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。
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。
如果你想更深入地学习大模型，以下是一些非常有价值的学习资源，这些资源将帮助你从不同角度学习大模型，提升你的实践能力。
一、全套AGI大模型学习路线
AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！
因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取
二、640套AI大模型报告合集
这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示
因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取
三、AI大模型经典PDF籍
随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。
因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取
四、AI大模型商业化落地方案
作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量
