
从韩国到英国,全球数亿民众正在自我隔离。事实证明,这种待在家中、尽量减少外出的方法,正是限制新冠病毒传播的最佳方式。
与之对应,人们花在上网方面的时间自然会延长——民众们甚至大面积出现了类似于“网瘾”症状。但好消息是,虽然某些高人气Web服务最近遭遇中断,但据我们所知,互联网在新冠病毒的冲击下仍然基本稳定。
网络基础设施与安全厂商Cloudflare公司首席技术官John Graham-Cumming表示,“人们如潮水般涌入互联网,而且人数一直在不断上升。无论是白天还是夜晚,无论是管控地区还是尚未被病毒严重影响的区域,互联网的使用频率都在持续增加。”
当然,互联网使用量的具体增幅因国家/地区而有所不同。与COVID-19疫情爆发之前相比,美国西雅图市的网络使用增长率约为40%;意大利的增幅约为30%。不过在韩国等几个区域,互联网的总体使用率并未大幅提高:根据Cloudflare发布的数据,韩国的整体使用率仅增长了5%。不过根据互联网速度测试厂商Ookla发布的数据,韩国的互联网用量增长了12%至15%。
无论如何,最重要的是:这些额外的用量究竟来自何处?Graham-Cumming指出,“网络流量开始从企业及大学向外转移。”之所以会这样,是因为人们开始离开城镇及城市中心地带,把原本用于上班的时间投入到了位处郊区的个人住宅当中。
通常来看,互联网的持续使用量在工作日中水平最高,而周末的在线人数则有所减少。可以理解,毕竟好不容易下了班,人们不愿意再花时间坐在电脑屏幕前面。而随着新冠病毒的肆虐,这种模式并没有发生多大变化。Graham-Cumming表示,“当人们下班回家之后,晚上七八点互联网的流量会达到峰值。我们对流量峰值已经非常熟悉,只是不太习惯目前这种总量层面的整体上涨。”
这种整体使用量的增长,确实让互联网面对不小的压力。互联网的骨干网由数百个网络组成,这些网络由政府、商业供应商以及学术机构共同拥有。这张互联网交换图,展示出无数用于支持骨干网的子网络间的信息交换。各子网络之间,通过长达数千英里的海底互联网电缆彼此相连。
网络分析厂商Kentik公司CEO Avi Freedman解释道,“如果关闭伦敦的有线电视,把所有观众都引流到互联网上,那么伦敦当地的网络将瞬间爆炸。互联网承载不了这样的强度,各个层级的带宽都将告缺。但是,如果我们将互联网上20%的主要服务容量提升一倍,就能基本解决问题。”
随着人们从办公室转移到家中,各类在线服务的访问量开始激增。由于通勤需求有所减少,孩子们待在家中的时间越来越长,用户也纷纷涌向视频会议服务、游戏以及流媒体平台。意大利电信的一位高管在分析师电话会议上表示,“根据报告,通过固网实现的互联网流量增长了70%以上,其中〈堡垒之夜〉等游戏占用了相当可观的网络资源。”
Steam报告了有史以来最高的并发用户数量,同时登录的用户超过2000万。送餐应用的下载量同样迎来激增。根据应用程序分析厂商AppAnnie发布的数据,商务类、远程医疗以及教育类应用程序的下载量同样实现快速增长。
应欧洲委员会的要求,Netflix公司已经同意在30天周期之内降低其在欧洲的流媒体服务质量。该公司表示,降低图像质量能够让Netflix给网络传输造成的压力降低约25%。Netflix与其他视频服务商目前普遍使用所谓自适应比特率编码流传输方法,能够在网络容量不足时自动降低视频质量以保证流畅的观看体验。
但Freedman也指出,目前使用流媒体服务的群体并不是互联网骨干网的主要压力来源。相反,真正的压力源自那种指向单一服务且始终保持特定状态的使用方式。在线模式的转变已经带来不少麻烦:Xbox Live与Nintendo Online一直无法使用,微软旗下的协作工具Teams也遭遇宕机。在此期间,英国移动网络同样遭遇到连接性问题,但各家企业的高管纷纷表示这一切与新冠病毒的爆发无关。
为了回应现有网络无法满足需求的担忧,英国电信表示他们“有信心”应对由人们长期在家带来的使用量增长。英国电信指出,历史上曾经出现的网络能量峰值曾达到每秒17.5 Tb,但此次新冠病毒期间的日间流量仅增长35%至65%,峰值为每秒7.5 Tb。英国电信还发现,期间移动数据用量反而减少了5%,这是因为人们在家中当然会接入Wi-Fi网络;同时,语音通话用量也有所增加。
Freedman补充道,“我觉得现在出现的问题并不是什么系统性故障,而更像是把原本六个月内的正常停机时间塞进为期三周的敏感期。这里并不存在什么前所未有的新情况,只不过当趋势快速推进时,人们总会感觉问题好像变多了。坦率地讲,Web服务一直在发生崩溃,只是最近大家更关注、更敏感了。”
问题的发生,很大程度上源自单一服务,而非由基础设施整体所引发。Graham-Cumming指出,“好消息是,各家高人气服务供应商都在努力扩展自己的接待能力。”大部分在线平台都在使用微软、亚马逊或者谷歌提供的云服务托管系统,在需求增加时,这些平台都能自动添加新的服务器。视频会议服务Zoom可以说是自COVID-19疫情爆发以来最大的受益者之一,该公司表示其工程运营团队已经在旗下全部17处数据中心内添加了服务器。
Ookla公司首席技术官Luke Deryckx解释称,“对于当前出现的网络拥塞情况,我认为基本都属于孤立问题。发生状况的大多属于单一城镇的网络,而非位于阿姆斯特丹或者伦敦的互联网交换中心。”
然而,人们仍会抱怨自己家中的互联网网速似乎变慢了。这是真的吗?有可能,因为众多家庭同时登录流媒体或者视频通话平台,确实有可能占用更多本地传输资源。Deryckx表示,“相较于移动设备,对带宽的大量占用确实会给固网的速度与性能使用感受造成更强烈的影响。”
另外需要强调的是,人们在家中往往会使用Wi-Fi路由器,而这类设备的稳定性是众所周知的烂。Deryckx指出,“不少消费者在发生网络稳定性较差时,首次都会痛骂互联网服务供应商。但真实情况是,供应商的网络一般更加稳定,最薄弱的环节就在消费者的家中。”因此,如果大家感觉最近网络不好,最好先看看自己的路由器是不是很久没重启过了。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。