智能体流量一月涨 4.7 倍，站点统计只看得见人

九月的某一天，一个叫 Muse 的浏览器开始向 DataDome 的网络打请求。十二天里它打了 2910 万次，而在它的 user-agent 里，找不出一句说明自己是智能体的话。同一段时间，这家公司网络上的 agentic 浏览器请求从八月的 1250 万次涨到九月的 5820 万次。一个不报名字的新客户端，和一次四倍多的增长，出现在同一个月里，这两件事之间的关系，比增长本身更值得看。

先看数字，再看数字的性质

DataDome 在 10 月 15 日发布了 2026 年三季度的 AI 流量报告。它的网络在七月到九月间记录了接近 250 亿次智能体请求，比二季度的 177 亿次增长 41.5%。它同时给出了一个更有说服力的对比：2026 年前三个季度合计接近 550 亿次，也就是说，全年录到的智能体流量里，差不多一半发生在最近三个月。

这些数字的性质必须先说清楚。它们来自 DataDome 自己网络上的观测，没有经过独立审计；公开材料里没有披露这个网络覆盖多少站点、样本有多大、统计方法是什么。而这家公司销售机器人识别产品，流量越大它的叙事越有力。独立分析在转述这份报告时也把这个边界写了出来，因此这些数字应该当作方向性指标来读，不该当成整个互联网的普查结果。

把厂商口径标出来，并不是为了否定它。方向判断不需要精确倍数：智能体流量的增速快于人类访问，这件事在多个来源上都能看到。需要精确的时候才需要勘误，而现在要做的是从结构上去看它改变了什么。

一个不报身份的客户端，跑出上个月整个群体的量

报告里最值得拿出来的细节是读数的拆解。八月的 agentic 浏览器请求是 1250 万次，按三十一天摊，每天约 40 万次。九月这一项涨到 5820 万次，即使把 Muse 全部拿掉，也还有 3870 万次。Muse 本身在九月二十二日到十月三日之间打出 2910 万次，占九月 agentic 浏览器流量的三成，而它在九月只被量到九天。

把这两个日均值放在一起，会看到一个不太寻常的比例：八月整个 agentic 浏览器群体每天约 40 万次，而 Muse 按同样的算法每天约 240 万次。一个新出现的客户端，日均量级是它之前整个同类群体日均量的若干倍。这里要说明，这是我们对发布数字做的算术，不是报告里的结论，而且它依赖流量均匀分布这个假设，实际曲线可能更集中在某几天。

比数量更关键的是抽样里的两个细节。抽样到的 Muse 请求中，99.3% 来自 Cloudflare 与 Fastly 这类云基础设施，而不是住宅网络；同时，8.9% 的抽样请求打在表单、登录、支付、开户或购物车这类端点上。第一条说明，靠住宅代理特征和自报身份来识别流量的那套方法，对这类客户端无效；第二条说明，其中近一成请求的目标不是读取页面，而是往系统里写东西。

另一个变化藏在份额里。Meta 在三季度仍是最大的单一来源，124 亿次请求占 49.7%，但它的份额从二季度的 51.5% 降了下来，非 Meta 智能体的增速更快，分别是 47% 与 36.5%。换句话说，来源正在分散。对站点来说，这意味着针对某一家做特殊处理是一条走不通的路：你挡的是一家，涨的是其余所有家。

你的流量表里现在有三个总体

把上面这些线索合起来，一个站点的访问者实际上分成了三个总体。第一个是人：执行页面脚本、留下 cookie、会点、会买。第二个是申报身份的爬虫：它们在自己的名字里写清楚来意，搜索引擎、SEO 工具、各家 AI 的抓取机器人都属于这一类的。第三个是未申报的智能体：从云基础设施发起，不在身份里说明自己是谁，行为接近浏览器，取走的却是机器可读的结果。

问题在于，绝大多数站点统计只看得见第一个总体。浏览器侧的分析工具需要客户端执行脚本才会记录，不执行脚本的爬虫从来不出现；而执行脚本但不留 cookie 的客户端会被记成每次请求一个新会话。我们自己的站点监测里出现过同一类失真，在为统计加载器加上过滤之前，面板数字被放大约 15 倍。这意味着当月度报表的“人次”上升时，你无法直接判断涨的是人还是别的东西。

于是分析口径要改成三个序列。人这一条要同时看它带来的收入，因为真正有商业意义的不是绝对量，而是人占总流量的比例在往哪个方向走。申报爬虫这一条回答的是被索引和被引用的广度。未申报智能体这一条回答的是容量和风控的开销。三条混在一条曲线上，任何一个季度之间的对比都会失真。

把三条序列真的测出来

把三个序列分开听起来像报表工程，实际差别在于数据源。浏览器侧统计只能看见执行脚本的客户端，源站访问日志能看见全部请求却不认识人。两条数据必须并存，而且不能相加：同一批访问在两边都会出现，但身份、会话和目标的定义完全不同。

一个可操作的做法是，从源站日志里按请求端点和是否携带会话标识分组，先分出读和写两类目标，再看每一类里有多少请求来自声明了身份的客户端。第一次跑出来的分布通常会让人意外，尤其是写操作端点上那一小部分，它们数量不大，但对业务的影响和读请求不在一个量级。

还有一件事只有日志能回答：这些客户端读了哪些页面。如果集中在产品页、定价页和文档上，说明它们在替你回答别人的问题；如果集中在搜索页和列表页上，说明它们在批量获取结构。这两种行为的应对办法不同，而浏览器侧的数据对两者都看不见。

代价落在三张表上

第一张是容量与费用。智能体读的多半是同一批页面的重复请求，缓存命中率会好看，但源站出流量、边缘计算量和风控的开销会跟着涨，而这几项通常不在同一个成本中心的报表里。把智能体流量单列成一行，才能看出它是不是已经在替你决定基础设施的规模。

第二张是转化指标。转化率的分母是访问量，而访问量里混进了不需要被说服的客户端。分母变大、分子不变，转化率就会自己下降。如果团队因此去优化落地页，方向就错了。修的办法不是调整策略，而是把分母分开统计，让转化率只在人这一口井里计算。

第三张是分发。这里要区分两类智能体：答案引擎的读取会带来引用和回流，那是营销资产；而打到写操作端点的未申报请求，带来的是风控和合规上的暴露。同一个“智能体流量”的标签下面，一类是你想要的，一类不是。用一条 allow-list 同时管两类，等于用同一个开关管两件相反的事。

分发这一侧还有一个数值得单独看：来自答案引擎的引用回流。这类访问量通常不大，意图却明确，判断依据应该是日志里的来源字段，而不是访问总量。把机器流量合成一个数，等于把分销渠道和风控开销放在同一行，两边的动作都会做错。

把账算细一点会发现，比例本身比绝对量更值得跟踪。智能体流量增长会直接压低按访问量计算的转化率，而团队看到下降的第一个反应通常是投放或页面出了问题。要避免这种误判，先固定分母：转化率只在有会话标识的人流里计算，智能体流量单列成负载指标。两个数字各自的趋势都可以看，但不要用同一个分母看两件事。

政策该按端点划线，不按身份划线

过去十年，机器人管理的主轴是身份：在 user-agent 名单上放行想放行的，拦掉其余。这份报告里最实用的一条信息是这条主轴正在失效。最大的新增来源不报身份，来自主流云基础设施，而且它的请求目标里有近一成是写操作端点。

把政策从身份换到端点以后，判断依据变成三个可以观测的东西：请求打在哪个端点上、速率是多少、有没有完成必须由人完成的步骤。这样划出来的线，对报不报身份都成立。读到页面和提交表单是两件事，不管发起方是谁，娱乐性的抓取和账号创建的代价本来就不一样。

还有一条反直觉的推论。云基础设施本身不该被当成可疑信号：抽样里 99.3% 的请求来自 CDN 网络，这恰恰说明这类流量长得像正常流量，用 IP 归属去判定会把大量正常业务一起划进去。真正可用的信号是行为序列，而不是地址。

整套动作可以按一周排出来。第一天拉源站日志，把端点分成读和写两类。第二天按是否声明身份、是否携带会话标识分组，得到三行流量。第三天把写操作端点的请求单独打成一张表，标出哪些来源触发了速率上限。第四天用新的分母把历史转化率重算一遍，看趋势有没有变。一周之后，你会知道自己此前的容量预算建立在一个什么样的分母上。

这些数字不能怎么用

边界有三条。第一，全部数字来自一家厂商的遥测，没有独立审计，也没有披露网络规模和样本量，因此不能推成“全网如此”，只能作为方向判断。第二，Muse 的抽样比例没有公开，99.3% 和 8.9% 这两个比例是抽样结果，不是全量统计。第三，把八月的日均和九月的日均直接相比，隐含了流量均匀分布的假设，实际可能有明显的日期集中。

能立住的判断有两条：未申报的智能体流量在快速增长，而识别它的主流方法——自报身份加 IP 归属——对这类流量无效。剩下所有倍数都值得带上出处再引用，包括我们自己算出来的那个日均倍数。

我们的判断

我们的判断是：站点访问者的构成已经分裂成三个群体，而增长最快的那一个恰好是你的统计工具看不见的那一个。这不是一个安全问题，而是一个计量问题；它先让报表数字失真，再让容量和转化决策跟着失真。因此第一步不是买防护，而是把三个序列分开记。

由此有三条可以落地的动作。第一，把流量报表拆成三行：人、申报爬虫、未申报智能体，并把人占总访问的比例放在收入旁边一起看；这个比例才是能跨季度比较的数字。第二，检查一遍现有统计工具能不能看见不执行脚本的客户端，如果不能，就从源站访问日志里补一条机器流量的序列，两条数据不要混着用。第三，把机器人策略从身份名单改成端点加行为规则：读页面、写表单、创建账户、发起支付各自一条线，并对写操作端点单独设速率上限。

留给买家的问题是：你现在能说出上个月访问你站点的流量里，有多少是人吗？说不出具体数字，只说明一件事——你的容量预算和转化目标建立在一个无人测量过的分母上。

参考来源

DataDome 新闻稿（经 Business Wire 发布、Yahoo Finance 转载），《DataDome Report: Agentic Browser Traffic Surged Nearly 5x in a Month, as Meta’s Muse Arrived Unannounced From the Cloud》，2026-10-15（250 亿次、41.5%、550 亿、1250 万到 5820 万、3870 万、2910 万、33%、99.3%、8.9%、49.7% 与 51.5% 等均出自该发布）

PPC Land，《Meta’s Muse gains a 33% share of AI browser traffic in 9 days, DataDome finds》，2026-10-15（指出报告未披露网络规模与样本量、数字未经独立审计的方法学边界）