DeepMind 研究科學家：廣告沒人看了，互聯網上AI的流量已經超過了真人

### DeepMind 研究科學家：當 AI 流量超越真人，網路廣告與生態面臨巨大轉折

#### 重點整理：AI 已成為網路流量主體，依賴少數模型帶來系統性風險

根據 DeepMind 研究科學家的觀察，當今網際網路上的流量結構已出現根本性變化：由 AI 程式、自動化腳本與智慧體（agent）所產生的流量，正式超越真人用戶的瀏覽行為。這項趨勢不僅意味著傳統網路廣告的觸及率持續下滑——因為廣告主投放的對象可能不再是實際消費者——更揭露了一個深層的脆弱性：全球幾乎所有的 AI 智慧體都在使用 GPT 與 Claude 等少數幾個基礎模型。一旦這些模型出現錯誤或遭到攻擊，全網的 AI 系統可能在同一秒內集體崩潰，造成無法預估的連鎖災難。

#### 背景脈絡：從「真人流量」到「機器流量」的結構轉變

過去十年間，網路流量主要來自人類的點擊、瀏覽與互動，廣告商業模式正是建立在此基礎上。然而隨著大型語言模型（LLM）與生成式 AI 的普及，自動化內容生產、聊天機器人、數據爬蟲與自主決策代理大量湧入網路。這些 AI 智慧體不僅模仿人類行為，還能夠在短時間內產生遠超人類的請求數量。當廣告系統仍以「點擊率」、「停留時間」等傳統指標衡量成效時，實際上有越來越多的「用戶」其實是機器。這解釋了為何許多企業發現廣告效益逐年遞減——因為他們付費觸及的對象根本不是真人，而是 AI。

#### 潛在影響一：廣告業與數位行銷的商業邏輯必須重塑

若 AI 流量已成為主流，廣告業者將無法再信賴現有數據。廣告主可能面臨「花錢打給機器看」的窘境，而平台方也難以區分真實用戶與自動化程式。這將迫使整個數位行銷生態往更嚴格的驗證機制（如人機驗證、行為分析）或全新的計價模式（如根據實際轉換而非曝光）轉型。同時，依賴廣告收入的媒體與內容平台，必須加速尋找其他收入來源，例如訂閱制或直接向 AI 公司收取數據使用費。

#### 潛在影響二：AI 依賴單一模型的「單點故障」風險

原文點出一個被多數人忽略的風險：全球智慧體幾乎都建立在 OpenAI 的 GPT 系列與 Anthropic 的 Claude 之上。這種高度集中化意味著，如果其中一個模型出現重大偏誤、遭人為攻擊、或發生意外中斷，所有依賴該模型的 AI 應用將同步失效。想像一個場景：當 GPT 因訓練數據污染而開始產出錯誤資訊時，所有使用該模型的客服機器人、自動交易系統、內容生成器將在同一瞬間輸出錯誤結果。這種「集體崩潰」的規模與速度，遠比過去任何軟體漏洞事件來得驚人。

#### 讀者可關注的後續發展

**1. 模型多樣性與分散化趨勢**：科技界可能開始呼籲發展更多獨立、開源或區域性的基礎模型，以降低對少數商業模型的依賴。例如 Meta 的 Llama、Mistral AI 等開源模型，以及各國自行研發的大型語言模型，是否有機會成為替代選項？讀者可以觀察主要雲端服務商是否開始提供多元模型選擇。

**2. 網路流量驗證技術的革新**：為了區分真偽，未來可能出現更先進的「人類證明」機制，如行為生物特徵分析、隱含式驗證或區塊鏈身分憑證。這也引發隱私權與便利性的拉鋸戰。

**3. 廣告產業的監管與自我調整**：各國廣告監管機構可能要求平台揭露流量來源的 AI 比例，並強制廣告主了解其目標受眾的真實性。同時，新興的「AI 流量監測」服務可能崛起。

**4. AI 安全與韌性架構**：集體崩潰的風險將促使 AI 開發者思考「斷電隔離」機制，以及如何在核心模型故障時，讓下游智慧體能夠平順降級或切換至備用模型。這將成為 AI 系統設計的重要課題。

**5. 社會與文化的反思**：當網路上的對話、評論、內容創作大量由 AI 完成，人與機器的界線變得模糊。這不僅影響廣告效益，更可能侵蝕人類的數位信任基礎。未來我們是否需要一套「數位身分分級」制度，來標記哪些行為來自真人？這將是值得長期關注的社會辯論。

總而言之，DeepMind 科學家所提出的觀察，不僅是對廣告業的警鐘，更是對整個 AI 生態系統穩定性的預警。在 AI 流量已超越真人的時代，我們必須重新思考網路基礎設施的設計哲學，以及人類在數位世界中的核心價值。