2026年5月，全球互联网流量格局迎来历史性转折——来自AI机器人的访问请求首次超过人类，占比达57.5%，而这场流量大爆炸的根源，在于AI智能体（Agent）的工作方式本质是把“一个人类问题”放大为“成千上万次机器请求”。
一、AI智能体的“扇出效应”：一个问题炸出数千次访问
单任务即海量请求：与传统人类逐页浏览不同，AI智能体会自主调用浏览器，一次性爬完数百甚至数千个网站来回答一个问题。Cloudflare CEO举例：普通人搜索相机可能只查5家零售商，而一个AI智能体可能查询5000个网站。
用户规模放大：当成百上千万用户都让AI助手去比价、调研、写摘要时，每次“扇出”都会产生指数级增长的机器流量。
7x24小时无休：AI爬虫不存在人类作息限制，能全天不间断抓取，这与人类碎片化、间歇性的上网行为形成鲜明对比，天然推高了机器流量的统计占比。
二、AI大模型训练与推理的“数据饥渴”
训练阶段的海量语料需求：GPT-4、Claude、Llama等大模型训练需要数万亿字符的语料，这些数据必须从互联网大规模抓取。2025年AI驱动流量增长187%，其中AI训练爬虫一度占全部AI驱动流量的约90%。
实时推理催生联网抓取：用户向ChatGPT提问时，它会实时上网搜索；AI Agent在执行订票、比价等任务时，背后会触发数十轮模型调用和页面请求，极大拉高词元消耗。
数据量级对比悬殊：搜索引擎爬虫平均抓取14次页面能带来1次人类点击，而ChatGPT要抓取1700次、Claude更是达到73000次才能换来1次人类点击，AI的“投入产出比”远超传统搜索引擎。
三、传统搜索引擎与AI爬虫的行为鸿沟
回报机制的断层：Google等搜索引擎爬虫虽消耗带宽，但会回馈搜索流量——用户通过搜索结果点击进入网站，为内容创作者带来广告收入。而AI爬虫是“只取不予”：抓完内容直接向用户输出答案，几乎不产生任何回流点击。
商业模式的颠覆：过去“内容引流→用户点击→广告变现”的注意力经济，建立在“屏幕背后是活人”的假设上。但AI没有视觉疲劳，不会被弹窗广告诱惑，也不会冲动消费，这让传统PV、UV数据严重失真，流量商业化价值被掏空。
