" after credit-card fees, and an official example of "1,000 subscribers at USD 5/month = USD 60,000 in yearly revenue" (Substack; Substack Going Paid). Together these numbers demonstrate an actual and measurable free-to-registered-to-paid funnel --- and remind creators that platform-only distribution costs a permanent 10% of cash and 100% of the customer relationship. Owned channels earn their keep because, inside a partial-selective membrane, the member relationship is the one asset that cannot be reclaimed by a platform's next rule change.

The "newsstand" instinct is correct, yet it does not signal a return to print. It signals a return from advertising economics to relationship economics. Readers are not paying for limited information --- AI has previously made that cheap. They are paying for content judgment, source traceability, editor and author accountability, and a reading environment insulated from advertising noise. The pricing power at the membership tier is the integrated price of trust, method, and byline.

7. Scholarly publishing and organizational research: not collapse, but the capitalization of thresholds and responsibility

What is actually happening in academia is that access thresholds are rising, screening costs are being capitalized, and responsibility and disclosure are being institutionalized --- not that typical universities and journals are collapsing en masse. Since October 31, 2025, arXiv has required computer-science review articles and position papers to pass peer review at a journal or conference and provide proof before entire consideration, citing "an unmanageable flood of submissions" and the fact that "generative AI / large language models have made writing articles --- notably ones that don't add new research results --- fast and easy" (arXiv Blog). A January 2026 report commissioned by STM documents that some publishers have built specialized research-integrity teams of more than 100 people that screen millions of submissions annually, "using technology while keeping humans consistently at the center of the work"; supporting infrastructure is expanding through the STM Integrity Hub (49 member organizations), COPE (106 publisher members representing 14,500-plus journals), and United2Act (58 organizations against paper mills) (STM). A Frontiers survey of about 1,600 scholars across 111 countries reports that over half of researchers have used AI when reviewing manuscripts (Nature).

Responsibility is being tied to humans. ICMJE states that "chatbots (for example, ChatGPT) and additional AI-assisted technologies should not be listed as authors because they cannot be liable for the accuracy, integrity, and originality of the work"; authors must disclose AI use and specify how it was used, and "using AI-generated material as a primary source of citation is not acceptable" (ICMJE). COPE's August 2024 position states that "AI tools cannot be listed as authors of a paper" because they cannot be responsible, cannot declare conflicts of interest, and cannot manage copyright and license agreements; authors take complete responsibility for the manuscript, including any portions produced by AI tools (COPE).

The winners in scholarly publishing and systemic research will be the institutions that package source traceability, transparent methodology, accessible data and code, auditable review, and human byline responsibility as a product; the losers will be mid-tier venues that treat "bulk data compilation plus formatted commentary" as their core supply. Institutional research does not survive by producing further PDFs; it survives by pivoting toward auditable consultative services, decision-grade briefings, institutional subscriptions and data licensing, and licensed AI-training corpora. This is the three-tier model applied to the research world.

8. The three-tier model as an operating blueprint

Tier 1 --- Public discovery: treat "being searchable" as a product

The discovery layer's job is to be seen by AI, search, and inter-network editorial networks; to be cited, summarized, and linked. Direct monetization should be planned prudently: the open-web programmatic pool wastes 23% of its own spend (ANA), Google's AI Overviews are being challenged in court by major publishers (Reuters), and AI answers themselves remain fail on serious sourcing 31% of the time (BBC/EBU).

Discovery should do four things and only four. First, public abstracts and metadata --- titles, dek, formalized summaries, authors, and license terms. Second, machine-interpretable licensing semantics --- robots.txt (RFC 9309) plus RSL 1.0 licensing plus a Pay-Per-Crawl declaration stating what can be crawled, at what price, for what purpose (Cloudflare; RSL 1.0). Third, content credentials travel with the work --- authorship, institution, edit history, and AI use bound into the asset via C2PA (C2PA). Fourth, migrate discovery-layer KPIs disengaged from ad revenue and CPM toward citation counts, byline retention rate, and license coverage. This tier is not without revenue; it earns chiefly through licensing and metered access instead than display advertising, following the News Corp--OpenAI template (News Corp).

Tier 2 --- Registered and membership: treat the relationship as the asset

The productized funnel is four steps: register (non-paid / simple-friction) → member (community and events) → paid subscription (content, archive, discussion) → household, student, and group bundles. viable price benchmarks live in an USD 9--20 monthly and USD 100--200 annual range, with organizational bundles at multiples. The bank referral evidence sets a verified market price for attributable human referrals: USD 25 to USD 200 per successful conversion is what mainstream institutions actually pay in cash (Chase; SoFi; Capital One). The membership economics themselves are evident in Patreon and Substack (the conversion funnel and the 90/10 split) and in the English-language subscription list growing 21% year on year (Axios; Substack; Substack Going Paid; Press Gazette).

Compliance is un-required at this tier. Providers must offer non-targeting recommender options (DSA 38; Algorithmic Recommendation Provisions); cannot condition personalization on biometrics (GDPR; AI Act); and must implement provenance labels for AI-assisted content per regional rules (China Labeling Measures; C2PA). The single largest risk is avoidance and fatigue --- 42% of respondents avoid news and 25% are passive users (DNR 2026) --- which makes editorial restraint, structured summaries, user-controlled notifications, and low-frequency curated products additional intentionally valuable than "more push."

Tier 3 --- Professional and institutional: treat accountability as the price

The keyword at the highest tier is not "premium" however verifiable, accountable, procurement-ready. It serves three demand types. Organizational subscriptions: libraries, corporations, and government pay for auditable research processes and datasets. Bespoke decision support: consultative work for specific business questions, including situation briefings, evaluations, model audits, and training. Corpora and licensing: traceable content licensed to AI providers by use case, connecting to the identical primitives as News Corp, RSL, and Pay Per Crawl. The moat is a combination of people, methods, and reputation: responsibility rules bind humans to complete accountability (ICMJE; COPE); research-integrity teams are becoming a capital-intensive capability (STM); and China's Article 11 credential-and-special-identifier system is a parallel institutionalization of "professional qualifications" (Provisions on Account Information).

The partial-transmissible membrane: how the three tiers connect

A single membrane connects the tiers: abstracts and metadata pass external to preserve discovery power; full text, raw data, and identity-based relationship data stay within to preserve pricing power; training corpora move outward under machine-readable licenses and metered fees, creating an auditable third-party revenue stream. Total walls forfeit discovery; absolute openness forfeits pricing. Institutions that thrive over the extended run will be the ones that treat membrane opening size as a core product parameter and tune it as the trust economy and licensing markets evolve.

Conclusion: from a broad metaphor to an usable membrane

This reconfiguration is doing something further implementable and more difficult: relayering trust, discovery, monetization, and responsibility so that each tier gets its own compliance envelope, unit economics, and operating metrics. In a moment when information overload, AI shocks, and trust erosion arrive at once, the winners will not be the greatest walls. They will be institutions that can concurrently operate a discoverable abstract layer, a trusted membership layer, and a procurement-grade accountable-service layer --- institutions that keep the membrane's pore size properly tuned. That is work that can start currently, one calibrated aperture at a time.

(All figures and judgments here draw on public sources truly retrieved and read during the underlying research pass; as of September 11, 2026, NYT v. OpenAI/Microsoft and Penske v. Google remain undecided, and advertising and subscription statistics are updated quarterly.)

Reference: IB-6JDR-QHYH (InsightBridge Global Intelligence)

1. Пролог: три уровня и мембрана

Три десятилетия интернет представлялся как история открытости. Google превратил распределение открытого веба в рекламную империю, а обычные читатели проходили цикл «поиск – клик – монетизация внимания». Тридцать лет спустя эта единственная петля распадается. Перегрузка информацией, генеративный ИИ и широкий кризис доверия толкают отрасль к трём уровням. Снаружи находится слой открытого обнаружения, остающийся доступным для поиска и ИИ, но генерирующий мало прямого дохода. В середине — слой зарегистрированных участников, который обменивает доступ на идентичность, сообщество и платные отношения. В ядре — профессиональный институциональный слой, продающий проверяемые методы, человеческую ответственность и индивидуальную поддержку принятия решений.

Правильная метафора – полупроницаемая мембрана, а не стена. Мембрана пропускает одни молекулы и блокирует другие. Применительно к контенту она позволяет абстрактам, структурированным метаданным и лицензируемым образцам выходить наружу, чтобы институты и работы оставались видимыми для ИИ, поиска и профессиональных читателей, тогда как полный текст, сырые данные и данные о взаимоотношениях, основанные на идентичности, остаются внутри и вне свободной скрапинговой экономики. Полное закрытие выводит рынок обнаружения; полная открытость лишает возможности ценообразования. Вопрос никогда не стоял в построении стен, а в том, какие молекулы пропустить, какие удержать и как ценообразовать и фиксировать трафик в обоих направлениях.

2. Эрозия доверия и миграция внимания

Упадок доверия – это драйвер первого порядка, и это не ощущение, а измеряемый спад. Reuters Institute Digital News Report 2026 (48 рынков, примерно 100 000 респондентов) фиксирует глобальное доверие к новостям на уровне 37 %, самое низкое с начала измерений в 2015 г., со значительным снижением в 29 из 48 рынков; еженедельное избегание новостей остаётся на уровне 42 % против 29 % в 2017 г.; доля «случайных или пассивных» новостных пользователей выросла с 16 % в 2021 г. до 25 %, а «любителей новостей» упала с 29 % до 22 % (Reuters Institute DNR 2026). В США падение круче: опрос Gallup за сентябрь 2025 г. показал, что «в значительной степени или в значительной мере» доверяют массмедиа 28 %, впервые ниже 30 %, и лишь 8 % среди республиканцев (Gallup). Pew сообщил в октябре 2025 г., что доверие к национальным новостным организациям упало на 11 пунктов за шесть месяцев до 56 %, тогда как доверие к местным новостям удерживается на уровне 70 % — падение градуировано, а не равномерно, и местные, специализированные и персональные источники держатся лучше (Pew Research). Edelman’s 2025 Trust Barometer (28 стран, более 33 000 респондентов) выявил, что 69 % опрошенных опасаются, что правительственные лидеры, бизнес‑лидеры и журналисты «намеренно пытаются их ввести в заблуждение», и 63 % считают, что всё труднее определить, поступают ли новости из надёжного источника или являются преднамеренной попыткой обмана (Edelman 2025).

Само обнаружение мигрирует. Китайский CNNIC 57‑й отчёт (февраль 2026 г., данные до декабря 2025 г.) фиксирует онлайн‑население в 1 125 000 000 человек, долю мобильных устройств – 99,6 %, а пользователей генеративного ИИ – 602 000 000 после годового скачка на 141,7 %; использование поисковых систем среди интернет‑пользователей упало с 79,2 % в декабре 2024 г. до 69,5 % через год (CNNIC; report PDF). На западной стороне еженедельное использование AI‑чатботов для новостей выросло с 7 % до 10 %, а среди самой молодой когорты – до 17 % (DNR 2026 AI chapter). Вместе эти сигналы означают, что «поиск + веб‑страница» золотой воронки заменяется смесью соцсетей, короткого видео и AI‑ответов. Сила обнаружения перераспределяется, а не уничтожается.

3. Реклама: не коллапс, а миграция и провал измерений

Реальное состояние рекламного рынка — это не «возвраты на историческом минимуме», а одновременная структурная миграция и провал измерений. IAB и PwC Internet Advertising Revenue Report: Full Year 2025 (апрель 2026) показывают, что доходы США от цифровой рекламы составили USD 294,6 млрд, рост 13,9 %, при этом программная реклама выросла на 20,5 % до USD 162,4 млрд, а реклама от креаторов — до USD 37 млрд в 2025 г., прогнозируемая в 2026 г. — USD 44 млрд (IAB/PwC). Линейное телевидение меняется гораздо быстрее: eMarketer со ссылкой на WARC прогнозирует, что в 2026 г. расходы на линейную ТВ‑рекламу упадут более чем на 11 % до USD 139,1 млрд, а доля линейного ТВ в глобальных медиа‑расходах снизится с 41,3 % в 2013 г. до 12,4 %, хотя всё ещё составляет 75 % глобальных расходов на ТВ‑рекламу (eMarketer). Реальная боль — измерения и эффективность: ежегодный маркетинговый отчёт Nielsen за 2025 г. показывает, что лишь 32 % маркетологов измеряют традиционные и цифровые медиа в комплексе, и 54 % планируют сократить рекламные бюджеты (Nielsen); исследование прозрачности программных цепочек поставок ANA выявило, что до USD 20 млрд из открытого веб‑пула программной рекламы в USD 88 млрд теряется, что составляет примерно 23 % (ANA).

Доверие просто не переходит от рекламодателей к друзьям и креаторам. Индекс доверия к инфлюенсерам BBB National Programs за 2025 г. показывает, что 87 % потребителей США доверяют рекламе, которую видят (5,5 % полностью, 83,2 % в некоторой степени), тогда как доверие к рекламе инфлюенсеров составляет 74 %, при этом 26 % не доверяют инфлюенсерам, а 70 % реагируют негативно, когда коммерческие партнёрства не раскрыты (BBB National Programs). Защищённая интерпретация такова: внимание и бюджеты мигрируют к креаторам, сообществам, розничным медиа и видео, а нераскрытые коммерческие отношения мгновенно уничтожают премию доверия на этом уровне.

Экономика рефералов — самая неправильно понятая часть картины. Финансовые услуги не «отказались от рекламы»; они добавляют измеримые каналы привлечения наряду с рекламой. Официальные подтверждённые условия включают карты Chase Freedom с вознаграждением USD 50 за реферал, ограниченным до USD 500 в год, карты Sapphire с 15 000 баллов за реферал (лимит 100 000 баллов в год) и программу Marriott Bonvoy с 40 000 баллов за реферал (Chase); страница обучения Capital One отмечает, что вознаграждения за рефералы по кредитным картам обычно ограничены USD 500 в календарный год, а точные суммы требуют входа в аккаунт (Capital One); American Express ограничивает бонусы за рефералы пятью на карту в календарный год (American Express); реферальная программа банка SoFi выплачивает до USD 125 за реферал при совокупном годовом лимите USD 10 000 (SoFi); tiered‑программа Robinhood ограничена вознаграждениями в виде акций на сумму USD 15 000 в год (Robinhood). Реальный сигнал не в том, что реклама умерла, а в том, что когда реклама становится труднее измерить, институты будут платить проверяемые вознаграждения за атрибутивные, сохраняющие личность, рекомендации. Это относится к экономике второго уровня, наряду с подписками, членствами и сообществами.

4. Два способа построить «стену»: замкнутая монетизация в Китае, многоуровневая комплаенс‑модель на Западе

Американские и китайские «стены» обе изолируют контент, но построены они по разным причинам. Мобильные стены в Китае изначально являются бизнес‑дизайном, а не юридическим предписанием. В годовом отчёте Tencent за 2025 год часть роста цен на рекламу объясняется «непрерывным увеличением доли закрытого рекламного цикла (пользователи могут сразу перейти в мини‑программы, магазины Weixin или мини‑игры для совершения нативных транзакций после клика)», при этом совокупный MAU Weixin/WeChat составил 1 418 млн (Tencent 2025 Annual Results). Основной замысел – открытие, конверсия, оплата и выполнение внутри одного супер‑приложения, которое превращает открытый внешний веб в необязательный обходной путь. Регуляторы в Китае продвигают противоположный подход: в сентябре 2021 года Министерство промышленности и информационных технологий провело административно‑консультационную сессию по «блокировке URL‑ссылок», установило срок соблюдения до 17 сентября для мессенджеров, а его старший чиновник публично заявил, что «взаимосвязь является необходимым выбором для высококачественного развития интернет‑индустрии»; в том же материале эксперты отмечали, что «открытие экосистемы не может быть достигнуто за одну ночь… универсальное снятие барьеров нежелательно» и призвали к поэтапному внедрению с сохранением «необходимых файрволов» (Xinhua, 15.09.2021). Это готовое китайское одобрение полупроницаемой стратегии.

Проверка реального имени и управление учётными записями – самая характерная для Китая система правил, но связующим звеном является регистрация и публикация, а не «анонимный просмотр запрещён». Пересмотренный закон о кибербезопасности, вступивший в силу 1 января 2026 года, требует предоставления реальной идентификационной информации при доступе к сети, регистрации доменов, публикации информации и в мессенджерах (статья 26) (Cybersecurity Law). Положения об управлении информацией учётных записей интернет‑пользователей требуют от аккаунтов, работающих в новостных, экономических, образовательных, медицинских, судебных и аналогичных секторах, предоставлять учётные данные и иметь «специальные идентификаторы», а также отображать регион привязки IP и сведения о субъекте (CAC Provisions). Положения об управлении услугами алгоритмических рекомендаций (статья 17) обязывают провайдеров предлагать варианты без профилирования или удобные отключения, запрещают ценовую дискриминацию алгоритмом (статья 21) и требуют регистрации услуг с атрибутами общественного мнения или социального мобилизования (статья 24) (CAC Provisions). Временные меры для сервисов генеративного ИИ (статья 7) требуют законных обучающих данных и отсутствия нарушения интеллектуальной собственности (CAC Interim Measures). Положения о маркировке синтетического контента, созданного ИИ, вступившие в силу 1 сентября 2025 года, различают явные и неявные метки, предписывают идентификаторы провайдера и идентификаторы контента в метаданных, а также требуют хранить логи не менее шести месяцев, когда пользователи получают немаркированные результаты (Labeling Measures). В совокупности уровень регулирования в Китае представляет собой многоуровневый стек соответствия — учётные данные, отображение IP, регистрация алгоритмов, обязательные метки происхождения — а не запрет анонимного чтения.

В США и ЕС эквивалентные «стены» представляют собой стены частных прав и инфраструктурные стены, и закон не просто запрещает скрейпинг ИИ. Трек по авторскому праву остаётся неурегулированным: в деле Bartz v. Anthropic судья Алсап в июне 2025 года постановил, что обучение на законно приобретённых книгах является трансформативным добросовестным использованием, тогда как хранение примерно 7 млн пиратских книгconstitutes нарушение; дело было урегулировано за USD 1,5 млрд, окончательное одобрение получено 20 июля 2026 года (Reuters, 2025-06-24; Reuters, 2026-07-20). Дело NYT v. OpenAI/Microsoft остаётся активным, при этом Times в июне 2026 года добавил иски о содействии нарушению авторских прав против Microsoft (Ars Technica); страница дела OpenAI сообщает, что некоторые иски отклонены, а вопрос добросовестного использования остаётся центральным (OpenAI). Трек антимонопольного регулирования открылся в сентябре 2025 года с делом Penske Media v. Google, первым крупным иском американского издателя по поводу AI‑обзоров, в котором обвиняется в доминировании на рынке и оттоке трафика (Reuters, 2025-09-14). Лицензирование имеет собственный шаблон в много‑годовой глобальной сделке News Corp—OpenAI, объявленной в мае 2024 года (News Corp).

Слой контроля доступа проверяет, насколько любая «стена» действительно может останавливать. Cloudflare начал блокировать AI‑краулеров по умолчанию для новых доменов 1 июля 2025 года и запустил пилотный проект «Pay Per Crawl», сообщив, что «более 2,5 млн веб‑сайтов» уже полностью запретили краулинг для обучения ИИ через свои управляемые правила (Cloudflare Press; Cloudflare Blog). Та же компания позже обвинила Perplexity в использовании скрытых, не объявленных краулеров, которые «похоже маскировали свою идентичность краулинга», когда их блокировали на сетевом уровне, меняя пользовательские агенты и ASN‑ы и игнорируя или не получая robots.txt, что привело к отзыву статуса verified‑bot (Cloudflare Blog). Появляется слой семантики лицензирования с спецификацией Really Simple Licensing (RSL) 1.0, поддерживаемой более чем 1 500 организациями в декабре 2025 года для машинно‑читаемых условий лицензий и цен (RSL 1.0). Честная картина: robots.txt — добровольный протокол (RFC 9309), а не юридический запрет, технические блокировки всегда могут быть локально обойдены, и только комбинированный подход — технический, договорный и юридический — создаёт оборонительную границу.

Однострочное сравнение: стена Китая — это слой платформы и учётных записей, построенный на регистрации под настоящим именем, специальных идентификаторах на основе учётных данных, алгоритмических заявках и обязательных метках происхождения; стена США и ЕС — это слой платформы и сети, построенный на блокировках краулеров по умолчанию, машинно‑читаемом лицензировании и судебных разбирательствах по авторскому праву и антимонопольному законодательству. Защищаемые интересы различаются — авторское право, идентичность, общественный порядок — но обе юрисдикции сходятся к структурированным полупроницаемым мембранам, а не к абсолютному закрытию.

5. ИИ как слой фильтрации: возможности, уровни ошибок и соответствие

Роль ИИ на уровне публичного обнаружения заключается не в замене журналистов, а в взятии на себя фильтрации и курирования. Включающий стек — это retrieval‑augmented generation (RAG) + явная обратная связь + данные о членстве первого уровня, а не «глубокая биометрическая идентификация». Lewis et al. (2020), оригинальная статья о RAG, называют две слабости чисто параметрических моделей как «происхождение их решений» и «обновление их мировых знаний», и показывают, что сочетание параметрической и непараметрической памяти порождает язык, который «более конкретен, разнообразен и фактичесок» (arXiv:2005.11401). Коммерческое следствие очевидно: модели структурно нуждаются во внешних, структурированных, лицензируемых корпусах. Доверенный частный домен — это не противник ИИ, а его цепочка поставок.

Возможность указания происхождения, однако, не равна корректности указания происхождения. Центр Тоу из Columbia Journalism Review протестировал восемь генеративных поисковых инструментов с 20 издателями и 1 600 запросами в 2025 году и обнаружил уровни ошибок выше 60 %, при этом Perplexity — 37 %, а Grok 3 — 94 % (CJR / Tow Center). Исследование EBU/BBC «News Integrity in AI Assistants» (октябрь 2025, 22 общественных вещателя, 18 страны, 14 языков, более 3 000 ответов, ChatGPT/Copilot/Gemini/Perplexity) выявило, что 45 % ответов имели хотя бы одну серьёзную проблему, 31 % — серьёзные проблемы с источниками, и 20 % — крупные проблемы точности, при этом Gemini показал уровень проблем в 76 % (BBC Media Centre). Этот разрыв создаёт очевидные коммерческие возможности для надёжного частного домена: чем шире распространение AI‑резюмирования, тем больше ценовой рычаг сосредотачивается в руках проверенно атрибутированных институтов и авторов.

Персонализацию следует описывать как опирающуюся на сигналы поведения, явную обратную связь и данные о членстве первой стороны, а не на биометрию. Статья 9(1) GDPR запрещает, как принцип, обработку биометрических данных с целью уникальной идентификации физического лица (GDPR). Статья 5 EU AI Act прямо запрещает системы вывода эмоций в рабочих местах и учебных заведениях, категоризацию на основе биометрии, выводящую расу, политические взгляды, членство в профсоюзах, религиозные или философские убеждения, сексуальную жизнь или ориентацию, а также несогласованный сбор изображений лиц для создания или расширения баз данных распознавания (EU AI Act Article 5). В этих юрисдикциях биометрия является риском комплаенса, а не предпосылкой продукта.

Регулирование также закрепило «ключ выхода» из персонализации. Статья 38 EU DSA требует от очень крупных онлайн‑платформ и поисковых систем предоставить как минимум один вариант рекомендаций без профилирования (DSA 38); статья 17 китайского Положения об алгоритмических рекомендациях ставит аналогичное требование (CAC). Два крупнейших в мире регулятивных блока рассматривают рекомендацию без профилирования как юридический стандарт, что само по себе опровергает утверждение, что AI «должен всё наблюдать, чтобы функционировать».

Доказательства того, что алгоритмические ленты напрямую вызывают поляризацию, скудны. Обзор литературы Reuters Institute пришёл к выводу, что «эхо‑камеры гораздо менее распространены, чем обычно полагают», и что «мы не находим доказательств, подтверждающих гипотезу фильтра‑пузыря» (ORA). Эксперимент Science на Facebook (Guess et al.) показал, что перевод пользователей с алгоритмической ленты резко сократил время и активность на платформе и изменил структуру их экспозиции — хронологические ленты показывали больше политического и недостоверного контента, но меньше некультурного материала и больше контента от умеренных друзей и идеологически смешанных источников — однако «хронологическая лента не привела к значимому изменению уровня проблемной поляризации, аффективной поляризации, политических знаний или других ключевых установок» в течение трёх месяцев (Science, abp9364). Защищаемая теза: алгоритмы в основном меняют структуру экспозиции и время, проведённое на платформе; причинно‑следственная связь с поляризацией установок слаба; реальный риск слоя AI‑фильтрации — это перераспределение открытий и видимости источников, а не промывание мозгов.

Техническая основа для указания происхождения уже формируется. C2PA 2.2 Content Credentials используют криптографическую привязку для записи происхождения активов, истории правок и использования AI; спецификация явно «глобальна и опциональна» и указывает, что добавление provenance является необязательным и «не предназначено для создания двухуровневой медиа‑экосистемы» (C2PA Explainer). Китай перевёл это из добровольного в обязательное: меры по маркировке требуют явных и неявных меток для текста, аудио, изображений, видео и виртуальных сцен; идентификаторов провайдера и контент‑ID в метаданных; а также хранения логов не менее шести месяцев для немаркированных поставок (Labeling Measures). Когда ответы AI распространяются, авторство, история правок и условия лицензии, встроенные в сам контент, становятся минимальным порогом «доверия».

6. Бизнес‑логика доверенного частного домена: от газетного киоска к платформенным членствам масштабов

Эрозия доверия плюс разрыв в качестве ИИ подтверждаются деньгами. 100k Club 2026 от Press Gazette перечисляет 62 англоязычных издателя новостей и журналов с более чем 100 000 цифровыми подписками каждый, в сумме 54 млн цифровых подписок — рост с 44,7 млн в феврале 2025, около 21 % в год — при этом The New York Times составляет 23 % списка (Press Gazette). Отчет NYT за 2‑й квартал 2026 перед SEC показывает примерно 12,8 млн подписок только в цифровом формате и рост цифрового ARPU с USD 9,64 годом ранее до USD 9,94, при пяти последовательных кварталах роста ARPU благодаря ценовой политике и пакетированию (NYT Q2 2026 SEC).

Механика конверсии на стороне платформы также поддаётся количественной оценке. Генеральный директор Patreon сообщил Axios в августе 2025, что создатели собрали более USD 10 млрд с 2013 года, что платформа имеет более 25 млн платных участников и что более 100 млн бесплатных участников конвертируются более чем в 700 000 в месяц (Axios); официальная страница тарифов подтверждает стандартную комиссию платформы 10 % для создателей, зарегистрированных после 4 августа 2025 (Patreon). Substack объявил о 5 млн платных подписок в совокупности, при официальном распределении «авторы сохраняют 90 % дохода» после комиссий за кредитные карты, и приводит пример «1 000 подписчиков по USD 5/мес = USD 60 000 годового дохода» (Substack; Substack Going Paid). Вместе эти цифры демонстрируют реальную измеримую воронку от бесплатного к зарегистрированному к платному — и напоминают создателям, что распределение исключительно через платформу стоит постоянных 10 % от денежных потоков и 100 % отношений с клиентом. Собственные каналы оправдывают себя, потому что внутри полупроницаемой мембраны отношения с участником — единственный актив, который платформа не может отнять очередным изменением правил.

Инстинкт «газетного киоска» верен, но он не сигнализирует возврат к печати. Он сигнализирует возврат от рекламной экономики к экономике отношений. Читатели не платят за дефицитную информацию — ИИ уже сделал её дешёвой. Они платят за редакционное суждение, прослеживаемость источников, ответственность редактора и автора, а также за читательскую среду, изолированную от рекламного шума. Ценовая сила на уровне членства — это совокупная цена доверия, метода и подписи.

7. Академическое издательство и институциональные исследования: не крах, а капитализация порогов и ответственности

То, что происходит в академии, — это рост порогов доступа, капитализация расходов на отбор и институционализация ответственности и раскрытия — а не массовый крах обычных университетов и журналов. С 31 октября 2025 года arXiv требует, чтобы статьи‑обзоры и позиционные документы в категории компьютерных наук проходили рецензирование в журнале или конференции и предоставляли доказательство перед полным рассмотрением, ссылаясь на «неуправляемый поток подач» и на то, что «генеративный ИИ / большие языковые модели сделали написание статей — особенно тех, что не добавляют новых исследовательских результатов — быстрым и лёгким» (arXiv Blog). Отчёт, заказанный STM в январе 2026, документирует, что некоторые издатели создали специализированные команды по исследовательской целостности из более чем 100 человек, которые ежегодно проверяют миллионы подач, «используя технологии, но оставляя людей в центре работы»; поддерживающая инфраструктура расширяется через STM Integrity Hub (49 организаций‑членов), COPE (106 издательских членов, представляющих более 14 500 журналов) и United2Act (58 организаций против фабрик статей) (STM). Опрос Frontiers около 1 600 учёных в 111 странах показывает, что более половины исследователей использовали ИИ при рецензировании рукописей (Nature).

Ответственность привязывается к людям. ICMJE заявляет, что «чат‑боты (например, ChatGPT) и другие технологии с поддержкой ИИ не должны указываться в качестве авторов, поскольку они не могут нести ответственность за точность, целостность и оригинальность работы»; авторы обязаны раскрывать использование ИИ и указывать, как он был использован, и «использование материалов, сгенерированных ИИ, в качестве основного источника цитирования недопустимо» (ICMJE). Позиция COPE от августа 2024 года гласит, что «инструменты ИИ не могут быть указаны в качестве авторов статьи», поскольку они не могут нести ответственность, не могут декларировать конфликты интересов и не могут управлять авторскими правами и лицензионными соглашениями; авторы берут на себя полную ответственность за рукопись, включая любые части, созданные инструментами ИИ (COPE).

Победителями в академическом издательском деле и институциональных исследованиях станут те организации, которые упакуют прослеживаемость источников, прозрачную методологию, доступные данные и код, проверяемый рецензирование и человеческую ответственность за подпись как продукт; проиграют средние площадки, рассматривающие «массовую компиляцию данных плюс оформленный комментарий» как свою основную поставку. Институциональные исследования не выживают за счёт производства большего количества PDF‑файлов; они выживают, переходя к проверяемым консультационным услугам, брифингам уровня принятия решений, институциональным подпискам и лицензированию данных, а также лицензированным корпусам для обучения ИИ. Это трёхуровневая модель, применяемая к миру исследований.

8. Трёхуровневая модель как операционный шаблон

Уровень 1 --- Открытое открытие: рассматривать «быть обнаруживаемым» как продукт

Задача слоя обнаружения — быть видимым для ИИ, поисковых систем и кроссплатформенных редакционных сетей; быть цитируемым, резюмируемым и связанным. Прямую монетизацию следует планировать скромно: открытый веб‑программный пул теряет 23 % собственных расходов (ANA), обзоры ИИ от Google оспариваются в суде крупными издателями (Reuters), а ответы ИИ по‑прежнему ошибаются в серьёзных источниках 31 % времени (BBC/EBU).

Обнаружение должно выполнять четыре задачи и только четыре. Во‑первых, открыть аннотации и метаданные — заголовки, дек, структурированные резюме, авторов и условия лицензии. Во‑вторых, машиночитаемую семантику лицензирования — robots.txt (RFC 9309) плюс лицензия RSL 1.0 плюс декларацию Pay‑Per‑Crawl, указывающую, что можно сканировать, по какой цене и с какой целью (Cloudflare; RSL 1.0). В‑третьих, учётные данные контента сопровождают работу — авторство, учреждение, история правок и использование ИИ, привязанные к ресурсу через C2PA (C2PA). В‑четвёртых, перенести KPI слоя обнаружения от рекламных доходов и CPM к количеству цитирований, уровню удержания подписи и охвату лицензий. Этот уровень не лишён доходов; он зарабатывает в основном за счёт лицензирования и измеряемого доступа, а не дисплейной рекламы, следуя шаблону News Corp—OpenAI (News Corp).

Уровень 2 --- Регистрация и членство: рассматривать отношения как актив

Продуктовый воронка состоит из четырёх шагов: регистрация (бесплатно / низкое трение) → членство (сообщество и мероприятия) → платная подписка (контент, архив, обсуждения) → семейные, студенческие и групповые пакеты. Защищённые ценовые ориентиры находятся в диапазоне от USD 9–20 в месяц и USD 100–200 в год, при этом институциональные пакеты оцениваются в кратных величинах. Данные о банковских рефералах устанавливают проверенную рыночную цену за привлечение людей: от USD 25 до USD 200 за успешную конверсию – именно столько основные институты фактически платят наличными (Chase; SoFi; Capital One). Экономика членства видна в Patreon и Substack (воронка конверсии и деление 90/10) и в англоязычном списке подписчиков, растущем на 21 % год к году (Axios; Substack; Substack Going Paid; Press Gazette).

Соблюдение требований является обязательным на этом уровне. Провайдерам необходимо предлагать варианты рекомендаций без профилирования (DSA 38; Algorithmic Recommendation Provisions); нельзя условно связывать персонализацию с биометрией (GDPR; AI Act); и необходимо внедрять метки происхождения для контента, созданного с помощью ИИ, в соответствии с местными правилами (China Labeling Measures; C2PA). Наибольший риск – избегание и усталость: 42 % респондентов избегают новостей, а 25 % являются пассивными пользователями (DNR 2026) – что делает редакционную сдержанность, структурированные резюме, пользовательские уведомления и продукты низкой частоты курирования более стратегически ценными, чем «большая навязчивость».

Уровень 3 — Профессиональный и институциональный: рассматривать подотчётность как цену

Ключевое слово на высшем уровне – не «премиум», а аудируемый, подотчётный, готовый к закупке. Оно обслуживает три типа спроса. Институциональные подписки: библиотеки, корпорации и государственные органы платят за аудируемые исследовательские процессы и наборы данных. Индивидуальная поддержка принятия решений: консультационная работа по конкретным бизнес‑вопросам, включая брифинги, оценки, аудиты моделей и обучение. Корпусы и лицензирование: проверяемый контент, лицензируемый поставщикам ИИ по случаям использования, соединяющийся с теми же примитивами, что у News Corp, RSL и Pay Per Crawl. Барьер создаётся сочетанием людей, методов и репутации: правила ответственности привязывают людей к полной подотчётности (ICMJE; COPE); команды по исследовательской целостности становятся капиталоёмкой способностью (STM); а система «Статья 11» в Китае – это параллельная институционализация «профессиональных квалификаций» (Provisions on Account Information).

Полупроницаемая мембрана: как три уровня соединяются

Одна мембрана соединяет уровни: аннотации и метаданные выходят наружу, сохраняя мощность обнаружения; полный текст, сырые данные и данные о взаимоотношениях на основе идентичности остаются внутри, сохраняя ценовую мощность; обучающие корпуса выходят наружу по машинно‑читаемым лицензиям и с измеряемой оплатой, создавая аудируемый поток доходов от третьих сторон. Абсолютные стены лишают возможности обнаружения; абсолютная открытость лишает ценовой мощи. Институты, которые будут процветать в долгосрочной перспективе, – это те, кто рассматривает размер пор мембраны как ключевой параметр продукта и регулирует его по мере развития экономики доверия и рынков лицензирования.

Заключение: от грандиозной метафоры к операционной мембране

Эта реорганизация делает нечто более практичное и более сложное: переустанавливает доверие, открытие, монетизацию и ответственность так, чтобы каждый уровень получал собственный пакет соответствия, юнит‑экономику и операционные метрики. В момент, когда одновременно наступают информационная перегрузка, шоки ИИ и эрозия доверия, победителями станут не самые высокие стены. Это будут институты, способные одновременно управлять обнаружимым абстрактным слоем, слоем доверенного членства и слоем ответственного сервиса уровня закупок — институты, которые правильно настраивают размер пор мембраны. Это работа, которую можно начать сейчас, откалиброванным отверстием за раз.

(Все цифры и выводы здесь основаны на публичных источниках, фактически полученных и прочитанных в ходе базового исследования; по состоянию на 11.09.2026, NYT v. OpenAI/Microsoft и Penske v. Google остаются нерешёнными, а статистика рекламы и подписок обновляется ежеквартально.)