The Numbers网站消失的背后

权威电影数据网站一夜消失的真相：你依赖的每个网站，都比想象中脆弱

如果你从事电影行业或相关工作，很可能在本月不知不觉间用过 The Numbers 的数据。

这家网站的数据全靠人工调研，质量堪称业内顶尖，追踪着7.8万多部影片、23.6万多位从业者的票房收入、制作预算、家庭录像及流媒体表现。它每年的访问量超 800万人次，被记者、学者、电影人、预测市场 甚至 吉尼斯世界纪录 奉为权威标杆。

也正是这份"行业天花板"的地位，酿成了今年3月那场灾难性事件。

2026年3月5日，TheNumbers.com 突然从网络上消失了。

网站 瘫痪超过一周，没有任何解释。一周后它重新上线，规模却只剩原来的零头：历史图表、单部影片详情页，甚至深受用户喜爱的报表生成器都不见了。

面对一句笼统的"我们正在重建，请耐心等待"，网友们的反应不出意料——困惑、愤怒，各种阴谋论随之而来。

Reddit上甚至有传言称，这是一场刻意的"跑路式关停"，目的是搞垮免费网站，倒逼用户转向付费产品。

三个月后，我与The Numbers创始人兼CEO布鲁斯·纳什（Bruce Nash）长谈，了解到事件的全貌。他形容那是一段糟心又波折的经历：

"我们收到了大量愤怒的邮件，人们质问：'以前有的页面怎么没了？'"

他的讲述里，藏着所有运营、依赖或热爱互联网的人都该警惕的问题。

先从背景说起

1997年10月17日，数学家、前IBM软件工程师布鲁斯·纳什 在Geocities平台上线了一个网站，当时仅追踪300部影片。

布鲁斯在一篇 20周年纪念文章（如今仅存于互联网档案馆，原因后文会揭晓）中这样描述网站诞生：

"我在Access数据库里点了个按钮，把一些HTML页面上传到Geocities，然后在好莱坞证券交易所（HSX）的留言板上发了条简短通知，告诉大家我开始分析电影票房，帮他们挑选交易用的'电影股票'。"

从如此简陋的起点，布鲁斯和他组建的团队一步步将The Numbers打造成电影行业最可靠的财务数据来源。

截至2026年初，网站数据库已收录78396部影片、178375条院线发行记录、236176位从业者信息。

机器人来了

运营三十年来，The Numbers面临的挑战发生了翻天覆地的变化。成立后的头25年左右，网站流量可控，访客大多守规矩。布鲁斯说：

"AI时代到来前，我们的访客主要是人类、守规矩的搜索引擎爬虫，还有少数为个人项目爬取数据的人。如果有人太贪心，我们能发现并拉黑他们。"

过去几年，全球网站管理者都发现流量构成变了：原本以人类浏览为主，如今机器人占比越来越高。到2024年，自动化流量已超过人类流量；就在上个月，Cloudflare宣布，机器人流量占网页请求总量的57.5%。

The Numbers经历了两轮明显的冲击。第一轮始于2024年：

"随着AI训练爬虫加入搜索引擎爬虫的行列，我们的爬取量大幅增加。AI爬虫通常比搜索引擎爬虫更不守规矩，这让我们要花更多精力维持网站平稳运行。"

第二轮冲击更猛烈、破坏性也更强：

"2025年12月左右，我们发现流量又一次暴涨，我认为这要归因于'智能体AI'——既有响应指令爬取网站的AI智能体，也有人借助工具编写爬取脚本。"

和所有数据密集型网站一样，到2026年初，The Numbers已被AI机器人以工业化规模反复爬取，不堪重负。布鲁斯表示，网站仅10%的流量来自人类访客，其余全是AI机器人和自动化流量。

网站尝试适应新的机器人

这给网站带来了巨大压力，但布鲁斯和团队还是采取了一些措施缓解冲击。其中最巧妙的一招，是用机器人的"语言"和它们沟通：

"我们在网站上设置了供大语言模型（LLM）读取的内容，引导它们告知用户'如何获取数据授权'，而非'如何爬取网站'。这一招效果显著，现在我们收到的授权咨询量大概是之前的十倍。"

但缓解不等于解决。从2025年12月到2026年3月初，团队一直在全力维持旧网站运转。布鲁斯估算：

"我们90%的时间都花在维持现有网站运行上，只能利用零碎时间开发新的改进版系统。"

雪上加霜的是网站的"年龄"：已有30年历史，约16万个源文件支撑着200万左右的页面。

然后，在3月5日周四凌晨，服务器崩溃了。

团队紧急排查原因，最初以为是AI流量过大所致。AI确实难辞其咎，但可能不止是流量过载那么简单。

在海量智能体AI流量中，网站日志显示了比单纯爬取更棘手的行为。布鲁斯描述道：

"有些机器人用合法URL访问网站，另一些则在寻找后门，很可能是为了抢先获取尚未公开的数据，或是篡改展示给用户的信息。"

在一位 cybersecurity（网络安全）从业者朋友的建议下，旧服务器彻底关停了。恢复备份、让这个30年的老网站重新上线，意味着要为16万个遗留文件设防，而攻击者已经花了几个月时间探查漏洞。

团队紧急在新服务器上搭建了一个极简版网站，至少能提供最新票房数据，同时复盘事件、规划下一步。这个极简版于3月13日周五上线。

谁会想非法访问一个票房数据网站？

乍看之下，The Numbers似乎不是理想的攻击目标：它不收集信用卡信息，也没有能在暗网牟利的用户数据，只是一家发布电影票房的小型独立公司。

仅仅非法访问它，怎么赚钱？

答案或许你已经猜到了——和预测市场有关。

Polymarket 每周都会针对影片首映周末开设预测市场，明确将The Numbers列为 最终数据来源：

"影片首映3天周末的最终票房数据，将以The Numbers网站'票房'板块下的'每日票房表现'为准，用于结算该市场交易。"

单周末的预测市场规模按金融市场标准来看不算大，通常在几十万到上百万美元之间，所有活跃票房预测市场的总规模约为几百万美元。

但如果你能每周都比其他人提前看到The Numbers的数据，就能获得巨大交易优势——提前知晓结果，就能抢先交易牟利。

目前我们无法确定具体发生了什么：日志显示网站被自动化工具持续探查、爬取了数月，但最终导致网站崩溃的原因和攻击者身份仍无定论。

不过，有人利用AI在预测市场牟利的说法完全站得住脚。The Numbers的遭遇揭示了三个事实：

• 如今，一个电影数据网站都值得被攻击，因为预测市场让任何人都能把几乎所有数据变现。
• 如今任何人都能发起网站攻击，只需订阅廉价AI工具即可。
• 面对大规模智能体AI机器人，我们熟悉的互联网极其脆弱。

现在攻击网站有多容易？

2025年11月，Claude背后的AI公司Anthropic发布报告，记录了 首例有案可查的AI协同网络间谍活动。一个受国家资助的组织利用其AI编程工具攻击了约30家机构，AI完成了80%-90%的工作，人类仅在每个攻击流程中参与4到6个决策节点。

Anthropic的结论是： "发起复杂网络攻击的门槛已大幅降低，而且我们预计门槛还会继续下降。"

在更早的一份 威胁报告 中，Anthropic的表述更直白： "缺乏技术能力的罪犯正利用AI实施复杂操作，比如开发勒索软件——这类操作过去需要多年训练才能完成。"

与此同时，一款名为XBOW的自主AI渗透测试工具登上了HackerOne美国排行榜榜首，该榜单原本只有人类参与者，他们靠发现企业安全漏洞赚取赏金；XBOW提交了近1060个漏洞。

攻击一个有30年历史、包含16万个遗留文件的网站，正是AI工具擅长的"低成本探查已知漏洞"场景。曾经保护小型网站、阻挡绝大多数攻击者的技术门槛，如今已基本消失。

The Numbers的未来？

布鲁斯和团队还算幸运。尽管网站一夜之间彻底瘫痪，但他们挺了过来。The Numbers一直免费开放，且近几年不太依赖广告收入，所以这次停运并未摧毁他们的核心营收渠道。

他们的核心业务是通过OpusData服务批量售卖数据、为电影人和投资者制作竞品分析报告，以及发布 行业商业报告——这些业务都未受公共网站停运的影响。

但他们需要从零开始搭建一个全新网站，承载78396部影片、178375条发行记录和236176位从业者的数据。恢复旧网站备份根本行不通，布鲁斯解释道： "我们很清楚不能再重启旧服务器，否则它肯定会再次崩溃，甚至可能在几分钟内就被打垮。"

这就是为什么3月中旬重新上线的网站如此简陋，且功能只能逐步恢复，无法一次性全部回归。

目前，团队不得不重新思考：2026年的公共网站到底意味着什么？布鲁斯分析，The Numbers过去服务两类受众（人类和搜索引擎），如今要服务约六类：人类、搜索引擎、大语言模型训练爬虫、指令触发式AI流量、智能体AI，以及预测市场交易者。每一类受众都有不同需求和流量特征。他说： "以前运营网站只需关注三件事：内容、广告、SEO（搜索引擎优化），现在每个设计决策都要考虑八到十个因素。"

他表示，目标是兼顾这六类受众，为OpusData用户和商业报告订阅者提供新服务与在线功能，更重要的是帮助普通人类用户找回网站曾提供的所有数据，其中一部分会以优化后的新形式呈现。

机器人爬取的危害到底有多大？

相当大，毫不夸张。大到像布鲁斯这样的网站管理者，都要质疑投入大量时间和金钱搭建、维护网站是否值得。

Cloudflare 为全球大量网站提供防护，它发布的数据显示了各AI平台的"爬取-引流比"：每给网站带来一位访客，AI平台会爬取多少页面。

谷歌每带来一位访客，会爬取约5个页面；OpenAI超过1000个；Anthropic则超过3.8万个。

注：图表采用对数刻度，即横轴每一格代表的数值是前一格的十倍，否则数值差距过大，无法在一张图中呈现。

互联网发展至今，开放网络的核心逻辑是：允许搜索引擎爬虫读取网站内容，以此换取爬虫带来访客。但如今，这笔"交易"已不复存在。机器人数量暴增，却不再给网站带来访客。

当这种流量洪流涌向小型网站，不仅会推高带宽成本，甚至可能直接导致网站崩溃。有类似遭遇的网站包括：

• Read the Docs：一家托管开源软件文档的非营利组织，曾在一个月内被单个爬虫下载了73TB的压缩HTML文件，仅带宽成本就超5000美元。
• iFixit：维修指南数据库，曾在一天内记录到Anthropic爬虫的100万次访问。
• Triplegangers：一家7人规模的3D扫描公司，曾被OpenAI的机器人在工作时间击垮，其CEO称之为"本质上是DDoS攻击"。代码托管服务SourceHut的创始人称，每周要花20%-100%的时间 应对AI爬虫，网站"每周会断网几十次"。
• Linux新闻网站LWN的编辑提到，爬虫流量来自 "数百万个IP地址"，并得出结论："这就是分布式拒绝服务攻击。"
• 开源项目GNOME统计流量时发现，约97%是机器人流量。
• 一所大学图书馆为维持馆藏系统运行，48小时内封禁了1.6万个IP地址。

运营维基百科的维基媒体基金会在2025年4月 报告 称，机器人流量占页面浏览量的35%，但占高成本流量的比例至少为65%——因为爬虫会批量读取人类极少访问的冷门页面。

半年后，情况雪上加霜：维基百科的 人类页面浏览量同比下降约8%，因为人们越来越多地从AI摘要获取维基百科的知识，根本不会访问网站。机器正以工业化规模同时夺走内容和访客。

在现实世界中"公测"AI

AI工具是人类创造的最强大、也最具破坏性的技术之一，而我们正让公众在现实世界中实时"公测"这些工具。当年曼哈顿计划测试原子弹威力时，可不会每天把技术规格发给所有人，看哪些房子会被炸掉。

我们目前构建的世界，完全没有准备好应对人人可及的AI模型的力量和规模。

我不想把这说成片面的反AI恐慌。AI有很多可取之处，能为人类带来巨大价值。但我们必须认真审视当下正在步入的世界。

最先崩溃的，是为旧互联网设计的产物。开放网络建立在一系列假设之上：访客大多是人类，流量与读者数量大致匹配，运营网站的成本与获得的价值成正比。如今，这些假设全都过时了。

一年前，Cloudflare推出了 按爬取量付费 模式，允许网站向AI爬虫按页面收费。上周，它更进一步，宣布推出按使用量付费模式：当网站内容出现在AI回答中时，发布者可获得报酬；同时宣布从9月15日起，其客户的广告支持页面将默认拦截未付费的"混合用途"爬虫。

这些措施能否奏效，取决于AI公司是否配合，而非想方设法绕开规则。但正如布鲁斯所说，总得有人尝试。

尾声

跳出具体事件本身，我们来看看这件事的本质：

一个深受喜爱、实用免费的网站，由一位靠谱、正直的人精心运营了近30年，最终被新AI经济的两大因素压垮：

一方面是难以为继的机器流量，另一方面很可能是受利益驱动的入侵者——在如今攻击网站前所未有的容易的环境下，他们发起了攻击。

布鲁斯的业务和生计得以保全，只是因为网站并非其全部业务。

其他人就没这么幸运了。就在上周，有37年历史的德国纺织公司ZEGO在3月遭遇一次网络攻击后，生产停滞六周，最终 申请破产。与The Numbers不同，他们没有其他业务可以依靠。

互联网上遍布着独立档案库、爱好者数据库、地方新闻网站、论坛和参考资料。这些凝聚了人类数十年心血的成果，运行在陈旧代码之上，由小团队甚至个人维护，默默支撑着我们共享知识的根基，其重要性远超人们的认知。

The Numbers正在重建，未来会比之前更稳固。我建议大家继续使用、支持它；如果你曾因页面消失给布鲁斯发过愤怒的邮件，现在了解真相后，不妨发一封友善的邮件表达理解。