当前位置: 首页
AI
Stack Overflow盈利创新高:AI时代开发者社区更赚钱了

Stack Overflow盈利创新高:AI时代开发者社区更赚钱了

热心网友 时间:2026-01-11
转载

鹭羽 发自 凹非寺
量子位 | 公众号 QbitAI

Stack Overflow「真」凉透了吗?

某种层面上是的——那个曾作为公共论坛的它,确实快死了。

在被ChatGPT为首的AI连续冲击下,Stack Overflow社区流量一路下滑。

就上个月来说,全站仅6866个新提问……啥概念呢,也就是和08年刚上线时差不多。



然而有趣的是另外一项数据:同期,Stack Overflow的年营收不降反增,翻了一番,达到新高1.15亿美元。

公司亏损也在连年下降,从原先的8400万美元下降到2200万美元。

它赚钱的逻辑也很简单:“我们不生产知识,我们只是知识的搬运工。”

简单来说,就是把Stack Overflow丰富且高质量的数据卖给AI。

看上去,Stack Overflow并未如传言般被AI击垮,甚至反过来正靠AI赚得盆满钵满。(doge)



AI时代,Stack Overflow也在商业转型

诚然,ChatGPT、Claude等AI越来越强大的Coding能力,迅速带走了原属于Stack Overflow的高光。

从巅峰时期的程序员圣地,每个月都有30w+新问题层出不穷,到如今用户凋零、流量暴跌,Stack Overflow似乎在toC市场已遭抛弃。



但它迅速找到了破局的方向——toB,尤其是向AI大模型公司倾售数据。

和普通的技术博客或者GitHub评论不同,Stack Overflow长期拥有一套极其严苛的社区治理机制:

它强调可验证、可复用。

每一个答案都会经过社区用户的评议(点赞or踩),提问者也可以勾选一个最能解决其问题的答案。

一致高票通过的答案通常会收获更高的权重,从而顺利进入评论区前排,收获更多的社区声望。

伴随着技术的更新迭代,社区也会持续编辑旧答案,确保当前答案是最有效也最精简的。

从一定程度上看,虽然这拉高了用户参与的门槛,但却保证了数据的纯净度和高信噪比。

与此同时,Stack Overflow上也覆盖了大量的边缘情况案例和各种奇葩的编译器报错,它不仅会记录“怎么写是对的”,也会记录“怎么写是错的”以及如何修复。

也正因如此,Stack Overflow的数据都极具训练价值,对大模型而言,无疑是理解编程逻辑、进行错误诊断的最佳数据库。

一边差数据,一边数据管够,两相结合,Stack Overflow完成了数据变现的商业转型。



过去它更依赖社区流量带来的广告收入,但随着开发者涌向AI问答,广告商随之也开始撤离。

Stack Overflow则转而押宝在自家的生成式AI插件Stack Internal上。

这是一种SaaS模式,它利用Stack Overflow积累多年的庞大数据库为企业内部提供技术支持,目前已经被全球约25000家公司采用。

另一方面,它还学习Reddit模式,将历史问答内容以数据授权和许可的方式提供给AI公司,从而获得商业收益。

仅2024年,通过这种方式,它就获得了超过2亿美元的收入。



Stack Overflow同步也在进行降本增效,例如进行大规模裁员,主要集中在市场营销部门。

公司减少了传统的广告和一般销售投入,集中团队资源支持AI产品研发,并开始探索利用AI工具协助社区版主审核信息。

显然这一套组合拳颇有成效,根据其母公司Prosus的财报,Stack Overflow的利润得到大幅改善,并接近现金流平衡。

并非长久之计

但u1s1,Stack Overflow目前的盈利,本质上还是在变现存量。

靠过去十几年积累的高质量技术问答语料,吸引AI公司为其数据付费,只是第一步。

如何能够保证新数据源源不断地产生,才是Stack Overflow应该考虑的重心。

一旦Stack Overflow无法获取有关新技术的问答,也就是被用户彻底遗忘的时候,它引以为豪的数据库就会立马技术断代。

届时AI公司是否还会为过时的信息付费,须得打个问号,毕竟众所周知,模型能力越强,对越新、越高质量的数据依赖就会更大。



而对于Stack Overflow,这一衰败趋势也正在逐渐显现。

Stack Overflow缺乏吸引新用户加入的渠道,老用户逐渐转向大模型交互,平台上有关新技术的讨论也日渐稀少。

在平台尝试接入AI功能后,反而让社区充斥着更多的垃圾回答,这与此前的“高质量复用”定位相悖,对用户的信赖造成了致命的打击。



虽然Stack Overflow CEO Prashanth Chandrasekar曾表示,他们为此专门做了一项调查:

平台80%以上的用户都在尝试使用AI,但只有29%的人信任其输出结果。

但这些并不完全信任AI的用户并没有回到Stack Overflow,而是转向其它更强的模型或者对用户更友好的社区。

Stack Overflow早已失去了它的数据闭环,所以吃老本到底能吃多久,终究还是个未知数。

参考链接:
[1]https://sherwood.news/tech/stack-overflow-forum-dead-thanks-ai-but-companys-still-kicking-ai/
[2]https://x.com/trungtphan/status/2009421022181904640

来源:https://www.163.com/dy/article/KJ12QP1N0511DSSR.html

游乐网为非赢利性网站,所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系youleyoucom@outlook.com。

同类文章
更多
中国科学技术大学AI技能图书馆:智能体从经验中学习成长

中国科学技术大学AI技能图书馆:智能体从经验中学习成长

这项由中国科学技术大学主导,联合多伦多大学和悉尼大学共同完成的研究,已于2026年4月以预印本形式发布,论文编号为arXiv:2604 17308。对AI智能体终身学习机制感兴趣的读者,可通过此编号查阅完整论文。 设想一下,你聘用了一位新助理。每次交办任务后,他都会将全部经验清零,下次遇到类似工作时

时间:2026-05-15 14:57
Cohere与Poolside揭示大语言模型存在环境盲区问题

Cohere与Poolside揭示大语言模型存在环境盲区问题

这项由Cohere与Poolside联合进行的研究,以预印本形式发布于2026年4月,论文编号为arXiv:2604 17609,对AI智能体行为机制感兴趣的读者可通过此编号查阅完整论文。 一、一个令人抓狂的现象:地图就在眼前,却还在原地打转 想象这样一个场景:你需要前往一家餐厅,朋友已将完整的导航

时间:2026-05-15 14:56
中科院软件所解析AI多模态大模型为何更擅长图像处理

中科院软件所解析AI多模态大模型为何更擅长图像处理

这项由中国科学院大学与中国科学院软件研究所中文信息处理实验室联合开展的研究,以预印本形式发布于2026年4月,论文编号为arXiv:2604 16902。 想象一下,当你同时听到一种声音、看到一张图片、读到一段文字,而这三者讲述的却是完全不同的故事时,你会相信哪一个?这听起来像是一个哲学思辨,但实际

时间:2026-05-15 14:56
上海交通大学研发AI科研机器人可自主实验与反思优化

上海交通大学研发AI科研机器人可自主实验与反思优化

这项由上海交通大学人工智能学院联合SciLand与DP Technology共同完成的研究,于2026年4月以预印本形式发布在arXiv平台,论文编号为arXiv:2604 17406。研究的核心成果是一个名为EvoMaster的智能体框架,旨在让AI像真正的科学家一样自我进化、持续学习。 科学家是

时间:2026-05-15 14:56
香港中文大学推出AI游戏开发框架 轻松将创意转化为可玩作品

香港中文大学推出AI游戏开发框架 轻松将创意转化为可玩作品

这项由香港中文大学多媒体实验室完成的研究,于2026年4月20日以预印本形式发布在arXiv平台,论文编号为arXiv:2604 18394,分类为计算机软件工程领域。感兴趣的读者可以通过该编号直接检索完整论文。 游戏开发,一直是创意与技术之间的一道高墙。 很多人都有过这样的念头:要是能把脑子里的游

时间:2026-05-15 14:56
热门专题
更多
刀塔传奇破解版无限钻石下载大全 刀塔传奇破解版无限钻石下载大全
洛克王国正式正版手游下载安装大全 洛克王国正式正版手游下载安装大全
思美人手游下载专区 思美人手游下载专区
好玩的阿拉德之怒游戏下载合集 好玩的阿拉德之怒游戏下载合集
不思议迷宫手游下载合集 不思议迷宫手游下载合集
百宝袋汉化组游戏最新合集 百宝袋汉化组游戏最新合集
jsk游戏合集30款游戏大全 jsk游戏合集30款游戏大全
宾果消消消原版下载大全 宾果消消消原版下载大全
  • 日榜
  • 周榜
  • 月榜
热门教程
更多
  • 游戏攻略
  • 安卓教程
  • 苹果教程
  • 电脑教程