Cloudflare 與 OpenAI 於二零二六年十月十五日在 Cloudflare Blog 聯合公布七月啟動的研究試點早期結果：參與群組約佔 Cloudflare 全網百分之一，已助 OpenAI 發現並索引數以億計先前未知網頁，供 ChatGPT 搜尋與發現使用。來源真實性已驗證：本文以該官方聯名文章為唯一事實來源，不另加未經核對數字。

聯合文強調網絡信號只協助搜尋爬蟲發現有用頁面，由 OpenAI 獨立評估與排序；研究使用網頁元數據作搜尋／發現，而非分享頁面內容供模型訓練，網域擁有者仍可透過 AI Crawl Control 管理存取。下文整理試點規模、過濾與變更信號、頁級有害內容標記，以及對香港與亞洲網站營運者的實務含義。

Cloudflare／官方聯同 OpenAI：推進 AI 網頁發現——試點約佔全網 1%、助 ChatGPT 索引數億新頁

二○二六年十月十五日，Cloudflare 工程師 Matthew Conroy、Jack Galilee 與 OpenAI 的 Henry Aspegren、James Balfour 於 Cloudflare Blog 聯名發表《Cloudflare and OpenAI: making AI discovery better for everyone》。文章指出：即使網站已針對 AI 優化，若 AI 系統根本找不到相關頁面，內容仍難被準確引用或導流。雙方於七月啟動研究試點，檢驗 Cloudflare 網絡信號能否協助 ChatGPT 用戶更有效發現新內容；今日公布的早期結果屬肯定。來源真實性已驗證：以下事實均直接核對自該官方頁，不引用第三方轉述數字。

一、核心事件：七月試點與早期成果

技術細節

據官方聯名文，試點目標是驗證 Cloudflare 網絡提供的信號，能否幫助 OpenAI 的搜尋爬蟲在網路上發現更多有用頁面，再由 OpenAI 獨立評估與排序，決定這些頁面如何出現在 ChatGPT 的搜尋／發現體驗中。雙方形容此為可改善「發現效率」與「資訊品質」的回饋迴路。

規模方面，文章寫明參與群組約佔 Cloudflare 總網絡的約百分之一（~1%）；在此範圍內，試點已令 OpenAI 發現並索引數以億計（hundreds of millions）新網頁，擴大 ChatGPT 可引用的來源，並透過回鏈讓使用者可回到原始網站與出版方。文中亦提到，OpenAI 的 GPT-6 與 Intelligent UI 正令 ChatGPT 在購物、學習與答問上更視覺化、更互動；本次發現工作被定位為與此類產品演進互補——重點是幫助系統找到更多有用、較新的網頁資訊，而非取代模型本身的介面升級。

官方同時劃清權限邊界：關於某頁的信號並不等於授權存取該頁；本研究使用的是面向搜尋／發現的網頁元數據，而非把頁面內容交給模型訓練。網域擁有者可使用 Cloudflare 的 AI Crawl Control 了解並管理 AI 系統如何存取其網站。

二、技術原理深度解析

傳統可發現性往往等於「排進搜尋結果前列」，再由人類點進去判斷價值。官方文章指出，當更多人依賴 AI 找資料與完成任務時，系統必須先找到正確來源、判斷何者有用，再以答案、引用或導引造訪網站的方式把人連回內容——即使該頁很少被其他站連結，只要資訊具體（例如某型號家電說明書、護照申請現行費用、餐廳最新菜單與營業時間），仍可能關鍵。

試點裡，Cloudflare 端提供可協助「發現」的網絡信號；OpenAI 端則負責評估相關性與助益程度並排序。雙方從實務中歸納幾類會浪費爬取資源的模式：

不存在的頁面被自動化流量「炒熱」：機械人反覆請求根本不存在的路徑，令空頁看起來「有趣」。
幾乎任意網址都重定向回首頁：爬蟲以為找到新頁，實際只是同一首頁。
重複內容的不同網址：多個位址指向實質相同內容。

認出這些模式後，可在爬蟲真正抓取前過濾，減少對網站營運者與搜尋系統雙方的無效負載。官方亦在測試用於標記潛在有害或遭入侵頁面的信號：合法網站可能只有單一頁面被植入假登入表單；若只標該頁而非整域懲罰，可在保護使用者的同時避免誤傷站主。早期結果顯示，此類信號有助識別應排除在索引之外的頁面。

另一方面，若不加區分地提高抓取頻率，對站主而言等於重複下載未變更頁面、徒增負載。文章提出以變更信號（change signals）告訴爬蟲何時值得再訪、何時不必；同時承認發現新頁初期可能短暫增加評估與索引負載，目標是在持續發現、保持新鮮度與降低無用工作之間取得平衡——對 Cloudflare 客戶意味著較少不必要流量，對 OpenAI 則意味著搜尋資源更多花在真正有助答問的資訊上。

下一階段方向（官方自述）包括：改善頁面篩選、測試更快更可靠的變更信號，以及衡量內容被發現後的實際業務結果；雙方表示會持續分享學習成果。

四、日常應用場景

1. 開發者與技術團隊

負責 SEO、內容平台或文件站的團隊，應把「AI 可發現性」與傳統搜尋排名分開看待：即使文案已針對答案引擎改寫，若頁面長期落在爬蟲盲區、或站內大量 404／首頁重定向／重複 URL，仍可能浪費對方爬取配額。實務上宜整理規範的 URL 結構、避免「任意路徑回首頁」、並檢視 robots／爬蟲管理設定是否與預期一致；若已使用 Cloudflare，可留意 AI Crawl Control 對 AI 存取的可視性與控制項。

2. 企業與隱私敏感行業

金融、醫療、法律等行業網站常同時有公開說明頁與需登入的敏感流程。官方強調元數據用於搜尋／發現、不把頁面內容用於模型訓練，且站主選擇仍關鍵——這對合規團隊意味著：公開行銷與知識庫頁可主動配合合法搜尋爬蟲；登入後或受規管內容則應以既有存取控制、Bot Management 與零信任邊界守住。頁級有害內容標記（例如單一被植入的假登入頁）亦提醒資安：監控應能細到「某一路徑遭竄改」，而非只靠整域聲譽。

3. 一般用戶

對一般 ChatGPT 使用者而言，更廣的索引意味著更多長尾、時效性高的原始頁有機會被引用，並可經連結回到出版方核對。用戶仍應把 AI 答案當起點：核對引用來源、日期與官方原文，尤其涉及費用、申請手續或醫療／法律資訊時。

4. 香港與亞洲市場視角

香港與亞洲大量中小企業、媒體、電商與政府資訊站，內容往往「本地且具體」、外站連結不多，過去在純連結權重的發現機制下較易被埋沒。若邊緣網絡信號能協助搜尋爬蟲找到這類頁面，對依賴準確本地資訊（牌照申請、門市資訊、產品規格）的用戶與站主都有潛在好處。與此同時，亞洲站點亦常見掃描器與惡意自動化；把有害頁標記控制在「頁」而非「整域」，有助避免因單一被入侵路徑而牽連整個品牌網域的可發現性。企業若同時在邊緣做爬蟲治理、WAF 與雲端加固，應把「允許的搜尋／AI 爬蟲」與「濫用自動化」分開策略，而不是一刀切封鎖所有機械人。

五、專業評價與潛在考量

優勢

規模可核對的早期成果：約 1% 網絡參與群組已對應「數億」新索引頁，顯示邊緣信號對搜尋發現具槓桿，而非純粹概念驗證。
職責分離清晰：Cloudflare 協助發現，OpenAI 獨立評估排序，並公開聲明不將本研究所涉頁面內容用於模型訓練。
站主控制權被點名：AI Crawl Control 與「信號≠授權」的表述，回應業界對 AI 爬取透明度的關注。
效率與安全並進：過濾無效 URL、變更信號、頁級有害標記，同時照顧爬取成本與使用者安全。

需要留意的地方

參與面仍窄：約 1% 網絡屬研究試點，不能外推為全網已同等覆蓋；未參與客戶的體感可能與文中數字不同。
業務結果尚待下一階段：文章承認仍在衡量「更好發現」如何轉成站主的實際業務成果，現階段不宜過度解讀為保證流量或轉換。
發現初期可能短暫增加爬取：官方已說明新頁評估會加重短期負載，營運者需在監控中區分「有意義的新發現」與「異常爬取尖峰」。
有害頁信號仍在測試：假登入等標記屬早期結果，誤報／漏報率與申訴機制細節未在本篇展開，企業資安仍須以自身偵測與應變為主。

結語

Cloudflare 與 OpenAI 的七月研究試點，把「AI 找得到你的頁」從口號變成可度量的邊緣信號與索引結果：約百分之一網絡參與、數億新頁進入搜尋索引，並配套過濾無效爬取、變更再訪與頁級安全標記。對網站營運者而言，重點不只是追模型版本，而是把 URL 衛生、爬蟲治理與邊緣防護一次理順，讓有價值的公開內容更容易被合法發現，同時守住不應被抓取或已遭竄改的路徑。若香港團隊正加固邊緣防護、機械人治理、零信任與雲端遷移，可參考 YSK Limited 的雲端遷移與網絡安全（官網刊 99.99% SLA）；若要把企業知識庫與內部助手留在本地、數據不出境，亦可一併了解企業私有 LLM 全託管／AI 自動化（年費 HK$88,000 起）。

參考來源

Cloudflare Blog（主來源，聯名 OpenAI）：https://blog.cloudflare.com/cloudflare-openai-discovery-agentic-web/（2026-10-15；Matthew Conroy、Jack Galilee、Henry Aspegren、James Balfour）
Discovery：Cloudflare Blog RSS https://blog.cloudflare.com/rss/