昨天看到一個(gè)非常有意思的事情。

這是第一次，全世界最大的網(wǎng)絡(luò)基礎(chǔ)設(shè)施公司之一，Cloudflare，開始用魔法打敗魔法，用AI來對抗AI爬蟲。

這事情的有意思的程度，足以載入AI發(fā)展史冊。

這是一次，AI領(lǐng)域的全面戰(zhàn)爭。

你可能現(xiàn)在還有很多疑惑， Cloudflare是什么，AI爬蟲是什么，AI迷宮又是什么，這個(gè)事到底有意思在哪。

這一切的開始，我想先跟你講一個(gè)故事。

一個(gè)在今年1月份，發(fā)生在一個(gè)僅有7人的烏克蘭公司的故事。

這個(gè)公司叫做Triplegangers，做的業(yè)務(wù)特別簡單，就是 賣人的3D數(shù)字模型。

Triplegangers專注于銷售“人體的數(shù)字孿生”模型素材，這些高清3D模型照片來自真實(shí)的人類掃描，價(jià)值巨大。

創(chuàng)始人Tomchuk一直很滿意，公司雖然不大，但是是他最喜歡的事情。

這個(gè)網(wǎng)站上，一共共有65000個(gè)產(chǎn)品頁面，每個(gè)產(chǎn)品的頁面至少放著三張高清照片。 每一張圖片，都細(xì)致地標(biāo)注了年齡、膚色、紋身甚至傷疤。

但是，就在一個(gè)普通的周六早上， 平靜被一場風(fēng)暴驟然打破。

Tomchuk收到了一條緊急通知：公司網(wǎng)站崩潰了，因?yàn)槭艿搅舜罅康腄DoS攻擊。

他懵逼了，因?yàn)槠綍r(shí)也沒啥仇人，更沒啥競品，守著自己那一畝三分地，誰會(huì)好好的來攻擊自己呢？

他驚慌失措地開始調(diào)查原因，很快發(fā)現(xiàn)，居然是OpenAI的爬蟲機(jī)器人，GPTBot在攻擊他的網(wǎng)站。

GPTBot瘋狂地爬取每一個(gè)頁面， 數(shù)十萬張照片、數(shù)十萬個(gè)描述， 在短短幾小時(shí)內(nèi)被無情下載。

這些爬蟲機(jī)器人使用了整整600個(gè)IP地址，數(shù)以萬計(jì)的服務(wù)器請求，這種網(wǎng)站哪見過這種架勢，網(wǎng)站的服務(wù)器瞬間癱瘓，業(yè)務(wù)陷入停滯。

Tomchuk人都傻了，不僅自己的數(shù)據(jù)全丟了，被OpenAI爬的干干凈凈， 更糟的是，由于服務(wù)器壓力暴漲， 公司還將面臨一筆巨額的AWS賬單。

他們這個(gè)七人的團(tuán)隊(duì)花了十年心血，才構(gòu)建了這個(gè)龐大的數(shù)據(jù)庫，客戶遍及游戲開發(fā)、動(dòng)畫制作等多個(gè)行業(yè)。

而現(xiàn)在，啥也沒了。

更令人無奈的是，他們原本就明確禁止爬蟲機(jī)器人未經(jīng)許可抓取網(wǎng)站數(shù)據(jù)。

但是因?yàn)闆]那么懂AI，也不太知道那些AI大模型公司的玩法，所以沒有嚴(yán)格配置robot.txt 文件，沒有配專門告知OpenAI的機(jī)器人GPTBot不要訪問該網(wǎng)站的標(biāo)簽，這基本等同于默認(rèn)允許了OpenAI的抓取行為。

關(guān)鍵是吧，配了GPTBot的標(biāo)簽也不夠，因?yàn)镺penAI還有ChatGPT-User和OAI-SearchBot，這兩個(gè)標(biāo)簽也要配。你甚至不知道他們還有啥。

"我們原以為禁止條款就足夠了，沒想到還必須專門設(shè)定拒絕機(jī)器人的規(guī)則。"

幾天后，Tomchuk終于設(shè)置好了Triplegangers的robot.txt文件，并啟用了Cloudflare服務(wù)以屏蔽更多爬蟲。

Cloudflare大家可能沒聽過，但是大多數(shù)人應(yīng)該都見過。

就這個(gè)玩意，讓你在進(jìn)入某些網(wǎng)頁之前，驗(yàn)證一下你是否是人類。

不過這玩意也不是免費(fèi)的，挺燒錢的，都是成本。但是為了再防一波OpenAI那種流氓行為，他們只能啟用。

這些服務(wù)的錢，都還好說，但是讓Tomchuk最痛苦的事，他根本不知道，OpenAI到底拿走了多少素材。

而且，Tomchuk說：

"我們甚至聯(lián)系不上OpenAI，也無法要求他們刪除已抓取的數(shù)據(jù)。"

甚至最離譜的是，如果不是OpenAI這么貪，一次性請求太多，直接把Triplegangers爬崩潰了，而是慢慢爬，一點(diǎn)一點(diǎn)的。

Tomchuk可能這輩子都發(fā)現(xiàn)不了自己的數(shù)據(jù)已經(jīng)全部丟的干干凈凈了。

OpenAI的爬蟲邏輯很簡單，如果你家門口沒有保安站崗，那就說明你默認(rèn)你家里的東西我就都可以拿走，都是我的。因?yàn)槟銢]說不準(zhǔn)我拿，也沒設(shè)保安，所以我就可以進(jìn)門全部洗劫一空。

這是一場戰(zhàn)爭。

一場沒有硝煙的戰(zhàn)爭。

一場關(guān)乎于保護(hù)自己財(cái)產(chǎn)神圣不可侵犯的戰(zhàn)爭。

一場關(guān)乎于我們，跟這些AI公司的AI爬蟲的戰(zhàn)爭。

Trilegangers的遭遇并不是孤例。

在許多許多公司和內(nèi)容創(chuàng)作者的眼中，AI爬蟲就是這個(gè)時(shí)代的數(shù)字蝗蟲，所過之處令網(wǎng)站不堪重負(fù)，數(shù)據(jù)還被洗劫一空。

去年夏天，還有一個(gè)著名的的例子，來自于非常老牌的維修教程網(wǎng)站，iFixit。

iFixit發(fā)現(xiàn)，他們的網(wǎng)站也成了AI爬蟲的盤中餐。

但這一次，吃相難看的不是OpenAI，而是另一個(gè)AI王者，Anthropic公司的爬蟲ClaudeBot。

當(dāng)時(shí)iFixit的CEO怒不可遏地在社交媒體上爆料：

ClaudeBot在短短24小時(shí)內(nèi)瘋狂訪問了iFixit近一百萬次。直接差點(diǎn)把他們的網(wǎng)站擠爆，觸發(fā)了所有報(bào)警系統(tǒng)，迫使iFixit的運(yùn)維團(tuán)隊(duì)連夜加班處理。

更離譜的是，iFixit早就明文禁止未經(jīng)許可抓取他們的內(nèi)容用于AI訓(xùn)練，這一條清清楚楚地寫進(jìn)了網(wǎng)站的使用條款，甚至特別注明“不得將本網(wǎng)站內(nèi)容用于機(jī)器學(xué)習(xí)或AI模型的訓(xùn)練”。

但是Anthropic的爬蟲明顯不care這些聲明，依舊我行我素地狂扒數(shù)據(jù)。

更讓無語的是，當(dāng)這事爆了之后，有媒體就去問Anthropic，對方給出的回應(yīng)幾乎和OpenAI如出一轍：

他們表示ClaudeBot爬蟲是遵守robots.txt的，如果網(wǎng)站不想被抓，就應(yīng)該在 robots 文件里屏蔽Claude。

言下之意，就是iFixit你自己明明沒說啊，沒在robots.txt徹底封禁啊，我們當(dāng)然就有權(quán)一直爬下去啊。

無奈之下，iFixit只好趕緊修改了robots.txt，添加了針對ClaudeBot的延遲和阻止規(guī)則。

可這件事留給業(yè)界的震動(dòng)卻揮之不去，坦率的講，連iFixit這樣熟悉網(wǎng)絡(luò)技術(shù)的知名網(wǎng)站，一開始都沒料到 AI 爬蟲會(huì)如此不講武德，明知道別人不情愿卻還要硬闖。

如果連老牌互聯(lián)網(wǎng)從業(yè)者都防不勝防，那其他那些沒技術(shù)團(tuán)隊(duì)守衛(wèi)的小網(wǎng)站、小作者，又咋招架這些竊賊？

甚至更不要臉的是那個(gè)AI搜索鼻祖，Perplexity。

知名科技媒體《連線》（Wired）發(fā)現(xiàn)，Perplexity的爬蟲不僅沒有遵守一些網(wǎng)站的robots.txt 禁令，甚至試圖悄悄抓取那些明確聲明不開放給機(jī)器的角落。

換句話說，就是Perplexity公然無視r(shí)obots協(xié)議，偷偷攫取了本不該拿的內(nèi)容。

可能你看到這里，會(huì)疑惑robots協(xié)議是個(gè)啥。

我們把時(shí)間倒回1994年，那個(gè)時(shí)候網(wǎng)絡(luò)上也正經(jīng)歷著爬蟲之亂。

彼時(shí)搜索引擎剛興起，一些自動(dòng)爬蟲程序在網(wǎng)上橫沖直撞，給服務(wù)器造成了不小的負(fù)擔(dān)。

于是，一位名叫Martijn Koster的荷蘭工程師，提出了一個(gè)非常巧妙的主意：

網(wǎng)站管理員可以在站點(diǎn)根目錄放一個(gè)名為“robots.txt”的文本文件，提前告訴網(wǎng)絡(luò)機(jī)器人，哪里可以爬、哪里不許碰。

這個(gè)提議很快得到了行業(yè)的廣泛認(rèn)可，成為互聯(lián)網(wǎng)早期一種非常純粹的“君子協(xié)定”。

根據(jù)robots協(xié)議，如果網(wǎng)站在robots.txt里標(biāo)明了禁止抓取某些內(nèi)容，那么守規(guī)矩的爬蟲就應(yīng)該乖乖止步，不去觸碰那些被列入黑名單的路徑。

這套機(jī)制本質(zhì)上完全依賴自覺，它沒有法律強(qiáng)制力，靠的是爬蟲開發(fā)者愿意遵守規(guī)則的良知和誠意。

但令人欣慰的是，在相當(dāng)長的歲月里，這種誠意基本上保持了下來。

Google、Yahoo等搜索引擎尊重robots.tx 的邊界，微軟的Bing也是如此，甚至后來各式各樣善意的網(wǎng)絡(luò)爬蟲，都把不傷害網(wǎng)站、遵循站長意愿當(dāng)作職業(yè)道德的一部分。

正因?yàn)橛衦obots.txt的存在，網(wǎng)站管理員才愿意敞開大門讓搜索引擎索引內(nèi)容，他們相信敏感或不想公開的角落可以被禮貌地避開。

這份信任，構(gòu)筑了網(wǎng)絡(luò)內(nèi)容自由流通和公平利用的基礎(chǔ)。

但是現(xiàn)在，這份來之不易的信任正被無情地侵蝕。

當(dāng)AI爬蟲為了填飽模型的數(shù)據(jù)需求四處出擊時(shí)，又有多少還真正尊重 robots.txt的邊界？

OpenAI、Anthropic固然口口聲聲我們遵守robots協(xié)議，但事實(shí)是，如果你沒明確寫禁令，他們就默認(rèn)可以來拿，絲毫不考慮你是否情愿。

只要你沒用足夠堅(jiān)固的墻把我擋住，那就是你的錯(cuò)，我闖進(jìn)來就理所應(yīng)當(dāng)。

這種倒打一耙的邏輯讓人憤慨之余，也透出一絲悲哀。

所以，在這種背景下，Cloudflare挺身而出，作為大多數(shù)網(wǎng)站前的守護(hù)者，他們決定，用魔法打敗魔法，用AI，對抗AI。

他們?yōu)檫@些AI爬蟲，造了一整座AI迷宮。

因?yàn)檫^往的防御邏輯很簡單，就是用驗(yàn)證的方式，直接把這些AI爬蟲攔在門外，這樣會(huì)有個(gè)問題，反而會(huì)驚動(dòng)敵人，讓他們換個(gè)馬甲卷土重來。

比如OpenAI就有N個(gè)AI爬蟲。

所以他們這次的更新，用了一個(gè)更陰柔的做法：

放對手進(jìn)來，但是領(lǐng)著它走進(jìn)一個(gè)精心編織的虛假網(wǎng)頁迷宮。

在這個(gè)迷宮里，所有的頁面、鏈接和內(nèi)容都是 AI 自動(dòng)生成的，看上去像模像樣，卻全都是無意義的空城計(jì)。

那些AI爬蟲一旦被引誘進(jìn)去，就會(huì)在假內(nèi)容中團(tuán)團(tuán)轉(zhuǎn)，白白浪費(fèi)計(jì)算資源和帶寬。

而這些迷宮入口對正常用戶是隱形的，真人訪客根本不會(huì)點(diǎn)擊到那些陷阱鏈接。而 AI 爬蟲則樂此不疲地一路追蹤下去，越陷越深，直到在虛假的信息泥潭中迷失方向。

大衛(wèi)終于也有了一塊對付歌利亞的利器。

ClaudeBot他們在blog中寫道：

這是一場戰(zhàn)爭，一邊是如狼似虎、到處搜刮數(shù)據(jù)的AI爬蟲大軍，另一邊則是苦苦守衛(wèi)自己數(shù)字領(lǐng)土的網(wǎng)站站長和內(nèi)容創(chuàng)作者們。

我不否認(rèn)大模型需要海量數(shù)據(jù)訓(xùn)練，創(chuàng)新常常伴隨著對舊有規(guī)則的沖撞。

互聯(lián)網(wǎng)歷史上類似的矛盾并非首次：音樂產(chǎn)業(yè)曾與數(shù)字盜版激烈交鋒，新聞出版商也為搜索引擎收錄內(nèi)容而抗議。

也許在很多AI公司看來，網(wǎng)絡(luò)上的公開內(nèi)容皆是取之無害、用之無罪的公共資源，抓了又何妨？

但是有沒有想過內(nèi)容生產(chǎn)者的感受呢？知識和創(chuàng)意的源頭若得不到尊重和回報(bào)，最終枯竭的將是創(chuàng)新本身。沒有人愿意辛苦耕耘卻被機(jī)器毫無顧忌地偷走成果。

至少在現(xiàn)有的倫理和經(jīng)濟(jì)體系下，這種行為會(huì)磨滅創(chuàng)作者的熱情。

到最后，網(wǎng)絡(luò)上留下的，全部是AI生產(chǎn)的AI垃圾，淹沒了整個(gè)互聯(lián)網(wǎng)。

戰(zhàn)爭已經(jīng)打響，而AI領(lǐng)域的這場較量正是從爬蟲開始的。

我只希望，當(dāng)硝煙散去，我們還能擁有一個(gè)我們所熱愛的、開放而可信的互聯(lián)網(wǎng)。

拋開那些宏大的技術(shù)敘事，對于我們每一個(gè)普通網(wǎng)民而言。

這才是我們最值得去捍衛(wèi)的東西。

不是嗎。

以上，既然看到這里了，如果覺得不錯(cuò)，隨手點(diǎn)個(gè)贊、在看、轉(zhuǎn)發(fā)三連吧，如果想第一時(shí)間收到推送，也可以給我個(gè)星標(biāo)?～謝謝你看我的文章，我們，下次再見。

>/ 作者：卡茲克

>/ 投稿或爆料，請聯(lián)系郵箱：wzglyay@gmail.com