aidigester

Jensen Huang：“一切都将通过 Virtual Twin 呈现” — NVIDIA-Dassault 25年合作的最大伙伴关系

• NVIDIA 和 Dassault Systèmes 宣布了 25 年合作历史上最大规模的战略伙伴关系
• 目标是通过基于物理的 AI 和 Virtual Twin 将设计和制造流程扩展 100~1000 倍
• 将在三大洲部署 AI 工厂，预计将为 4500 万用户提供工业 AI

发生了什么事？

NVIDIA CEO Jensen Huang 和 Dassault Systèmes CEO Pascal Daloz 于 2026 年 2 月 3 日在休斯顿 3DEXPERIENCE World 上宣布了有史以来最大规模的合作伙伴关系。^{[NVIDIA Blog]} 两家公司已经合作了 25 年以上，但这次发布是 NVIDIA 的加速计算和 AI 库与 Dassault 的 Virtual Twin 平台真正融合的第一个案例。

Huang 表示：“AI 将像水、电和互联网一样成为基础设施”，“工程师们将能够以 100 倍、1000 倍，最终甚至 100 万倍的规模工作。”^{[NVIDIA Blog]} 他补充说，工程师们将拥有一支 AI 伙伴团队。

该合作伙伴关系的核心是 Industry World Models。经过物理定律验证的 AI 系统在实际制造产品、工厂甚至生物系统之前对其进行模拟。 NVIDIA Omniverse 库和 Nemotron 开源模型已集成到 Dassault 的 3DEXPERIENCE 平台中，被称为 Virtual Companion 的 AI 代理将实时支持设计。^{[Dassault Systèmes]}

为什么重要？

坦率地说，这不仅仅是一项合作伙伴关系公告。这是一个可能改变工业 AI 格局的举措。

Virtual Twin 是比现有 Digital Twin 更进一步的概念。如果说 Digital Twin 是静态的 3D 副本，那么 Virtual Twin 甚至可以模拟实时行为和演变。这意味着您不仅可以设计产品的几何形状，还可以同时设计其工作方式。

我个人认为，这种合作关系的真正意义在于“AI 伙伴”的概念。工程师不再独自运行 CAD，而是 AI 在旁边实时模拟和提出数千种设计选项。可以在设计初期阶段探索更广阔的设计空间。

已经有类似的尝试。 Siemens 和 NVIDIA 也在 CES 2026 上发布了 Industrial AI Operating System，并且 PepsiCo 工厂通过 AI 数字孪生实现了 20% 的吞吐量提升。^{[NVIDIA Newsroom]} 但 Dassault 拥有 4500 万用户和 40 万客户的庞大安装基础。如果 NVIDIA AI 集成到如此规模的平台中，其影响力将是不同的。

未来会怎样？

Dassault 的 OUTSCALE 品牌将在三大洲部署 AI 工厂。这是一种在确保数据主权和隐私的同时运营工业 AI 模型的结构。

但实际上能实现到什么程度还有待观察。“扩展 100 万倍”是一种愿景，而不是眼前的现实。重要的是，现有的 3DEXPERIENCE 用户是否可以在不增加额外费用的情况下使用此功能，或者是否需要新的许可证。尚未公布定价政策。

2026 年 3 月在波士顿举行的 3DEXPERIENCE 用户大会的主题是“AI-Powered Virtual Twin Experiences”。^{[Dassault Systèmes]} 届时可能会发布更具体的路线图。

常见问题 (FAQ)

Q: Virtual Twin 和 Digital Twin 的区别是什么？

A: Digital Twin 是物理产品的静态 3D 副本。 Virtual Twin 在此基础上增加了实时行为模拟和随时间推移的演变。由于可以模拟和预测产品的形状以及工作方式和整个生命周期，因此可以在设计阶段进行更多优化。

Q: 这种合作关系对现有的 3DEXPERIENCE 用户有什么影响？

A: 如果 NVIDIA 的 AI 库和 Nemotron 模型集成到 3DEXPERIENCE 平台中，用户将可以获得 AI 伙伴的实时设计支持。但是，由于尚未公布具体的定价政策或与现有许可证的兼容性，预计将在 3 月的用户大会上发布更多信息。

Q: NVIDIA 不是也宣布了与 Siemens 类似的合作伙伴关系吗？

A: 是的。 NVIDIA 在 CES 2026 上宣布了与 Siemens 的 Industrial AI Operating System 合作伙伴关系。 Siemens 在制造自动化和工厂系统方面具有优势，而 Dassault 在产品设计和 PLM 领域具有优势。从 NVIDIA 的角度来看，这两个合作伙伴关系都是扩展 Omniverse 生态系统的战略，并且彼此之间更像是互补关系而不是竞争关系。

---

如果这篇文章对您有帮助，请订阅 AI Digester。

参考资料

• Everything Will Be Represented in a Virtual Twin, Jensen Huang Says at 3DEXPERIENCE World – NVIDIA Blog (2026-02-03)
• Dassault Systèmes and NVIDIA Partner to Build Industrial AI Platform – Dassault Systèmes (2026-02-03)
• Siemens and NVIDIA Expand Partnership to Build the Industrial AI Operating System – NVIDIA Newsroom (2026-01-07)

微软 Paza：发布 39 种非洲语言语音识别基准

• 推出首个低资源语言专用 ASR 排行榜
• 可比较 52 个最新模型的性能
• 同时发布针对肯尼亚 6 种语言的微调模型 3 种

发生了什么？

微软研究院发布了用于低资源语言的语音识别 (ASR) 基准平台 Paza。^{[Microsoft Research]} Paza 源自斯瓦希里语，意为“提高声音”。该项目由 PazaBench 排行榜和 Paza ASR 模型两部分组成。

PazaBench 是首个低资源语言专用 ASR 排行榜。它衡量了 39 种非洲语言的 52 个最新 ASR 和语言模型的性能。^{[Microsoft Research]} 跟踪三个指标：字符错误率 (CER)、单词错误率 (WER) 和实时处理速度 (RTFx)。

为什么重要？

目前，大多数语音识别系统都针对英语、中文等主要语言进行了优化。非洲语言使用者超过 10 亿，但对他们的技术支持不足。微软的 Project Gecko 研究也表明“语音系统在实际低资源环境中会失败”。^{[Microsoft Research]}

Paza 团队强调，“在低资源环境中创建有用的语音模型不仅是数据问题，还是设计和评估问题”。核心在于不仅仅是添加语言，而是与当地社区一起开发技术。

未来会怎样？

Paza 发布了针对肯尼亚 6 种语言（斯瓦希里语、卢奥语、卡伦金语、基库尤语、马赛语、索马里语）进行微调的 3 个模型。它们是 Paza-Phi-4-Multimodal-Instruct、Paza-MMS-1B-All 和 Paza-Whisper-Large-v3-Turbo。预计未来将扩展到更多非洲语言。它以开放基准的形式发布，研究人员可以自由地测试和改进模型。

常见问题 (FAQ)

问：Paza 基准支持哪些语言？

答：目前支持 39 种非洲语言。包括斯瓦希里语、约鲁巴语、豪萨语等，并为肯尼亚 6 种语言提供微调模型。以排行榜形式运营，研究人员可以直接比较模型性能。

问：PazaBench 衡量哪些性能指标？

答：衡量三个指标。字符错误率 (CER) 衡量单个字符的错误，单词错误率 (WER) 衡量单词的错误。RTFx 表示实时处理速度，用于预测实际部署时的响应速度。

问：为什么低资源语言语音识别很困难？

答：学习数据绝对不足。英语有数万小时的语音数据，但非洲语言通常只有数百小时。此外，方言多样性很大，并且有些语言没有标准拼写法，因此评估本身就很困难。

---

如果这篇文章对您有帮助，请订阅 AI Digester。

参考资料

• Paza: Introducing automatic speech recognition benchmarks and models for low resource languages – Microsoft Research (2026-02-04)
• Massively Multilingual ASR: 50 Languages, 1 Model, 1 Billion Parameters – arXiv (2023-05-22)
• Whisper: Robust Speech Recognition via Large-Scale Weak Supervision – OpenAI (2022-09-21)

突破4000亿美元：谷歌母公司Alphabet的历代级业绩

• Alphabet年营收首次突破4000亿美元
• Q4营收1138亿美元，同比增长18%
• 谷歌云48%的快速增长是核心动力

发生了什么？

谷歌的母公司Alphabet在2025年年度营收首次超过4000亿美元。仅第四季度营收就达1138亿美元，较去年同期（965亿美元）增长18%。^[CNBC] 净利润为344.6亿美元，同比增长约30%。^[9to5Google]

按业务部门来看，广告营收为822.8亿美元，增长13.5%。YouTube广告收入为113.8亿美元。最引人注目的是谷歌云。同比增长近48%，引领了Alphabet的增长。^{[Android Central]}

为什么重要？

本次业绩表明，AI投资正在转化为实际收入。谷歌云的爆炸性增长与AI基础设施需求的增加直接相关。随着企业将AI工作负载转移到云端，谷歌正在受益。

首席执行官桑达尔·皮查伊表示，Gemini AI应用程序的月活跃用户超过7.5亿。上个季度为6.5亿，增加1亿。这是AI服务采用迅速普及的信号。

今后会怎样？

Alphabet预计2026年的设备投资为1750亿~1850亿美元。是2025年支出的两倍以上。这意味着将积极投资于AI数据中心和基础设施。这被解读为缩小与微软、亚马逊在云和AI竞争中的差距的战略。

但这种规模的投资是否会持续转化为收益还有待观察。如果AI基础设施竞争过热，可能会降低盈利能力。

常见问题 (FAQ)

Q: Alphabet第四季度业绩中增长最快的部门是？

A: 谷歌云同比增长48%，创下最高增长率。AI工作负载需求增加和企业云转型是主要原因。广告部门也增长了13.5%，但云的增长势头压倒性。

Q: Gemini AI用户数量增加了多少？

A: Gemini AI应用程序的月活跃用户突破7.5亿。从上个季度的6.5亿增加了一个季度就增加了1亿。这表明谷歌AI服务的采用正在迅速普及。

Q: Alphabet的2026年设备投资计划是？

A: Alphabet预计2026年的设备投资为1750亿~1850亿美元。这超过了2025年支出的两倍。这表明将集中投资于AI数据中心扩展和基础设施强化。

---

如果这篇文章对您有帮助，请订阅AI Digester。

参考资料

• Alphabet (GOOGL) Q4 2025 earnings – CNBC (2026-02-04)
• Alphabet reports Q4 2025 revenue of $113.8 billion – 9to5Google (2026-02-04)
• Alphabet outperforms expectations as Google Cloud surges in Q4 2025 earnings – Android Central (2026-02-04)

MIT AI 新药开发：深度学习发现了 7 种抗生素

• 生成型 AI 从数百万个候选分子中发现了 7 种抗生素
• 耐药菌靶向 NG1、DN1 化合物动物实验成功
• ARPA-H 资助下，已启动 15 种新抗生素的设计

发生了什么？

MIT 研究人员利用生成型 AI 设计了攻击耐药菌的新抗生素。^{[MIT News]} James Collins 教授团队结合了深度学习、遗传算法和变分自编码器，生成了数百万个候选分子。 合成了 24 个进行测试，结果 7 个显示出抗菌活性。^{[MIT News]}

NG1 靶向多重耐药淋病奈瑟菌，DN1 靶向耐甲氧西林金黄色葡萄球菌 (MRSA)。 两种化合物均显示出较低的耐药性发生率。^{[MIT News]}

为什么重要？

抗生素耐药性是 21 世纪最大的健康危机。 传统新药开发需要 10 年以上的时间和数十亿美元的资金。 AI 正在改变这个过程。 Collins 团队于 2020 年推出了首个 AI 发现的抗生素 Halicin，这次他们从头开始设计了新的分子。

MIT EECS 的 Regina Barzilay、Tommi Jaakkola 教授和 Harvard Wyss Institute 的 Donald Ingber 教授正在合作。 非营利组织 Phare Bio 弥合了发现和临床之间的差距。

未来会怎样？

AI 新药的瓶颈现在是实验验证。 像 Phare Bio 这样的中介组织正在缩短从实验室到医院的路径。 在 ARPA-H 的支持下，15 种抗生素的设计正在进行中。

常见问题 (FAQ)

问：AI 制造的抗生素与传统抗生素有何不同？

答：AI 可以同时探索数百万个分子，找到人类错过的模式。 传统方法是改变已知的结构，但 AI 从头开始设计全新的分子。 NG1、DN1 是以前没有的结构。

问：生成型 AI 抗生素何时可以使用？

答：目前已通过动物实验。 到临床试验还需要数年时间。 Phare Bio 正在 ARPA-H 的支持下开发 15 个候选药物。 最快可能在 5 年内获得首次临床结果。

问：AI 能解决耐药菌问题吗？

答：完全解决很难。 但 AI 可以在耐药性产生之前快速设计新的抗生素。 这种化合物显示出较低的耐药性发生率，因此比以往更有利。

---

如果这篇文章对您有帮助，请订阅 AI Digester。

参考资料

• 3 Questions: Using AI to accelerate the discovery and design of therapeutic drugs – MIT News (2026-02-04)
• A Deep Learning Approach to Antibiotic Discovery – Cell (2020)
• Phare Bio – 官方网站

谷歌AI生态系统四大更新一览

• Gemini 应用与谷歌应用联动，进化为个性化AI助手
• Gmail开始免费提供AI写作工具
• Chrome搭载基于Gemini 3的自动浏览功能

发生了什么？

谷歌于2026年1月对主要产品进行了大规模AI更新。最显著的变化是Gemini应用的“Personal Intelligence”功能。现在，Gemini可以直接连接到Gmail、日历、云端硬盘等谷歌应用，为用户提供定制化的帮助。^{[Google Blog]}

在Gmail中，AI写作工具“Help me write”也向免费用户开放。付费订阅者可以使用Proofread等高级功能。^{[Google Blog]}

为什么重要？

本次更新的核心是“整合”。之前分散的谷歌服务以Gemini为中心整合在一起。从用户的角度来看，无需在多个应用之间切换，只需通过Gemini即可处理日程确认、电子邮件撰写、文件搜索等任务。

Chrome的“auto browse”功能尤其值得关注。Gemini 3可以自动执行复杂的网络任务。例如，代替用户处理机票搜索、商品比较等工作。浏览器正在从简单的网页查看器进化为AI代理。

未来会怎样？

谷歌还在教育领域大力投入AI。与Khan Academy、Oxford合作开发学习工具，并在Gemini应用中添加了练习测试功能。^{[Google Blog]}预计2026年内，谷歌在AI辅导市场的地位将进一步提升。

常见问题 (FAQ)

Q: 如何激活Gemini Personal Intelligence？

A: 可以在Gemini应用设置中选择加入来激活。目前处于测试阶段，允许与谷歌应用联动后，即可获得个性化帮助。必须经过用户明确同意才能运行。

Q: Gmail AI写作工具支持所有语言吗？

A: 目前支持包括英语在内的主要语言。“Help me write”功能可以免费使用，而Proofread等高级语法校正功能则提供给Google Workspace付费订阅者。

Q: Chrome auto browse 功能安全吗？

A: 谷歌表示，该功能被设计为在用户监督下运行。AI在执行任务前会经过用户确认，并建议手动处理敏感的支付信息输入。

---

如果这篇文章对您有帮助，请订阅AI Digester。

参考资料

• The latest AI news we announced in January – Google Blog (2026-02-04)

保持品牌一致性，自动生成营销图像

• 参考过往营销资料，保持品牌一致性
• 无需专业设计师，几秒内即可制作定制视觉效果
• 通过 Amazon Bedrock API 实现营销工作流程自动化

发生了什么？

AWS 发布了 Amazon Bedrock 营销图像生成指南的第二部分。^{[AWS ML Blog]} 该指南介绍了如何参考企业的历史营销资料，在保持品牌标识的同时生成新图像。

关键在于在提示词中包含过去活动的风格和调色板。^{[Amazon Bedrock]}

为什么重要？

传统的图像制作需要几天甚至几周的时间。AWS 的方法将其缩短到几分钟。AI 解决了负责人变更或活动扩展时品牌基调不稳定的问题。^{[AWS Docs]}

未来会怎样？

下一步是多模态输入。直接参考现有图像并应用风格迁移的方式将更加精细。Google Imagen、OpenAI DALL-E 3 也在攻克同一领域。

常见问题 (FAQ)

Q: Bedrock 中使用哪些图像模型？

A: 提供 Stable Diffusion、Amazon Titan Image Generator 等。可以根据用途选择模型，并通过 API 传递提示词。

Q: 如何保持品牌一致性？

A: 在提示词中明确品牌颜色代码、图像基调以及应避免的要素。分析并反映过去营销资料的特点即可。

Q: AI 生成图像的版权？

A: 美国版权局不承认 AI 生成物的版权。内部营销用途没有问题，但外部发布时建议咨询法务团队。

---

如果这篇文章对您有帮助，请订阅 AI Digester。

参考资料

• Accelerating your marketing ideation with generative AI – Part 2 – AWS ML Blog (2026-02-04)
• Amazon Bedrock – AWS (2026-02-04)
• What is Amazon Bedrock? – AWS Docs (2026-02-04)

Anthropic “Claude 没有广告”, 超级碗上狙击 ChatGPT

• Claude 官方发布无广告政策
• 超级碗广告直接针对 ChatGPT
• 强调以订阅为中心的商业模式

发生了什么？

Anthropic 宣布 Claude 不会投放广告。^[CNBC] 就在 OpenAI 宣布测试 ChatGPT 广告之后。^[Axios]

为什么重要？

这是 AI 聊天机器人商业模式的竞争。 OpenAI 选择广告，而 Anthropic 只选择订阅。 Anthropic 年收入 90 亿美元，其中 80% 来自付费。^[Neowin]

未来会怎样？

AI 聊天机器人市场可能会因广告的有无而分裂。 在超级碗上，他们传达了“AI 将迎来广告。 但 Claude 没有”的信息。^[Adweek]

常见问题 (FAQ)

Q: Claude 是免费的吗？

A: 有免费层级，但有限制。 可以通过付费订阅来使用更多功能。

Q: ChatGPT 广告在哪里？

A: 显示在免费和 Go 层级。 Pro 及以上没有。

Q: 超级碗广告费用是多少？

A: 30 秒超过 700 万美元。

---

如果这篇文章对您有帮助，请订阅 AI Digester。

参考资料

• Anthropic Claude ad-free – The Verge (2026-02-04)
• No ads on Claude – CNBC (2026-02-04)
• Ad-free Claude – Axios (2026-02-04)

Newton-Schulz 正交化，FLOPs 减少 3.4 倍

• 将 Newton-Schulz 正交化整合为单一运算，FLOPs 减少 3.4 倍
• 正交化误差减少 96 倍 (3.838 → 0.040)
• 通过可学习系数确保收敛稳定性

发生了什么事？

中国研究团队发布了 Newton-Schulz 正交化的新集成框架 UNSO。^[arXiv] 它用单一多项式运算替代了现有的 NS 迭代。核心是“消除无意义的项并引入可学习的系数”。

以 128×512 矩阵为基准，FLOPs 从 2.533×10^8 降至 8.831×10^7。^[arXiv]

为什么重要？

Muon 作为替代 AdamW 的优化器而备受关注。它以 175 美元的价格训练了 GPT-2 XL，并且被用于 Kimi K2。^{[Keller Jordan]} 但 Newton-Schulz 迭代是一个瓶颈。

UNSO 打破了这个瓶颈。它不是减少迭代，而是完全消除迭代。正交化误差也减少了 96 倍。误差累积是学习不稳定性的原因，而 UNSO 解决了这个问题。

未来会怎样？

PyTorch 2.10 正式包含了 Muon。^[PyTorch] NVIDIA NeMo 也支持它。^[NVIDIA] UNSO 很有可能被迅速吸收。

常见问题 (FAQ)

Q: 现在可以使用 UNSO 吗？

A: 是的。作者们在 GitHub 上公开了代码。可以在 PyTorch 环境中以替代现有 Muon 的形式使用。但建议在生产应用之前进行自身基准测试。

Q: 应该用 Muon 代替 AdamW 吗？

A: 视情况而定。Muon 仅适用于隐藏层。嵌入或输出层需要 AdamW。组合使用两个优化器是标准做法。

Q: 实际学习时间会减少多少？

A: 在正交化阶段快 3.4 倍。整体学习时间取决于模型大小。正交化比重越大，UNSO 的优势就越大。

---

如果这篇文章对您有帮助，请订阅 AI Digester。

参考资料

• UNSO: Unified Newton Schulz Orthogonalization – arXiv (2026-02-04)
• Muon: An optimizer for hidden layers – Keller Jordan Blog (2025-01-15)
• Muon Optimizer – PyTorch Documentation (2026-01-20)

德甲联赛最初: AI将草坪病也诊断

• VfL沃尔夫斯堡，通过导入ChatGPT Enterprise，强化350名全体员工的AI能力
• 从草坪病诊断到翻译、行政自动化，立即应用于实务
• 发布德甲联赛最初生成型AI白皮书的俱乐部的下一步

无甚么事情发生了？

德国德甲联赛俱乐部VfL沃尔夫斯堡于2026年2月4日发表声明，将在公司范围内导入OpenAI的ChatGPT Enterprise。^{[VfL Wolfsburg]} 约350名员工将活用此AI工具。

沃尔夫斯堡从2023年开始试验生成型AI，并于2024年6月发布了德甲联赛最初的生成型AI白皮书。^{[VfL Wolfsburg]} 这次导入ChatGPT Enterprise是其延续。

具体来说，到底做什么？

活用领域很有趣。草坪病诊断、翻译、信息结构化、重复行政业务自动化等。^{[VfL Wolfsburg]}

草坪病诊断？想到足球场草坪管理有多重要，就能理解了。原本由专家肉眼判断的事情，AI来辅助。

俱乐部将指定内部AI协调员，使创新实际传递到各部门。将AI不是作为单独的工具，而是作为日常业务的标准构成要素。

为什么重要呢？

职业体育俱乐部在公司范围内导入AI还是罕见的例子。在选手影像分析或球探中使用AI很常见，但向350名全体员工提供ChatGPT Enterprise是不同的层面。

商务总监米夏埃尔·梅斯克表示：“AI在足球中不再是未来的主题。是真正的竞争优势”。^{[VfL Wolfsburg]}

我个人认为这是核心。不是将AI作为“未来技术”来观望，而是宣言现在就活用为竞争力。其他俱乐部也不得不行动。

今后会怎么样呢？

沃尔夫斯堡有与德勤合作制作AI白皮书的先例。体系化的接近是强项。不仅仅是扔给工具，而是同时构建各部门定制型应用程序和内部教育体系。

其他欧洲足球俱乐部跟随的可能性很高。特别是财政有余力的英超联赛俱乐部预计会发表类似声明。

经常问的问题 (FAQ)

Q: ChatGPT Enterprise与普通ChatGPT有什么不同？

A: 是企业用版本。不对对话内容进行AI学习，提供获得SOC 2认证的安全环境。追加了单点登录、管理者仪表盘、无限使用量等企业运营所需的功能。在安全和管理方面比普通版本更上一层楼。

Q: 如何在草坪病诊断中使用AI？

A: 推测为上传草坪照片后，分析症状，提出疾病种类和应对方法的方式。GPT-4 Vision以后图像分析功能大大提高。预计将发挥1次筛选和信息提供作用，而不是代替专家判断。

Q: 其他足球俱乐部也在使用AI吗？

A: 很多俱乐部在选手影像分析、对方球队战术分析、受伤预测等方面活用AI。但是，像沃尔夫斯堡一样向全体员工提供ChatGPT Enterprise的公司范围导入还很少见。西雅图雷恩FC也有活用ChatGPT开发防守战术的事例。

---

如果这篇文章有用，请订阅AI Digester。

参考资料

• Innovation im Arbeitsalltag nutzen – VfL Wolfsburg (2026-02-04)
• White paper on generative AI – VfL Wolfsburg (2024-06-21)
• ChatGPT for enterprise – OpenAI

网络流量的过半是 AI 机器人 — 核心数字 3 个

• 整体网络流量的 52.3% 来自 AI 机器人^{[AI CERTs]}
• LLM 学习用爬虫流量在 8 个月内从 2.6% 增加到 10.1%，增长了 4 倍^{[2026 AI Bot Impact Report]}
• Meta AI 机器人占据整体 AI 爬虫流量的 52%，远超 Google(23%) 和 OpenAI(20%)

发生了什么？

进入 2026 年，AI 机器人占据了互联网流量的过半数。根据 2026 AI Bot Impact Report，整体网络流量的 52% 来自机器人，超过了人类用户流量(47.7%)。^{[2026 AI Bot Impact Report]}

特别是 LLM 学习用爬虫急剧增加。 OpenAI、Anthropic、Google DeepMind 等 AI 企业为了模型学习而大规模收集网络信息，该部门的流量就达到了 35%。^{[AI CERTs]}

OpenAI 的 GPTBot 在追踪期间增长了 305%，执行 JavaScript 的用户行为爬取也在 2025 年增加了 15 倍。^{[2026 AI Bot Impact Report]}

为什么重要？

坦率地说，这是互联网的根本经济结构正在动摇的信号。

网站通过广告收入运营。但是如果超过一半的访问者是不看广告的机器人呢？广告模式本身受到威胁。我个人认为，这对整个内容产业的影响仍然被低估了。

更严重的是服务器负载。 AI 机器人消耗高达 70% 的动态资源，加剧了共享主机环境中的“吵闹的邻居”问题。一个网站的机器人流量会降低同一服务器上其他网站的性能。

Cloudflare 等企业推出了 AI 爬虫拦截工具，一些发行商开始采用“按爬取收费”模式。免费抓取内容的时代即将结束。

今后会怎么样？

AI 机器人流量预计会继续增加。 AI 企业的模型学习需求没有减少的迹象，随着 AI 代理的出现，机器人直接浏览网站的情况也在增加。

网站运营者面临选择。有数据显示，拦截 AI 爬虫会减少 75% 的流量。^{[2026 AI Bot Impact Report]} 拦截的话担心搜索曝光，允许的话服务器费用会飙升。

最终，AI 企业和内容创作者之间似乎需要达成新的协议。现在的免费搭车结构是不可持续的。

常见问题 (FAQ)

Q: AI 机器人流量会影响我的网站速度吗？

A: 是的。 AI 爬虫比普通用户更快地请求更多页面。如果使用共享主机，由于同一服务器上其他网站的机器人流量，我的网站也可能会变慢。 Core Web Vitals 分数下降会对 SEO 产生负面影响。

Q: 拦截 AI 爬虫会降低搜索排名吗？

A: Google 或 Bing 等搜索引擎爬虫与 AI 学习用爬虫不同。即使拦截 GPTBot 或 Anthropic 爬虫，也不会直接影响 Google 搜索排名。但是，在 AI 搜索服务中的曝光可能会减少。

Q: 如何查看我的网站的 AI 机器人流量？

A: 可以通过分析服务器日志中的 User-Agent 来查看。查找 GPTBot、ClaudeBot、Google-Extended 等字符串。如果使用 Cloudflare 等 CDN，可以在机器人管理仪表板中单独查看 AI 爬虫流量。

---

如果这篇文章对您有帮助，请订阅 AI Digester。

参考资料

• AI Bots Are Now a Significant Source of Web Traffic – Wired (2026-02-04)
• AI Bots Now Dominate Web Traffic – AI CERTs (2025-07-03)
• The 2026 AI Bot Impact Report – Skynet Hosting (2026-01-08)