根据Cloudflare首席执行官马修·普林斯的说法,机器人正在接管网络。在本周奥斯汀举办的SXSW大会采访中,他表示,随着人工智能的快速发展,AI机器人流量将在2027年超过人类在线流量。
机器人流量激增的原因
普林斯解释说,机器人的网络使用量一直在随着生成式AI技术的发展而增长,因为机器人能够访问更多网站来为用户的聊天机器人查询获取答案。
"如果人类在执行某项任务——比如你在购买数码相机——你可能会访问五个网站。但你的智能体或机器人执行同样任务时,通常会访问比真人多1000倍的网站数量,"普林斯说道,"所以它可能会访问5000个网站。这是真实的流量,也是真实的负载,每个人都必须处理和考虑这个问题。"
网络流量构成的历史变化
据普林斯介绍,他的基础设施和安全公司被五分之一的网站使用。在生成式AI时代之前,互联网只有约20%的机器人流量,其中谷歌的网络爬虫是最大的。除了一些其他知名爬虫外,其他机器人主要是诈骗者和恶意行为者使用的。
"随着生成式AI的兴起,以及其对数据永不满足的需求,我们看到流量在上升,我们预测在2027年,网络上的机器人流量将超过人类在线流量,"普林斯说道。
新技术需求与基础设施挑战
这位高管还指出,网络的这种变化将需要开发新技术,比如为AI智能体提供沙箱环境,可以即时启动,任务完成后立即销毁。当消费者要求AI智能体代表他们执行某些任务时,比如规划假期,这些技术就会发挥作用。
"我们正在思考的是,如何真正构建底层基础设施,让你能够像在浏览器中打开新标签页一样轻松地启动新代码,然后运行并为外部的智能体提供服务,"普林斯说道。
他设想很快就会有这样的时代:每秒钟会创建数百万个这样的智能体"沙箱"。
当然,机器人如此规模地使用互联网需要以数据中心和服务器形式存在的物理基础设施。普林斯指出,在新冠疫情期间,互联网流量增长如此迅速,特别是在YouTube、迪士尼和Netflix等视频流媒体平台上,以至于互联网的某些部分几乎在压力下崩溃。
"这次的增长更加渐进,但与新冠疫情不同——当时流量在两周内激增然后在新高点趋于平稳——我们看到互联网流量在持续增长,而且我们没有看到任何能够减缓或阻止它的因素,"普林斯补充道。
平台转换的深远影响
所有这些关于过载的担忧对Cloudflare来说是很好的营销机会,这家公司的服务专注于帮助网站保持高可用性、快速加载,并保持免受攻击。其产品包括内容分发网络、一系列安全和DDoS保护,以及"始终在线"技术,当主服务器故障或离线时提供网站的缓存版本。它还为企业提供工具来阻止他们不想要的AI机器人流量。
尽管如此,Cloudflare的规模让它具有观察互联网持续演进以及生成式AI时代快速出现挑战的优势。
"我认为人们没有意识到AI的一点是,它是一次平台转换,"普林斯说道,回顾了网络早期的平台转换,比如从桌面到移动端的转变。"AI是另一次平台转换……你消费信息的方式将完全不同。"
Q&A
Q1:为什么AI机器人流量会在2027年超过人类流量?
A:因为生成式AI技术的快速发展,机器人访问网站的能力远超人类。例如,人类购买数码相机可能访问5个网站,而AI机器人可能访问5000个网站,是人类的1000倍。加上AI对数据的巨大需求,导致机器人流量急剧增长。
Q2:网络流量的大幅增长会带来什么挑战?
A:主要挑战是基础设施压力。需要更多数据中心和服务器来支撑流量增长,还需要开发新技术如AI智能体沙箱环境。与新冠期间流量激增不同,这次增长是持续性的,没有放缓迹象,对互联网基础设施提出更大考验。
Q3:Cloudflare如何应对AI时代的网络变化?
A:Cloudflare提供多种解决方案,包括内容分发网络、安全和DDoS保护、"始终在线"技术等,帮助网站保持高可用性和快速加载。同时为企业提供工具来管理和阻止不需要的AI机器人流量,利用其规模优势应对生成式AI时代的挑战。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。