“AI 代理正在接管互联网”听起来像是为了博取点击而写的标题。问题在于，背后的趋势已经足够真实，营销人员不应再把它当作炒作。
2025 年和 2026 年初，多份报告指向同一个方向：
- 2025 年 Imperva《Bad Bot Report》指出，自动化流量超过了人类流量，十年来首次达到全部网络流量的 51%。
- HUMAN Security 的 2026 年基准报告指出，自动化流量的增长速度是人类流量的八倍，来自 AI 代理和代理式浏览器的流量同比增长 7,851%。
- TechRadar 和 WIRED 报道的 TollBit 数据显示，AI 机器人访问量在 2025 年末急剧加速，AI 数据抓取和检索流量已成为发布商流量中显而易见的一部分。
这些报告并不意味着每个机器人都是恶意的。但它们确实意味着，再把互联网建模为“主要是人类，外加少数明显的机器人”已经不再稳妥。这一假设正在迅速瓦解。
对 ClickFortify 的读者来说，商业影响很直接：当自动化变得更普遍、能力更强、更像人类时，广告欺诈、无效流量和虚假潜在客户的检测都会变得更难。
变化不只是机器人更多，而是机器人更强
过去的机器人流量更容易识别。缺少 JavaScript、奇怪的用户代理、数据中心 IP 以及不可能达到的点击速度，都让问题更加明显。那个时代正在过去。
现在不同的不只是自动化的数量，还有自动化的质量。
AI 代理和代理式浏览器可以：
- 完成多步骤的访问路径
- 从语义上解析页面
- 模仿人类的浏览模式
- 填写表单
- 以更可信的方式触发事件
- 通过住宅网络或更难被标记的基础设施进行操作
这意味着，“爬虫”“代理”“机器人”“自动化”和“欺诈”之间的界限，在运营层面比以往任何时候都更重要。很多自动化是正当的。但造就有用代理的技术进步，同样也降低了制造更具迷惑性的恶意流量的门槛。
这就是为什么即使原始报告并非专门针对 Google Ads，这一趋势对广告主依然重要。您的付费广告系列所落地的网络环境，正在平台之下悄然改变。
为什么广告主现在就应该关注
付费媒体系统建立在这样一个假设之上：转化信号足够接近真实的用户意向，因此可以据此进行优化。
在以下情况下，这一假设会变得更脆弱：
- 非人类流量增长
- 低意向流量更容易被制造
- 虚假会话看起来更真实
- 软转化事件更容易被触发
问题不只是直接的点击欺诈，而是信号污染。
在更加自动化的网络中，劣质流量不必看起来明显是假的，也能伤害您的业务。它只需要足够“像样”，就能：
- 消耗付费点击
- 污染着陆页行为数据
- 触发表单提交或软转化
- 误导智能出价（Smart Bidding）
- 稀释合格潜在客户率
这就是为什么 AI 流量的上升应在演变成计费纠纷之前，就被当作流量质量问题来处理。
最新研究到底显示了什么
近期的数据足以支持认真应对，但需要谨慎解读。
根据 2025 年 Imperva《Bad Bot Report》，自动化流量达到网络流量的 51%，超过了人类活动。Imperva 将这一转变部分归因于生成式 AI 让机器人更容易被创建和规模化。
根据 HUMAN Security《2026 State of AI Traffic & Cyberthreat Benchmark Report》，自动化流量的增长速度是人类流量的八倍，AI 驱动的流量在 2025 年全年增长了 187%，来自 AI 代理和代理式浏览器的流量同比呈爆发式增长。
Cloudflare 的 2025 年互联网趋势研究及其近期推出的 AI 抓取控制举措，揭示了这一转变的另一面：网站越来越多地把非人类流量不仅当作安全问题，也当作经济和运营问题来处理。内容被抓取，基础设施受到冲击，“流量”也越来越不等同于受众。
结论并不是每一次自动化事件都是欺诈。结论是：非人类活动正在变得足够常见，旧的经验法则已不再够用。
为什么这一趋势会提高广告欺诈风险
这里最容易犯的错误，是认为这只是发布商或网络安全的问题。并不是。
随着自动化不断进步，广告欺诈风险会从三个方面上升：
1. 低质量流量更难与优质流量区分
如果一个机器人或代理可以像人一样浏览、像人一样滚动，或像人一样完成基本的页面操作，基础的反欺诈过滤器就会失去作用。过去看起来明显是合成的流量，现在可以存活足够长的时间来污染广告系列数据。
2. 虚假潜在客户更容易产生
以获取潜在客户为目标的账户尤其容易受到影响。能力更强的代理不需要制造成千上万条嘈杂的虚假表单提交来伤害您。它只需要制造足够多看似可信的潜在客户事件，就能扭曲模型或浪费销售团队的时间。
3. 平台优化更容易被污染
如果劣质或低质量流量触发了您跟踪的转化，Google Ads 并不会自动知道这些结果是垃圾。它从您回传的信号中学习。在更加自动化的网络中，浅层的转化跟踪会变得更加危险，因为到达这些事件的流量正变得越来越不可信。
这就是为什么随着网络越来越代理化，无效流量如何损害 PPC 潜在客户质量和增强型潜在客户转化这类近期文章变得更加重要，而不是相反。
最大的误解：“更多流量”听起来仍像是增长
很多团队正是在这里受到伤害。
在仪表板上，更多流量看起来仍是积极信号。更多会话、更多点击、更多表单活动、更多转化量。但当自动化上升时，流量增长更容易被伪造，也更难以信任。
这就造成了一个危险的报告差距：
| 仪表板显示的内容 | 实际可能发生的情况 |
|---|---|
| 会话更多 | 更多自动化访问、爬虫、代理或低意向流量 |
| 转化更便宜 | 更容易触发但质量更低或虚假的转化事件 |
| 表层 CPA 更好 | 合格潜在客户率更差，实际 CPA 更差 |
| 表单数量更多 | 更多合成、误操作或匹配度低的提交 |
| 互动指标稳定 | 自动化已足够模仿浅层的人类行为 |
这就是 AI 代理的兴起与付费媒体如此相关的原因。它冲击的是表层指标的可信度。
这对 Google Ads 团队具体意味着什么
对 Google Ads 广告主来说，实际的问题不是“互联网上有多少 AI 代理？”实际的问题是：
我的付费流量和转化数据中，还有多少足够可信，可以作为优化依据？
这个问题如今涉及：
- 搜索广告
- 搜索网络合作伙伴
- 效果最大化广告系列（Performance Max）
- 展示广告
- 需求开发广告系列（Demand Gen）
随着自动化变得越来越可信，薄弱环节往往不是广告点击本身，而是您对下游信号的信任程度。
这意味着 Google Ads 团队应越来越多地依赖：
- 合格潜在客户，而不是原始潜在客户
- 已转化潜在客户，而不是浅层的表单提交
- 点击后验证，而不是对界面数据的信任
- 按广告系列类型进行的流量质量复查
- 在预算花出之前进行更强的无效流量检测
如果您需要一个具体渠道的例子，搜索网络合作伙伴的潜在客户质量正是这样一个场景：更广泛、更低质量或更难验证的流量会悄无声息地扭曲效果。
并非每个代理都是恶意的，但每个广告主都需要信任层
HUMAN 报告中最有用的观点之一是，组织需要的是信任层，而不只是基础的机器人拦截。
这一框架对广告主同样适用。
未来的挑战不只是“拦截所有机器人”。有些自动化是正当的。有些代理将成为商业和发现过程中的常态。更难的要求是区分：
- 有用的自动化
- 中性的自动化
- 低意向的自动化
- 恶意的自动化
对付费媒体团队来说，这意味着您需要对一个基本问题给出更清晰的答案：
哪些互动值得影响预算、受众和出价？
如果答案仍然是“任何触发表单提交的互动”，那么对于正在形成的互联网来说，您的设置就太浅了。
广告主下一步应该做什么
如果您认真对待这一趋势，应对方式不是恐慌，而是更严格的运营纪律。
从这里开始：
- 使用合格潜在客户和已转化潜在客户指标审核广告系列效果，而不是只看原始潜在客户数量。
- 按广告系列类型、网络来源、设备、地理位置和时间模式复查流量质量。
- 收紧表单、电话和潜在客户分配流程中的验证。
- 当浅层互动指标没有销售管道质量支撑时，降低对它们的信任。
- 在劣质流量进入优化循环之前，使用点击欺诈和无效流量防护。
最后一点最重要。一旦劣质流量已经进入您用于优化的数据中，代价就不只是浪费的点击，而会变成一个学习问题。
真正的要点
AI 代理不是未来的问题，而是当下互联网的一部分。自动化正在规模化，代理式流量正在增长。而大多数团队所依赖的广告系统，是在默认假设仍是“另一端有一个人”的时代构建的。
这一假设每个季度都在变得更脆弱。
对广告主来说，战略要点很简单：
随着非人类流量上升，保护流量质量比庆祝流量规模更重要。
在这种环境中胜出的，不会是收集到最多点击的团队，而是最清楚哪些点击、潜在客户和下游结果真正真实的团队。
常见问题
AI 代理真的在接管互联网流量吗？
近期的行业报告显示，自动化流量的增长速度快于人类流量，一些数据集甚至显示自动化流量已超过全部网络流量的一半。AI 代理并不是全部原因，但它是其中增长很快的一部分。
AI 流量增多是否必然意味着广告欺诈增多？
不是。有些自动化是正当的。问题在于，让 AI 代理能力更强的进步，同样也让恶意或低意向流量更难与真实用户区分。
为什么代理式流量对 Google Ads 广告主很重要？
因为非人类流量和低意向流量会浪费支出、扭曲归因、污染出价信号，并产生虚假或低价值的潜在客户。随着自动化越来越像人类，表层指标也越来越不可信。
AI 代理能制造虚假潜在客户吗？
它们可能通过自动化浏览、表单交互和脚本化的访问路径，助长虚假或低价值潜在客户的模式。这些行为与正当用户行为足够相似，足以迷惑基础检测或薄弱的资格审核设置。
随着 AI 驱动的流量增加，广告主应该怎么做？
收紧验证，更多依赖合格潜在客户和已转化潜在客户信号，按广告系列类型复查流量质量，并在低质量自动化扭曲优化之前部署更强的无效流量检测。
