互联网刚刚跨越了一个引人瞩目的历史节点——智能体AI所产生的互联网流量,有史以来第一次超过了真实人类用户的流量。
"哇,这比我预想的来得快多了,"Cloudflare首席执行官马修·普林斯周三在X平台发帖感叹道,"我原本以为这会发生在2027年底,后来预测提前到2027年初,但智能体流量增长如此之快,以至于机器人流量在互联网历史上首次超越了人类流量。"
他随后在Cloudflare Radar——公司旗下的互联网流量监测系统——上发布数据,以佐证上述判断。数据显示,智能体机器人流量已占总流量的57.4%,而人类流量已降至42.6%。
普林斯在另一篇帖子中表示,这些数据"略显粗糙",但"趋势已经非常明确",说明这一态势不会逆转。
这些机器人究竟是什么
有必要厘清普林斯所指"网络流量"的具体含义。像搜索引擎爬虫和网页性能检测工具这类普通机器人,在十多年前就已超越人类网络流量。据报道,这类机器人更早就在小型网站上超过了人类流量,这也导致许多小网站运营者的托管用量比预期更快地触及上限。
普林斯所说的智能体机器人,是指当你向AI聊天机器人提问时,代替你在互联网上搜索并返回结果的那类系统。这些搜索和访问行为会产生真实的网络流量,即便从你的AI对话窗口来看并非如此。相关数据意味着,访问网页的AI智能体数量已多于真实人类,尽管人类与内容的实际互动仍多于AI,但AI访问网页的频次更高。
深入解读数据
上述数字反映的是全球流量格局,但各地区存在差异。就北美整体而言,机器人流量占比更高,达68.6%,而人类流量为31.4%。若聚焦美国中西部,趋势则相反,人类流量以54.5%领先,机器人流量为45.5%。这一规律在各地区普遍适用:范围越广的区域,智能体机器人流量越占主导;而这些地区内部较小的范围,往往仍呈现出更高的人类流量占比。
数据中也存在一些例外。在高峰时段,来自小型地区直布罗陀的流量中,机器人流量占比高达97%。而古巴和老挝等国则处于另一端,分别有80.8%和84.7%的流量来自真实用户。
从地区分布来看,北美、欧洲和非洲的机器人流量占主导,而亚洲、南美洲和大洋洲在大多数时候仍以人类互联网使用为主。
"死亡互联网"理论
近年来,一种名为"死亡互联网理论"的观点受到越来越多的关注,其背后是人们对于网络活动正逐渐脱离人类主导这一趋势的普遍感知。
"死亡互联网理论"的核心观点是:互联网上的大部分活动已由机器人和AI生成。这一理论在2010年代末兴起之初,曾被许多人视为无稽之谈,但随着Cloudflare等机构的数据陆续公开,质疑的声音正变得越来越难以为继。
结合更多背景信息,这一趋势的影响愈发令人担忧:据估计,Facebook上约40%的帖子由机器人生成;音乐流媒体平台Deezer于今年四月宣布,其平台上44%的新上传音乐已是AI创作;美国媒体Axios的一份报告更指出,全网52%的文章由AI生成(不过本文并非如此——诚实申明)。
Q&A
Q1:Cloudflare的数据是如何显示AI智能体流量超越人类流量的?
A:Cloudflare CEO马修·普林斯通过公司旗下的互联网流量监测系统Cloudflare Radar发布数据,显示智能体机器人流量已占全球总流量的57.4%,而人类流量仅剩42.6%。这是互联网历史上首次出现机器人流量超越人类流量的情况,且普林斯表示这一趋势不会逆转。
Q2:AI智能体机器人和普通搜索引擎爬虫有什么区别?
A:普通机器人(如搜索引擎爬虫和网页性能工具)在十多年前就已超越人类网络流量,并不是新现象。而AI智能体机器人是指当用户向AI聊天机器人提问时,代替用户在互联网上进行搜索并返回结果的系统。这类智能体机器人的访问会产生真实的网络流量,访问网页的频次远超真实人类,这是本次数据关注的核心。
Q3:"死亡互联网理论"是什么,有哪些数据支撑?
A:"死亡互联网理论"认为互联网上的大部分活动已由机器人和AI驱动,而非真实人类。近年来越来越多的数据为这一理论提供佐证:Facebook约40%的帖子由机器人生成,音乐平台Deezer上44%的新上传音乐为AI创作,据Axios报告显示全网52%的文章由AI生成。Cloudflare的最新流量数据也进一步支持了这一观点。
好文章,需要你的鼓励
今天讲的出海案例是开创电气,一家金华手持式电动工具制造商,在越南基地完成首款产品验收并形成80万台年产能力。
牛津、MIT等机构联合发布GauntletBench,测试显示最强AI智能体完成率仅19%,而普通人类完成率超80%,揭示AI在时间感知、图形理解和三维推理上的真实短板。
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
论文提出"盲目信任问题":现有视频AI将每帧画面等权处理,遭遇干扰时准确率暴跌却浑然不知。Robust-TO通过逐帧质量评估、置信度引导工具路由和分级证据推理三阶段框架解决这一缺陷。