Hacker News 首页昨天挂着一个帖子:"ChatGPT now knows what you do on other websites via ad collector"。446 分,246 条评论,在 HN 这种平均热度不到 50 分的社区里算现象级了。
一句话:ChatGPT 现在能看到你去了哪些网站,不只是你跟它说了什么。
发生了什么
报道指向一个很具体的机制——广告归因 SDK(attribution SDK,广告主用来追踪"用户点了广告之后去了哪"的工具集)。这套东西不是 ChatGPT 发明的,Roku、FuboTV 这类流媒体平台早就用了,主要解决一个问题:
"我投了广告,用户到底有没有在别的地方完成转化?"
传统做法:用户在 A 网站点了广告 → A 网站的 SDK 记录 → 用户跳到 B 网站,B 网站装了同一套 SDK → 数据拼起来。
现在 OpenAI 把 ChatGPT 接进了这个网络。SDK 装在 ChatGPT 网页端或客户端里,它能拿到:
- 用户访问 ChatGPT 的时间、设备信息
- 同一浏览器/设备上其它网站因为装了同款 SDK 而上报的行为
- 跨站拼出来的"用户画像"
技术细节 HN 评论里有人贴了:reverse engineering 显示 ChatGPT 网页端确实在加载 rta-collect.js 之类脚本,域名归属一家叫 The Trade Desk 的广告技术公司(评论区存疑,没完全核实)。
重点不是这家具体公司。重点是,LLM 从"你问我答"变成了一个数据采集入口。
技术原理:Roku 模式是怎么运作的
广告归因 SDK 的核心是三件事:
- 设备指纹 + Cookie:浏览器或客户端生成唯一 ID,跨站持久化
- 事件上报:每次用户行为(看广告、加购物车、付款)都打点上报到归因平台
- 数据拼图:归因平台把所有装了同款 SDK 的网站的数据汇总,形成完整用户路径
Roku 是这条路线的早期玩家。它在电视端做 OTT 广告时发现:用户看广告是一回事,买不买是另一回事,中间数据链断了。于是 Roku 自己搞了一套归因 SDK,所有投广告的网站、所有"看广告后跳转"的网站都装,数据串起来。
FuboTV 类似,只不过它做的是体育直播流媒体,场景更小众。
代码层面大致是这样(简化版,真实 SDK 比这复杂得多):
// 归因 SDK 上报用户行为
window.rtaCollect = window.rtaCollect || [];
window.rtaCollect.push({
event: "page_view",
site: "example.com",
userId: "abc-123",
referrer: document.referrer,
// ...更多字段
});
// 归因平台匹配
fetch("https://rta.example.com/collect", {
method: "POST",
body: JSON.stringify({
event: "page_view",
deviceId: "device-fingerprint-xyz",
timestamp: Date.now()
})
});
如果 ChatGPT 网页端加载了同款脚本,而你之前在电商网站装了同一套 SDK,两边数据就能匹配上。
这件事跟 ChatGPT 之前的所有数据收集都不一样:
- 聊天上下文:你主动告诉它的
- 训练数据使用:你来开关的(settings → data controls)
- 跨站行为:你根本不知道发生了
为什么这是 AI 助手的质变时刻
以前的 ChatGPT 是个"信息孤岛":你说,它答,它不知道你周末在干嘛。
现在它知道了。它知道你昨晚在 Expedia 搜过机票,知道你上午在 AutoTrader 看过二手车,知道你在 Reddit 潜水哪个版块。这些数据从"广告归因网络"流进 OpenAI 的视野。
这意味着什么?变现路径焊死了。
OpenAI 现在的商业模式是两条腿:
- 订阅(ChatGPT Plus/Pro,企业版)
- API(开发者付费)
订阅增长放缓,API 面临开源模型压力(DeepSeek、Qwen、Llama 都在抢),新增长点在哪?广告是显而易见的选择。但光有"用户问了什么"还不够——广告主想要的是"用户想买什么"。
跨站行为数据正好补上这一块。
有人会说:"OpenAI 不会这么干,这违反它的价值观。"
我不信。理由:
- SDK 集成对工程师来说就是几行代码,边际成本接近零
- 归因数据能直接提升广告 CPM(每千次展示价格),收入是即时的
- 就算内部有人反对,广告业务的 KPI 会压过来
这不是"会不会"的问题,是"什么时候"的问题。
用户的真实选项有多少
说几个可以做的:
1. 关掉 OpenAI 的数据共享
ChatGPT 设置 → Data Controls → "Improve model for everyone" 关掉。但这影响的是训练数据,不是跨站追踪。
2. 关浏览器广告 ID
- Chrome:Settings → Privacy and security → Ad privacy → Site-suggested ads
- Safari:Settings → Privacy → Hide IP address from trackers
- Firefox:Settings → Privacy & Security → Enhanced Tracking Protection(默认开了 Strict)
3. 用 Brave 或 Tor Browser
Brave 默认屏蔽第三方追踪脚本,Tor 更彻底但 ChatGPT 经常报异常。
4. 检查 ChatGPT 网页端的网络请求
打开 DevTools(F12)→ Network 面板 → 搜索 rta、collect、attribution。如果看到陌生域名的请求,八成就是归因 SDK 在跑。
5. 用 ChatGPT 桌面应用而非网页
桌面应用理论上没有浏览器上下文,跨站追踪难度更高。但 OpenAI 后续会不会在桌面端也集成 SDK,谁也说不准。
说实话,普通用户根本不会知道这事。HN 上看到帖子的人已经是有技术背景的少数派。大多数 ChatGPT 用户连 DevTools 是什么都不知道。
编辑思考
这件事比一般的"AI 公司作恶"更值得警惕,因为它不是泄露数据,而是接入了一整套已经运行了十几年的隐私侵犯基础设施。
过去十年,Google、Meta、亚马逊通过广告归因网络构建了全球最精细的用户追踪体系。GDPR、CCPA 试图监管,但归因 SDK 一直游走在灰色地带——技术上不算"出售个人数据",只是"共享匿名 ID"。
LLM 第一次拿到了这套基础设施的接入权。
我的预测(留 30% 错的空间):一年内会有监管动作。欧洲数据保护委员会(EDPB)大概率会发问询,FTC 也可能跟进。理由是:LLM 的训练数据、用户提示词已经被定性为"敏感"(意大利 Garante 2023 年先禁后解的那个案子就是先例),把跨站行为数据喂给 LLM,在监管眼里属于升级事件。
我不太确定的是:OpenAI 内部是有意为之,还是集成某个三方组件时 SDK 默认开着。如果是后者,公关层面能圆回来;如果是前者,性质完全不一样。原报道和 HN 讨论里都没明确说,我倾向于"有意"但也没法 100% 确认。
最后一件事:这不是 OpenAI 独有问题。Anthropic 的 Claude、Google 的 Gemini、Perplexity 都在考虑或已经尝试广告变现。等 LLM 全面接入广告归因网络的那天,整个 AI 助手行业都会变成新的"超级追踪器"。