机房 / 数据中心这一项（usage）对所有机房 IP 都扣同样的 25 分，一个都跑不掉。既然如此，它就不是区分高下的变量。真正把人分出层次的，是另外几项。
关于样本的必要说明。
这 420 个 IP 来自 IPure sitemap 收录的 500 个报告页（成功抓取 460 个，其中 420 个判定为机房 / 数据中心）。它不是随机抽样，而是被选入 sitemap 的页面。全库里机房 IP 占 51.7%，而本样本高达 91.3%——所以它适合用来理解机房 IP 的扣分结构，不适合推断全库的整体分布。
下文所有百分比的分母都是这 420 个机房 IP。
把每个 IP 的每一项判据按类别汇总，就得到了一张「扣分都堆在哪」的总账。hosting 和 proxy 两项吃掉了超过八成的罚分。
| 因子类别 | 出现次数 | 合计扣分 | 单次均值 | 能否更改 |
|---|---|---|---|---|
| hosting（机房属性 + 云厂商段） | 516 | +11,268 | +21.8 | 不可改 · 网段天生 |
| proxy（代理判定） | 378 | +7,515 | +19.9 | 不可改 · 整段施加 |
| blocklist（黑名单） | 240 | +2,478 | +10.3 | 可申诉 |
| rdns（反向解析） | 340 | +1,761 | +5.2 | 可改 · 自行配置 |
| abuse（滥用举报） | 96 | +1,466 | +15.3 | 会衰减 |
| exposure（暴露面） | 439 | +1,412 | +3.2 | 可改 · 自行关闭 |
| geo（原生性） | 420 | +920 | +2.2 | 不可改 · 取决于服务商 |
| sharing（共享） | 201 | −228 | −1.1 | 可改 · 换独享 |
「合计扣分」是该类别在这 420 个 IP 上贡献的分数总和，包含同一 IP 的多项判据。正值代表扣分越多。hosting 一行含两项判据：机房 / 数据中心 420 次（每次 −25 分）与云服务商 IP 段 96 次（每次 −8 分），因此出现次数是 516 而不是 420。
这张表最值得看的是最后一列：排在最前面的两项，恰恰是个人完全无能为力的那两项。这不是设计缺陷，它反映的是真实世界的状况——机房与代理标记都是网段天生的，个人很难改变。
但换个角度就有意义了：既然所有机房 IP 都在机房这一项上同样输掉 25 分（多数还会再被 VPN 判定扣 20 分），那这部分分数就不该成为你做决策的依据。
真正决定"这个机房 IP 能不能用"的，是起跑线之后的部分——黑名单、滥用记录、rDNS、开放端口。这些才是人与人拉开差距的地方。
如果把所有判据按单次扣分力度排，第一名不是机房属性。
| 判据 | 出现次数 | 覆盖率 | 平均扣分 |
|---|---|---|---|
| 黑名单命中：Spamhaus ZEN | 32 | 7.6% | −45 |
| IP 类型：机房 / 数据中心 | 420 | 100.0% | −25 |
| 已知 VPN 出口 | 370 | 88.1% | −20 |
| 滥用举报（AbuseIPDB） | 91 | 21.7% | −15.8 |
| 代理 IP | 7 | 1.7% | −15 |
| 广播 IP | 151 | 36.0% | −15 |
| 黑名单命中：s5h.net | 56 | 13.3% | −12 |
| 黑名单命中：SpamRats | 25 | 6.0% | −12 |
| 黑名单命中：DroneBL | 45 | 10.7% | −12 |
| 云服务商 IP 段（各家） | 96 | 22.9% | −8 |
| rDNS 含机房特征 | 72 | 17.1% | −6 |
| 出口共享严重 | 10 | 2.4% | −6 |
| 无 rDNS 记录 | 267 | 63.6% | −5 |
| 出口存在共享 | 68 | 16.2% | −3 |
「覆盖率」= 该判据在这 420 个 IP 中出现的比例。同一 IP 可命中多项。
为什么 Spamhaus ZEN 的权重设得这么重？
因为它是行为证据，不是属性推断。机房属性只是"你住在哪"，而 Spamhaus 收录意味着这个地址实际干过被记录下来的事。
IPure 的评分模型对这类行为证据设有纯净度上限——其它加分项再好也抵消不掉。这是一个刻意的取舍：宁可对一个有过实锤记录的 IP 判得狠一点，也不愿让它拿到虚高的分数。
覆盖率不高，但代价极大。换算一下：一个干净机房 IP 大约是 60–70 分，扣掉 45 分之后直接掉到 20 分上下——从"可疑"跨到"高风险"，属于换个 IP 比什么都划算的情形。
还有一个容易混淆的点：Spamhaus ZEN 里有两类完全不同的记录。一类是真正的风险收录（本次样本中 32 次），另一类是住宅段声明（19.3%）——它只是声明这段属于住宅宽带范围，并不构成风险，在模型里反而是加分项（+6 分）。如果只看"ZEN 有记录"就说这个 IP 有问题，会冤枉不少人。
清单里有一项非常特殊：它没有 rDNS 记录。扣 5 分，覆盖率 63.6%——而且它是这份表里唯一一个完全由持有者自己决定、改完立刻生效的判据。
rDNS（反向 DNS）是把 IP 解析回域名的记录。没有它，报告的判断是"我看不出这是谁"——对一个持续对外提供服务的地址来说，这本身就是可疑信号。
VPS 面板或工单里通常能自助设置 PTR。设一个与实际用途相符的域名即可。如果顺手把正向解析也配上（A 记录与 PTR 互相印证），效果比只配一边更好。
端口扣分是固定档位，不随端口数继续增加：无对外开放端口 −3 分；有开放端口但都不是管理端口 −6 分；含 22、3389 这类管理端口 −10 分。所以从「含管理端口」降到「零端口」最多能拿回 7 分；样本里最夸张的一个 IP 开放了 284 个端口，扣分仍是 10 分。
这是一小撮 IP 的问题，但权重不低。多数情况下只是没打补丁——apt update && apt upgrade 或对应系统的更新动作就能解决。
把这三项加起来：一个典型的、rDNS 没配 + 开着两个端口的机房 IP，做完这三件事大约能拿回 12–20 分（rDNS 5 分 + 端口 3–7 分 + 漏洞 4–8 分）。
听起来不多，但在 40 分这个区间里，12–17 分往往就是"高风险"与"可疑"之间的差别——而这恰恰是很多服务能否走通的分界。
sharing 类别的合计贡献是 −228 分（注意符号：这是给整体加了分）。也就是说，在这批机房 IP 里，拿到"低共享"加分的比被扣分的更多。
| 共享相关判据 | 出现次数 | 覆盖率 | 分值 |
|---|---|---|---|
| 观测到的共享程度很低 | 123 | 29.3% | +4（加分） |
| 出口存在共享 | 68 | 16.2% | −3 |
| 出口共享严重 | 10 | 2.4% | −6 |
这个结果和多数人的直觉不太一样——通常认为机房 IP 天然共享严重。合理的解释是：送到 IPure 检测的机房 IP，大多是个人买来单独使用的 VPS，不是那种成百上千人共用的代理出口。
必须提醒的一层限制："共享程度"衡量的是同网段观测到的设备数，它看不出同一出口此刻还有谁在用、在做什么。
所以 29.3% 拿到低共享加分，不代表这些 IP 就是独享的。这一项的价值在于"明显有问题时能抓出来"（比如共享严重那 2.4%），而不是"没问题就等于独享"。
同一个 IP，在不同场景下给出的结论是不一样的。把这 420 个机房 IP 的六项场景分取平均，差异一目了然。
| 场景 | 平均得分 | 说明 |
|---|---|---|
| 邮件发送 | 50.9 | 机房 IP 发信本来就是正常做法，不该因此扣分 |
| 流媒体 / 短视频 | 39.5 | 看重原生性与共享程度 |
| 游戏平台 | 39.0 | 锁区与区域定价按 IP 归属地判定 |
| 跨境电商 | 37.5 | 首要因素是 IP 共享，其次才是机房属性 |
| 社交平台注册 | 35.4 | 注册是风控最严的一步 |
| AI 服务 | 31.3 | 对机房与代理出口容忍度最低 |
场景分是独立于总分的判断，针对不同平台各自的关注点重新加权。n=419（1 个 IP 判定为不适用）。
邮件发送以 50.9 分排名第一，而且它和最后一名的差距达 19.6 分。原因写在判据里：机房 IP 发信本来就是正常的商业行为，模型不会因为"这是机房"就在邮件场景扣分——它只关心黑名单，因为那才是发信的生死线。
反过来，AI 服务（31.3）几乎是所有场景里对"你到底是谁"最敏感的：机房属性、代理判定这两项在它的权重里最高，而这两项恰恰是机房 IP 的重灾区。
实用含义：如果你的用途是搭邮件服务器或做业务 API，机房 IP 是很合理的选择，不必执着于住宅 IP。但如果目标是注册 AI 服务账号、批量社交账号，那么机房属性的 25 分起步劣势会一直咬着你——这时候该考虑的是换类型，而不是在机房 IP 里挑最优的那一个。
如果命中，别的都不用做了——直接换 IP。45 分的量级不是一个 hosting 能补得回来的，申诉周期也不确定。这一步的优先级高于所有优化动作。
见第 3 节。这是"同样的机器、同样的 IP，分数能差十几分"的唯一来源。也是唯一不需要花钱、不需要换服务商的部分。
样本里有 abuse 记录的 IP 占比不低（有举报记录的均值 12.6 次举报，最多的单个 IP 累计被 423 个不同举报者 报过）。举报会随时间衰减，但短期换 IP 更快。
注册地与使用地不一致。要注意：这不是广播本身的问题，而是跨区宣告的段大多是代理出口。它更像一个便宜的初筛信号。
它是你已经接受了的事实，不是可以优化的变量。把精力放在上面的第 1–3 项。
正常。本样本 420 个机房 IP 的平均纯净度是 39.0 分（中位数 42，标准差 20.4，区间 0–88）。四分位可以看得更清楚：P25 是 26 分、中位数 42 分、P75 是 55 分，50 分以上占 32.6%，60 分以上占 12.6%，最高到 88 分。分散度很大（标准差 20.4），因为扣分是可以叠加的——单是机房属性就先扣掉 25 分，后续每一项都往下拉。判断一个机房 IP 好坏，要拿它和其它机房 IP 比，不要拿它和住宅 IP 的 91 分比。
两个可能。一是评分口径不同：有的服务对机房 IP 不做扣分，有的按不同的权重加权。二是数据源覆盖不同：本报告单是 rDNS 一项，缺失率就有 63.6%，而不少工具根本不看 rDNS。更值得看的是逐项扣分依据——IPure 在报告页列出每一项及其数据来源，可以自行核对哪一条你不认同。
视类型而定。黑名单（Spamhaus、DroneBL、s5h 等）通常有各自的申诉渠道，符合条件的话可以移除。rDNS、开放端口、漏洞这三项不需要申诉，自己改完重测即可。而机房属性、原生性、代理标记这几项目前没有申诉路径——它们是数据源对地址段的整体判断。
一部分会。滥用举报随时间衰减；新 rDNS 记录、关闭端口会即时反映。但机房属性、黑名单历史短期内不会变。建议养成定期重测的习惯——尤其是准备用它做重要操作之前。
来自 IPure sitemap.xml 收录的报告页。它不是随机抽样，因此不能用来推断全库分布（全库机房 IP 占 51.7%，本样本为 91.3%）。它的价值在于把机房 IP 的扣分结构拆细，而不是给出代表数字。全库的分类型、分地区统计请看 ipure.dev/insights。
相关阅读：
《IPure IP 纯净度数据报告 2026 Q4》——56,688 份样本的完整统计，含 IP 类型、原生性、公有云厂商、VPN 运营商、ASN 五个维度的排行。
《跨境电商 IP 场景指南》——为什么跨境电商最该看的是共享程度，不是原生 IP。
《评分 vs 真人体验》——846 条反馈对照场景结论，低档明显偏严。
《rDNS 是什么》——没有 PTR 为什么会掉 5 分，以及怎么设置。
全部场景指南 · 全部概念。
测你自己的 IP：终端运行 curl -L ipure.dev，或打开 ipure.dev 直接检测当前出口，并查看逐项扣分依据与数据来源。