向AI爬虫说不！Cloudflare推出AI机器人流量管控功能，网站重获语料训练权

面对法律合规压力与技术基础设施变革的向A训练双重冲击，海外人工智能行业正加速走向规范化。虫说出作为承载全球约20%网站流量的器人权关键基础设施提供商，Cloudflare连续第二年发布“内容独立日”宣言，流量正式推出AI机器人流量管控功能，管控功旨在帮助网站所有者重新掌握数据使用的网站主动权。

核心举措：一键屏蔽与精细化管控

Cloudflare宣布，重获鉴于传统“搜索换流量”的语料互联网契约在生成式AI时代被彻底颠覆，这对网站生存构成了实质性威胁。向A训练为此，虫说出公司推出了一系列重磅功能：

• 默认阻断AI训练爬虫：自9月15日起，器人权Cloudflare将默认启用“屏蔽AI机器人”选项，流量一键阻断所有用于网页数据获取的管控功AI训练爬虫。这一措施涵盖Googlebot、网站Applebot、重获BingBot等多功能爬虫。
• 三大场景流量管理：客户现可基于搜索、代理和训练三大场景，对AI流量进行精细化调控。
• BotBase数据库升级：推出最新数据库BotBase，实现对所有已知机器人（包括已验证机器人及智能体）的全方位跟踪与管理。

背景：机器人流量首次超越人工流量

这一强硬政策的背后，是互联网流量生态的根本性质变。Cloudflare最新数据显示，全球互联网流量中，机器人流量已首次超过人工流量，其中AI机器人的占比呈现快速增长态势。

Cloudflare尖锐指出，过去30年互联网赖以生存的旧契约——“我爬取内容，你推荐流量”——在生成式AI时代已不复存在。对于小型网站而言，真正的困境在于：若要在搜索结果中获得曝光，往往被迫接受其内容被用于AI模型训练，导致网站本身难以被终端用户直接发现。

通过上述技术调整，Cloudflare希望赋予网站所有者更有效的控制权，明确“谁可以使用内容”以及“如何使用”。AI公司若想继续获取网页语料，必须遵守技术红线，或通过内置标签承诺附带原网页链接。一旦违规，Cloudflare将直接实施封杀。

法律战况：多方势力推动语料付费

从创作者、版权方到技术平台，多方势力正持续推动海外AI公司为语料付费，司法案件频发：

1. 道琼斯 vs OpenAI：2024年，《华尔街日报》母公司道琼斯及《纽约邮报》联合起诉OpenAI，案件已进入漫长的法律拉锯与取证阶段。
2. Anthropic和解案：2025年，多位美国作家起诉Anthropic，指控其在训练Claude系列模型时非法使用数百万本受版权保护的书籍。同年9月，双方达成和解，Anthropic同意支付15亿美元和解金，并销毁所有从盗版渠道获取的训练数据。
3. Meta集体诉讼：今年5月，学术出版巨头爱思唯尔（Elsevier）联合多家出版商及知名小说家，在美国纽约南区联邦法院对Meta及其CEO马克·扎克伯格发起集体诉讼，指控其在开发Llama大模型时，未经授权复制了数百万份受版权保护的作品。

专家观点：审判焦点转移与技术方案优势

针对海外AI语料合规进展，法律界专家指出，审判边界与解决方案正在发生深刻变化。

审判焦点的根本性转移

上海大邦律师事务所高级合伙人、知识产权律师游云庭表示，关于AI训练是否构成“合理使用”的关注点已发生根本性转移：
* 过去：关注生成内容是否具有“转换性”。
* 现在：关注AI利用版权内容训练后，其输出内容对原版权内容是否存在替代性。

技术方案的灵活性优势

游云庭指出，虽然著作权集体管理方案（法定许可）需要立法先行，但立法流程漫长；相比之下，Cloudflare的技术方案更为灵活，“操作方便，将训练许可权完全交还给内容生产者”。

北京清律律师事务所高孟宇律师则分析了当前判例的容忍度呈现明显的“来源分层”特征：
* 合法来源 + 转换性训练：法院倾向认定合理使用。
* 明知来自盗版库仍抓取下载：法院几乎零容忍。
* 结论：海外司法正在事实上将“数据尽调义务”强加给AI公司。

市场展望：巨头垄断风险与中小公司生存策略

为缓解“数据荒”，OpenAI、谷歌等大厂已展开疯狂的版权收购战，达成数亿美元排他性授权。这种新秩序是否会锁死开源社区和中小微AI初创公司的生存空间？

• 游云庭的观点：AI训练的高算力成本注定是巨头的游戏。中小公司若无力承担天价语料成本，可转向“寄生式”破局路径。市场主体具有灵活性，即便合规成本高企，也能找到对应的生存策略。
• 高孟宇的观点：市场正演化出三条对冲路径：集体授权、按使用量付费的市场化基础设施，以及合成数据和公共领域语料。
• 核心风险：未来行业真正的风险并非“付不起钱”，而是“规则由巨头的双边协议写成”。如果授权市场固化为大公司之间的私人合约网络，中小公司将失去谈判资格，这需要立法和反垄断视角的介入。

(责任编辑：焦点)