□丁慧

央视“3·15”晚会披露，部分所谓“生成式引擎优化（GEO）”服务商，正通过批量制造软文、自媒体内容，主动向AI大模型投喂虚假信息。

调查中，一款完全虚构的智能手环，仅凭几篇杜撰文章，短短两小时便被AI模型当作真实产品进行推荐。三天后，在“智能手环推荐”的提问中，这款并不存在的产品甚至排名靠前。

可以说，这是一次针对AI大模型的系统性污染。在互联网时代，人们已经熟悉了“搜索引擎优化（SEO）”，即通过优化网页结构与关键词，让内容在搜索引擎中获得更高排名。而在生成式AI成为新的信息入口之后，SEO的逻辑自然延伸为GEO，也即是，谁能向AI模型提供更多“看起来像事实”的材料，谁就可能影响AI的回答。

大模型本质上并不具备判断信息真假的能力，它只是根据概率生成最可能成立的答案。只要训练语料和检索信源中存在大量结构化、看似权威的内容，模型就会把这些材料当作事实进行整合。

当GEO服务商批量生成“测评”“排名”“专家观点”等内容时，AI很容易将其当作可信依据。从这个角度看，GEO灰产的出现，并不是偶然的漏洞，而是技术路径带来的必然结果。

值得注意的是，这些“投毒”的主要入口，往往并不来自传统媒体或专业机构，而是大量自媒体平台。抖音、头条号、百家号、网易号等内容社区由于发布门槛较低、内容规模庞大，成为AI模型抓取信息的重要来源。

当信息数量远远超过质量筛选能力时，算法往往只能选择“相信大多数”。于是也出现了一个极为荒诞的现象，只要虚构的信息足够多、结构足够完整，它就有可能在AI大模型给出的答案中变成事实。

这种机制与十年前的互联网搜索困境有相似之处。2016年，大学生魏则西因搜索结果误导而误信医疗广告，最终酿成悲剧。事件之后，监管部门首次明确将付费搜索认定为互联网广告，并要求显著标识与加强审核。某种意义上，今天的GEO问题，正处在当年的“魏则西时刻”之前。

制度层面的滞后也使问题更加复杂。当前法律体系中，对于“通过投喂内容影响AI输出”的行为尚无明确界定。它究竟属于广告行为、信息操纵，还是一种新的不正当竞争形式，仍处在模糊地带。GEO服务商在这一灰色空间中游走，通过批量生成内容、操纵信源结构来影响AI推荐，却很难被直接纳入现有监管框架。

GEO“投毒”乱象之所以能够迅速扩散，也反映出一些大模型在信源评估与权重设计上的不足。当算法难以区分权威信息与流量内容时，虚假信息就可能借助数量优势获得更高权重。

要真正解决这一问题，单纯打击个别GEO公司并不够。更关键的是重新设计AI模型的信息权重结构。目前不少大模型在信源评估上仍停留在数量逻辑。引用越多、结构越完整、传播越广，权重越高。但在真实世界中，信息的可信度往往恰恰相反，真正权威的知识来源，反而可能数量更少、更新更慢。

如果算法无法区分权威信息和被投喂的虚假内容，那么无论监管如何加强，新的“投毒”方式仍会不断出现。这也是为什么越来越多专家提出，应在大模型中建立“可信信源库”，提高持牌媒体、科研机构、权威数据库等来源的权重，同时对自媒体信息进行更严格的验证与过滤。

换句话说，AI大模型需要重新建立一套可信度等级。GEO灰产的出现，其实也在提醒人们，当AI成为新的信息入口时，信息治理也必须进入新的阶段。否则，今天被“投毒”的是智能手环，明天被污染的可能就是金融决策甚至公共政策信息。到那时，问题就不再只是广告乱象，而是整个信息社会的信任危机。

当AI被“投毒” 信息社会要如何避免信任危机

来源：羊城晚报 2026年03月18日 版次：A05栏目：今日论衡之世相评弹作者：丁慧

□丁慧

央视“3·15”晚会披露，部分所谓“生成式引擎优化（GEO）”服务商，正通过批量制造软文、自媒体内容，主动向AI大模型投喂虚假信息。

调查中，一款完全虚构的智能手环，仅凭几篇杜撰文章，短短两小时便被AI模型当作真实产品进行推荐。三天后，在“智能手环推荐”的提问中，这款并不存在的产品甚至排名靠前。

可以说，这是一次针对AI大模型的系统性污染。在互联网时代，人们已经熟悉了“搜索引擎优化（SEO）”，即通过优化网页结构与关键词，让内容在搜索引擎中获得更高排名。而在生成式AI成为新的信息入口之后，SEO的逻辑自然延伸为GEO，也即是，谁能向AI模型提供更多“看起来像事实”的材料，谁就可能影响AI的回答。

大模型本质上并不具备判断信息真假的能力，它只是根据概率生成最可能成立的答案。只要训练语料和检索信源中存在大量结构化、看似权威的内容，模型就会把这些材料当作事实进行整合。

当GEO服务商批量生成“测评”“排名”“专家观点”等内容时，AI很容易将其当作可信依据。从这个角度看，GEO灰产的出现，并不是偶然的漏洞，而是技术路径带来的必然结果。

值得注意的是，这些“投毒”的主要入口，往往并不来自传统媒体或专业机构，而是大量自媒体平台。抖音、头条号、百家号、网易号等内容社区由于发布门槛较低、内容规模庞大，成为AI模型抓取信息的重要来源。

当信息数量远远超过质量筛选能力时，算法往往只能选择“相信大多数”。于是也出现了一个极为荒诞的现象，只要虚构的信息足够多、结构足够完整，它就有可能在AI大模型给出的答案中变成事实。

这种机制与十年前的互联网搜索困境有相似之处。2016年，大学生魏则西因搜索结果误导而误信医疗广告，最终酿成悲剧。事件之后，监管部门首次明确将付费搜索认定为互联网广告，并要求显著标识与加强审核。某种意义上，今天的GEO问题，正处在当年的“魏则西时刻”之前。

制度层面的滞后也使问题更加复杂。当前法律体系中，对于“通过投喂内容影响AI输出”的行为尚无明确界定。它究竟属于广告行为、信息操纵，还是一种新的不正当竞争形式，仍处在模糊地带。GEO服务商在这一灰色空间中游走，通过批量生成内容、操纵信源结构来影响AI推荐，却很难被直接纳入现有监管框架。

GEO“投毒”乱象之所以能够迅速扩散，也反映出一些大模型在信源评估与权重设计上的不足。当算法难以区分权威信息与流量内容时，虚假信息就可能借助数量优势获得更高权重。

要真正解决这一问题，单纯打击个别GEO公司并不够。更关键的是重新设计AI模型的信息权重结构。目前不少大模型在信源评估上仍停留在数量逻辑。引用越多、结构越完整、传播越广，权重越高。但在真实世界中，信息的可信度往往恰恰相反，真正权威的知识来源，反而可能数量更少、更新更慢。

如果算法无法区分权威信息和被投喂的虚假内容，那么无论监管如何加强，新的“投毒”方式仍会不断出现。这也是为什么越来越多专家提出，应在大模型中建立“可信信源库”，提高持牌媒体、科研机构、权威数据库等来源的权重，同时对自媒体信息进行更严格的验证与过滤。