AI 讀了你的文章一萬次，但沒給你一毛錢 — 代理人網路正在強迫內容定價重來

二○二六年五月，Parag Agrawal 在 Fortune 的訪談裡說了一句話，讓我把這個問題想了好幾天：

「代理人使用網路的頻率，會遠超過人類。整個網路的技術和商業模式，都必須因此改變。」

Parag Agrawal 是前 Twitter CEO，他在 2022 年被 Elon Musk 開除之後，用了將近三年時間打造了一家叫 Parallel Web Systems 的新創，最近剛以 $20 億美元的估值完成 Sequoia 領投的 $1 億 B 輪。

Parallel 要解決的問題，說起來很簡單——簡單到讓人有點不舒服：AI Agent 每天都在大量消費網路上的內容，但創作這些內容的人，什麼都拿不到。

我寫了一篇分析文章，Perplexity 的 AI 把它引用進去回答了幾千個問題。那幾千個問題裡，有幾個人點進我的網站來？大概是零。

這不是我特有的困境。這是 2026 年每一個靠內容存活的網站，都正在面對的新常態。

---

消費發生了，但沒有人付錢

在說 Parallel 之前，我想先把「AI Agent 消費內容」這件事說清楚，因為它跟我們習慣的「流量」邏輯是不一樣的東西。

傳統的內容消費很直接：用戶搜尋 → 點進網站 → 廣告曝光 → 收入。整個過程是可見的、可計量的，廣告系統從 1990 年代就是建立在這個邏輯上。

AI Agent 的消費方式不一樣。當 Perplexity 回答一個問題，它會同時「讀取」十幾個來源，把它們整合成一段回答，然後把引用連結放在角落。用戶看完答案，99% 的情況下不會點任何連結。當 ChatGPT Search 摘要一篇文章，它不一定給引用，更不一定給點擊。當某個企業的 AI 代理人每天爬取產業資訊，它根本不觸發任何廣告系統。

這些「消費」都是真實的——AI 模型確實讀了你的文章、用了你的數據、引用了你的觀點。但沒有一分錢跟著「消費行為」流向你。

Parag Agrawal 的核心論點是：固定授權金的模式不適用於代理人時代。因為你沒辦法事先知道你的內容會被用在什麼任務上，任務的價值差距可能是幾百倍。一篇分析文章幫助一個用戶做了一個 $100 的購買決策，和幫助一個基金做了一個 $1 億的投資決策，兩者消費的「內容」可能是一樣的，但價值不一樣。

---

Parallel 的賭注：Shapley 值能解決這件事嗎

Parallel 的 Index 平台，用的是賽局理論裡一個叫「沙普利值」（Shapley value）的概念。

原本的用途是解決一個問題：當一個群體共同完成了某件事，怎麼公平地分配每個人的貢獻？Shapley 的做法是計算「如果少了你這個參與者，整體結果會差多少」——然後把這個差值當作你的貢獻比例。

Parallel 把這個邏輯搬到 AI Agent 的內容消費上：AI Agent 完成了一項任務（回答問題、生成報告、協助決策），Parallel 的系統嘗試計算，在所有被引用的來源中，每一個來源對這個任務結果的貢獻是多少——越稀缺、越不可替代的內容，分得越多。

這個理論框架很漂亮。但現實是，Index 目前只覆蓋使用 Parallel 自己 API 的代理人，而 Parallel 的 API 在整個 AI Agent 生態裡是小眾基礎設施。ChatGPT、Claude、Gemini、Perplexity——這些用戶真正在用的 AI 工具，不在 Index 的覆蓋範圍內。

媒體端的合作夥伴也是精心挑選的：The Atlantic 和 Fortune 是有品牌背書的美國主流媒體，Not Boring 和 The Generalist 是英文科技圈的頂級付費電子報。這些都是「AI 高頻引用、且擁有議價能力」的內容。

大多數內容站——包括台灣的媒體和部落格——離這個覆蓋範圍非常遠。

但這不代表 Parallel 沒有意義。它的意義在於，它是第一個真正嘗試建立「代理人消費→內容付費」連結的系統，而這個問題的解方，最終必然出現某種形式。更重要的是，Parallel $20 億的估值告訴我們，投資人相信這個問題夠大、夠真實。

---

不等 Parallel：AI 引薦流量的現實格局

在 Parallel 的系統覆蓋到你的站點之前（可能永遠不會），有一件事是現在就可以做的：搞清楚哪些 AI 平台在引用你、哪些在送流量給你，然後根據這個調整策略。

三個主要 AI 平台的行為模式，差距很大：

Perplexity 是目前最「慷慨」的引用者——平均每則回應 21.87 個引用，引薦流量年增 180–200%，訪客停留時間平均超過三分鐘。Perplexity 的商業模式需要讓用戶信任它的來源，所以它有誘因把引用做得清晰可見。

ChatGPT 佔所有 AI 引薦流量的 78%——量最大，但引用透明度最低。它可能在回答裡用了你的內容，但不一定留下可追蹤的引用連結。對內容站來說，ChatGPT 的「影響力」和「可測量的流量」之間的落差，是一個實際的分析困境。

Claude（也就是 Anthropic 的產品）平均每則回應 5.67 個引用，目前對內容站不是有意義的流量來源。但 Claude 的主要用戶群是企業和工程師——如果你的內容是企業決策層或技術受眾在意的東西，被 Claude 引用的間接影響可能高於直接引薦數字呈現的。

---

這對懶泥科技觀點意味著什麼：我的行動方向

以下是我目前正在做或打算做的事。我要先說清楚：這些是方向，不是驗證過的方法。我沒有辦法告訴你「這樣做流量就會回來」——因為這個遊戲的規則還在被改寫，結果需要 6–12 個月才能看出端倪。我只能告訴你，這是我決定把籌碼押在哪裡，以及為什麼。

一、先把結構化資料補上

這是最具體、最低風險的一步，也是我拖太久才開始認真做的地方。

FAQPage schema 讓 AI 引用率從 15% 提升到 41%，這個數字背後的邏輯不難理解：AI 在消化一個頁面時，它需要能快速抽取「問題和對應的答案」。Schema 就是你在告訴 AI「這個頁面的結構是這樣，這是問題，這是我的答案」。如果你的頁面沒有這個標記，AI 還是可能引用你——但它需要多花力氣去解析，而在它需要選擇引用誰的時候，它傾向選擇讓它最省力的那個來源。

Article schema、Person schema（作者實體）、Organization schema——這三個加起來，構成了 E-E-A-T（經驗、專業、權威、可信度）的機器可讀版本。這是 2026 年讓 AI 把你當成可信引用來源的基礎建設，不是加分項。

二、把作者身份變成一個可引用的實體

這是更長期的事，但我認為它比結構化資料更重要。

AI 在決定引用誰的時候，有一個隱性的「可信度評估」——誰寫的？這個人在這個領域有沒有持續的產出？他引用的來源可靠嗎？這個評估在文章本身，但也在作者的整體存在感。

對個人部落格來說，這意味著幾件事：作者頁面要清晰、連結到 LinkedIn 和社群帳號（讓 AI 能驗證你是真實存在的人）、文章裡引用一手資料而不是二手摘要、在特定主題上有持續的深度而不是什麼都寫。

懶泥科技觀點的文章都有明確立場，這已經是 E-E-A-T 的一部分。但「作者可被 AI 識別」這件事，我還在補強。

三、關於 llms.txt，我的判斷是先做但不過度期待

llms.txt 是一個新提案的標準，讓網站能告訴 AI 爬蟲「你可以/不可以用我的哪些內容」。全球已有 84.4 萬個站點實施，但現實是：Google 明確表示不支援，Anthropic 和 OpenAI 的生產環境 AI 也幾乎不讀它。

但我還是會設置，原因有兩個：其一，它對 IDE Agent 和 MCP 伺服器有效果——當工程師的 Cursor 或 Windsurf 在爬取參考資料，它們是會讀 llms.txt 的；其二，在授權生態整清楚之前，先把你對 AI 使用你內容的立場記錄下來，是一種防禦性布局。

但我不會期待 llms.txt 現在能解決「AI 用了我的內容沒付錢」這個問題——因為它根本沒有這個能力。

四、直接流量是唯一不被 Google 或 AI 平台控制的護城河

上面三件事都是「讓 AI 更容易引用我」的策略。但我同時在建立另一條線：讓讀者不需要透過 Google 或 AI 就能直接找到我。

Email 訂閱是這條線的核心。一個訂閱者帶來的長期價值，遠高於一個從 Google 點進來的訪客——後者的存在完全由 Google 的演算法決定，我沒有任何控制權。前者是我可以主動觸達的關係。

我沒有辦法保證這會帶來多少流量或收入，但我確定的是：如果 AI 搜尋繼續吞噬有機流量，Email 名單會是最後一條不被波及的水管。

---

我的判斷：代理人網路是機會，但有一個前提你不能跳過

Parag Agrawal 說「代理人使用網路的頻率，會遠超過人類」，我認為這個判斷是對的。

但在說「被 AI 引用是機會」之前，有一件事必須先說清楚——

AI 引用你，但流量沒有進來，對收益的貢獻是零。

這不是悲觀，是算術。廣告型內容站的收益邏輯是：頁面被打開 → 廣告被看見 → 點擊發生。如果 AI 把你的答案直接呈現給用戶，用戶不需要點進你的網站，這個鏈條的第一步就斷了，後面全部歸零。聯盟行銷站是同樣的邏輯。「被 Perplexity 引用了幾千次」如果沒有對應的點擊，就等於送了幾千次免費內容給 Perplexity 的用戶。

所以「把被 AI 引用當作可見度基礎建設」這個框架，有一個隱藏的前提：你的收益模型，不完全依賴頁面流量。

Email 訂閱、線上課程、顧問服務、付費社群——這些模型的一個訂閱者帶來的價值，不依賴他「開幾個頁面」。在這個結構下，AI 引薦帶來的少量但高意圖訪客，才有可能轉換成有意義的收益。

對仍在依賴廣告流量的內容站來說，正確的行動順序應該是：先解決收益模型，再來談 AI 引用策略——不是反過來。把精力全投在 AEO 優化上，但收益結構沒有跟著調整，就等於把漏水的水桶換了一個更精緻的蓋子。

多數內容創作者聽到「AI Agent 時代來了」的反應是：「那我的內容被 AI 用了那麼多次，應該能賺到更多錢。」Parallel 的存在，正是在說這件事有可能發生——但它的覆蓋範圍極小，合作夥伴是 The Atlantic 和 Fortune，不是中小型內容站。等待 Parallel 式的分潤系統覆蓋到你，在可見的未來裡不是策略，是等待。

我寫這篇文章的時候，自己也沒有完整的答案。我只知道，在代理人網路的收益問題有更清晰解方之前，同步做兩件事是比較務實的：一邊讓 AI 讀得懂自己，一邊把收益模型從「流量→廣告」往「關係→訂閱」移動。

這兩件事能不能相互強化，我也還在看。再等一年，我再來告訴你。

---

有一個我一直在想的問題：

如果 AI Agent 成為你的內容最主要的「讀者」，你會怎麼定義「把文章寫好」這件事？

這不是修辭問句。對 SEO 來說，「寫好」的定義是排名；對人類讀者來說，「寫好」的定義是共鳴；對 AI Agent 來說，「寫好」的定義是什麼？如果答案是「讓 AI 能精準抽取你的論點並引用」，那「好文章」的標準，正在被悄悄改寫。