2026年10月20日，Cloudflare公布了一组引人关注的数据：全球已有超过1000万开发者在其平台上构建应用，而一个季度前，这一数字还是740万。短短三个月，净增超过260万开发者，增幅超过35%。
对于一家长期以CDN、网络安全和网站加速服务闻名的企业来说，这样的开发者增长速度并不寻常。尤其值得注意的是，越来越多开发者使用Cloudflare，已经不只是为了让网站访问得更快，而是希望在其全球网络上开发、部署和运行AI应用。
这背后正在发生一个重要变化：互联网的使用者不再只有人类，AI Agent正在成为新的流量主体。当AI能够自主搜索信息、调用接口、访问数据库甚至执行复杂业务时，云计算需要处理的就不再只是用户访问网站的请求，还包括大量机器之间的自动化协作。
Cloudflare的1000万开发者，折射出的可能是一场更深层的产业变化：云计算的竞争，正在从集中式算力资源延伸到全球分布式的执行、连接与状态管理能力。
Part.01
AI Agent正在改变互联网的流量结构
在传统互联网时代，大多数网络请求都与人的操作有关。用户打开网页、观看视频或使用App，服务器根据请求返回相应内容，CDN则负责将内容缓存到更接近用户的地方，减少访问延迟。
但AI Agent正在改变这种流量模式。
2026年9月，Cloudflare披露，其网络处理的HTTP请求量已从2024年底平均每秒约6300万次，增长至接近每秒1.15亿次，峰值超过每秒1.5亿次。与此同时，过去一年，其网络观察到的AI Agent日请求量增长超过1700%。Cloudflare还表示，2026年其网络中超过一半的流量并非来自人类用户。
这些数字反映的是Cloudflare自身网络的观察结果，并不代表全球互联网的完整统计，但已经足以说明一个趋势：机器正在越来越频繁地与互联网交互，而这种交互方式与传统的人类访问有明显区别。
以企业采购为例，过去一名采购人员需要分别登录供应商网站，查询库存、比较价格、核对交货时间，再通过邮件或业务系统完成审批。如果由AI Agent执行，同样的任务可能被拆分为多个自动化步骤：查询内部库存、调用供应商API、获取物流报价、验证采购规则，最终生成采购建议并提交审批。
一次看似简单的用户指令，背后可能产生数十次跨系统请求。随着Agent应用规模扩大，这类调用将持续增加，并对网络基础设施提出新的要求。
首先，机器请求更加高频，且可能跨越多个云平台和业务系统；其次，任务执行不一定能够一次完成，系统需要支持状态保存、失败重试和流程恢复；更重要的是，当Agent开始拥有查询、修改甚至交易权限时，身份认证、安全隔离和访问控制也必须同步升级。
因此，AI Agent带来的变化不仅是互联网流量规模增长，更是流量性质发生了改变。
过去，互联网基础设施主要解决内容如何高效到达用户；现在，还需要解决大量智能体如何安全、稳定地调用服务并完成任务。
这也为边缘云打开了新的应用空间。
Part.02
AI需要的不只是更大的数据中心
过去十多年，云计算形成了以大型数据中心为核心的基础设施体系。企业将应用部署在集中式云平台，通过服务器、数据库和存储服务处理业务，再利用CDN和网络加速技术改善全球访问体验。
这套架构已经相当成熟，但AI Agent让其中一些工程问题变得更加突出。
传统AI应用通常围绕模型推理展开，用户提出问题，模型生成答案，应用返回结果。然而，能够真正完成工作的Agent，往往需要在模型推理之外持续调用数据库、搜索引擎、企业系统和第三方API。
在这样的架构中，大模型负责理解和决策，大量外围服务则承担实际执行。一次任务的总耗时，不仅取决于模型生成速度，也受到网络往返、接口响应、数据访问和任务调度等因素影响。
如果所有业务逻辑都集中在少数数据中心处理，分布在不同地区的请求就可能产生额外的网络通信和跨区域数据传输。例如，一款面向全球用户的智能客服，模型可以集中部署，但用户身份验证、请求过滤、部分业务逻辑和缓存查询，未必都需要返回同一个中心节点完成。
边缘计算的价值，正在于让其中适合分布式处理的任务，更接近用户或业务入口执行。
当然，这并不意味着所有AI推理都应该迁移到边缘。大模型训练和高密度推理依然依赖大型GPU集群，复杂Agent任务的性能瓶颈也可能来自模型本身或远程数据库。即使应用代码部署在边缘节点，如果核心数据和模型仍然位于远端，整体时延也未必明显改善。
边缘云真正有机会承接的，是AI应用中大量高频、轻量、分散的执行任务，以及与这些任务相关的连接、安全和状态管理需求。
不过，从传统CDN发展到AI运行平台，并不是简单增加几台服务器就能实现。
CDN主要负责内容缓存和请求转发，而Agent需要动态执行程序、保存工作进度、访问数据库，并在任务中断后恢复运行。例如，一个等待人工审批的Agent任务，可能在数小时后才能继续，系统必须保存此前的执行状态，而不是让一个网络请求始终保持连接。
这意味着，边缘云需要从提供网络连接，进一步发展为能够管理应用运行过程的计算平台。Cloudflare近年来持续扩展的产品体系，正是围绕这一方向展开。
Part.03
Cloudflare想让边缘节点成为AI的执行入口
Cloudflare的优势首先来自已经建成的全球网络。
根据其2026年10月公布的数据，Cloudflare网络覆盖130多个国家的340多个城市，连接13888个网络，拥有590 Tbps的对外网络容量。这使其能够依托现有网络基础设施，为分布式应用提供接入、流量调度和部分计算服务，而不必完全从零建设一套全球部署体系。
但网络覆盖并不等于AI算力覆盖。340多个城市拥有网络节点，不意味着每个节点都配置了相同规模的GPU，也不意味着所有AI模型都能在当地完成推理。
Cloudflare的战略更接近于利用分布式网络，将AI应用所需的计算、连接、存储和安全能力整合起来，降低开发者构建全球化应用的复杂度。
其中，Workers是这一体系的基础。
与传统虚拟机和容器部署方式不同，Cloudflare Workers主要采用基于V8 isolates的轻量级运行机制，适合处理短生命周期、事件驱动的应用请求。开发者无需直接管理大量服务器实例，就可以部署API接口、身份认证、业务逻辑和自动化任务。
这种模式与AI Agent的部分工作负载具有较高的契合度。因为Agent虽然需要大模型完成推理，但执行任务时仍然包含大量轻量级操作，例如参数校验、请求路由、工具调用和结果处理。这些操作并不都需要昂贵的GPU资源，却需要可靠的执行环境。
围绕Workers，Cloudflare进一步扩展了AI相关服务。
Workers AI提供托管模型推理能力，AI Gateway用于管理模型请求，帮助开发者实现调用监控、缓存、限流和路由控制。对于同时使用多个模型供应商的企业而言，这类服务可以降低模型调用管理的复杂度，并为成本控制和故障处理提供统一入口。
更值得关注的是Durable Objects、Agents SDK和Workflows等组件。
AI Agent与普通聊天机器人最大的区别之一，在于它需要持续执行任务，并记住自己已经完成了什么。Durable Objects提供持久状态和协调能力，Agents SDK支持Agent运行状态与生命周期管理，而Workflows则适用于需要多步骤执行、等待和恢复的业务流程。
例如，一个Agent需要依次完成客户验证、库存查询、订单确认和支付操作，如果任务中途失败，系统就需要保存进度并按照业务规则恢复，而不是重新执行所有步骤。当然，涉及支付和交易时，开发者仍然必须设计幂等机制，避免重复执行产生损失。
这些能力组合起来，逐渐形成了一套面向AI原生应用的开发环境：Workers执行代码，Workers AI提供部分模型推理能力，AI Gateway管理模型调用，Durable Objects维护状态，D1和R2则承担相应的数据存储需求。
从商业逻辑看，Cloudflare希望开发者不仅使用它加速网站，还能直接在其平台上构建和运行应用。随着更多业务逻辑留在平台内部，Cloudflare就有机会从传统网络服务商，进一步转向覆盖应用执行、数据访问和AI服务调用的云基础设施提供商。
这也是1000万开发者背后最值得关注的变化：Cloudflare争夺的不只是AI流量，而是AI应用长期运行所依赖的基础设施入口。
Part.04
1000万开发者，能否变成真正的商业优势？
开发者数量增长迅速，并不意味着商业化已经完成。
2026年第二季度，Cloudflare实现营收约6.96亿美元，同比增长36%。不过，公司同期按美国通用会计准则计算的营业亏损约2.06亿美元，营业利润率约为-29.6%；非GAAP营业利润约9610万美元，利润率约13.8%。
这说明Cloudflare整体业务保持较快增长，并在调整后利润口径下体现出盈利能力，但仍然面临成本和盈利质量方面的挑战。更重要的是，公开披露的1000万开发者，并不能直接等同于1000万个活跃付费客户。
开发者可能只是尝试免费服务，也可能停留在原型验证阶段。对于Cloudflare来说，真正的商业机会取决于这些开发者能否将项目转化为长期运行的生产应用，并持续产生计算、存储、网络和AI服务收入。
AI编程工具降低了应用开发门槛，也可能带来更多实验性项目。平台获得开发者的速度越快，越需要证明这些开发者最终能够形成稳定的业务负载。
与此同时，边缘计算本身也存在成本约束。全球网络建设、带宽、计算资源以及安全运维都需要投入，AI推理还可能引入额外的GPU成本。如果新增请求无法带来足够收入，流量增长就未必能够同步转化为利润增长。
此外，Cloudflare还面临AWS、微软Azure、Google Cloud等大型云平台的竞争。这些企业不仅拥有庞大的计算资源和企业客户基础，也在持续完善Serverless、Agent开发、模型推理和数据管理服务。
Cloudflare的差异化在于将全球网络、安全体系和分布式应用执行能力结合起来，但这种优势能否形成长期壁垒，最终仍需要由真实应用的性能、成本、可靠性和客户留存来验证。
对于整个边缘云行业而言，这场竞争也揭示了一个正在发生的变化。
过去，边缘计算平台主要比拼节点数量、网络覆盖和访问时延；进入AI Agent时代，开发效率、任务可靠性、状态管理、安全控制以及跨云协作能力，可能成为同样重要的竞争指标。
未来的AI基础设施也未必是集中式云和边缘云之间的替代关系。大型数据中心继续承担高密度模型训练与推理，边缘网络处理适合分布式运行的执行任务，企业本地设施则承接数据敏感和现场实时性要求更高的工作负载。
云计算的价值，将越来越多地体现在不同层次之间的协同效率，而不只是单一节点拥有多少计算资源。
回到Cloudflare公布的1000万开发者，这个数字还不能证明它已经赢得AI基础设施竞争，却说明一件事：当AI开始自主调用互联网服务，开发者正在寻找更加灵活、可靠的应用运行环境。
过去，Cloudflare主要解决互联网内容如何更快到达人；如今，它正在尝试解决AI如何通过互联网持续、安全地完成工作。对于边缘计算产业来说，值得关注的也不再只是算力部署在哪里，而是谁能够让分布在不同地方的算力、数据和AI Agent高效协作。
这或许才是AI时代，边缘云真正需要争夺的位置。