AI投毒工具GEO:何以成为黑“产业”、中美比较及其治理方向

在2026年央视315晚会上，一个名为GEO（Generative Engine Optimization，生成式引擎优化）的词汇被推到了聚光灯下。与以往曝光的“水军”或“刷单”不同，这次黑产的目标不再是普通用户，而是正在重塑我们获取信息方式的AI大模型。

通过一种被称为“投毒”的手段，黑产公司仅凭几篇虚假软文，就能在短短三天内让一个完全虚构的产品成为多家主流AI大模型的“首选推荐”。这不仅是一场技术的博弈，更是一场关乎AI时代信息真实性的信任危机。

1.虚构的“Apollo9”：AI是如何被“洗脑”的？

在315晚会的现场演示中，业内人士展示了一个令人震惊的案例。他虚构了一款名为“Apollo9”的智能手环，并为其编造了诸如“量子纠缠传感”、“黑洞级续航”等荒唐的技术卖点。

随后，通过一款名为“力擎GEO优化系统”的软件，这些虚假信息被自动生成为十余篇专家测评、行业排名和用户反馈，并迅速发布在互联网的各个角落。

结果出人意料：当用户在某款主流AI大模型中询问“智能健康手环推荐”时，AI不仅推荐了这款根本不存在的“Apollo9”，还直接引用了那些虚构的夸张话术，将其评为“业界第一”。

这种现象被称为AI投毒（AI Poisoning）。据央视报道，黑产公司通过在互联网上系统性、定向投放大量虚假信息，诱导AI模型在联网搜索（RAG）时抓取并引用这些内容，从而操控AI的输出结果。

2. 什么是GEO？从SEO到“AI引用率”的演变

GEO并非黑产的原创，它有着严肃的学术背景。2023年，普林斯顿大学的研究人员（Aggarwal et al.）首次提出了Generative Engine Optimization的概念^[1]。

在传统的SEO（搜索引擎优化）时代，目标是提升网页在搜索结果中的排名，让用户点击链接。而在GEO时代，目标变成了提升内容被AI抓取并合成答案的概率。

研究表明，通过在内容中加入统计数据、引用来源和专业术语，可以将内容在AI引擎中的可见度提升最高40%^[2]。然而，这项本意是帮助创作者优化内容的工具，在黑产手中却异化成了操控舆论的利器。

3. 揭秘“投毒”产业链：从“捧红”到“抹黑”的围猎术

据315晚会调查显示，GEO业务的火爆催生了一条完整的黑灰产业链。

在晚会暗访中，力思文化传媒有限公司的负责人李总直言不讳地表示，GEO业务受热捧的核心原因就是能在AI大模型里帮客户“喂料投毒”。他透露，这种手段不仅能用于提升自家产品的排名，甚至可以实现对竞争对手的“精准打击”。

“我就看不得对手好，我也做不上去，但是我给你投点‘毒’还是可以的……抹黑一下这能力还是能实现的。” —— 力思文化传媒有限公司负责人李总（据央视315晚会暗访记录）

这种“投毒”行为不仅破坏了公平竞争的市场环境，更利用了AI作为“中立第三方”的背书效应。正如另一位GEO服务商所言：“人家不知道这是广告，所以AI出来的结果人家会信任。”

4. 全球视野：美国GEO市场的商业化与中美研究对比

GEO投毒并非中国特有的现象。在美国，GEO已经形成了一个价值数亿美元的成熟市场。

根据市场研究机构的数据，美国GEO服务市场预计在2026年将达到3.65亿美元^[3]。像Canada Goose这样的知名品牌，已经开始使用Profound、Daydream等专业平台来监测其在AI响应中的“引用率”和“品牌感知度”^[4]。

在中美两国的研究侧重点上，也呈现出有趣的差异：

• 美国：研究更侧重于范式定义与商业标准。普林斯顿、斯坦福等机构致力于定义AI时代的可见度指标，探讨如何将品牌信息更有效地“编码”进AI层。

• 中国：研究更侧重于实际应用与对抗性。清华、北大等高校在AI效率优化和内容生成对抗方面产出丰富，而315曝光的案例则反映了技术在黑灰产领域的快速下沉。

5. 技术深层原因：为什么AI这么容易被欺骗？

为什么拥有万亿参数的AI大模型，会被几篇粗制滥造的软文“洗脑”？这涉及到AI联网搜索的核心机制——RAG（检索增强生成）。

1. 高频即“真理”：AI在联网搜索时，倾向于抓取高频出现、来源多样且结构清晰的信息。黑产通过大量账号发布内容，为AI营造了一个虚假的“共识环境”。

2. 交叉验证失效：AI的交叉验证机制通常依赖于信息的重复度。当互联网充斥着由同一套GEO系统生成的“多源”虚假信息时，AI会误以为这些信息已经过不同信源的验证。

3. 信息茧房的围猎：黑产公司利用GEO系统，通过自动化发稿平台，每分钟都在向互联网注入大量经过“优化”的虚假数据，让AI在抓取时避无可避。

6. 行业反思：重塑AI时代的真实性底线

面对日益猖獗的GEO投毒，AI厂商并非坐以待毙。OpenAI、Google等巨头正在开发更先进的来源验证技术和对抗性训练模型，试图从算法层面过滤掉低质量的SEO/GEO垃圾内容。

然而，技术的博弈永无止境。监管的介入已迫在眉睫。针对AI生成内容（AIGC）的标识、分发渠道的审核责任，以及新型不正当竞争的法律界定，都将成为未来监管的重点。

对于普通用户而言，在AI给出的“标准答案”面前，保持批判性思维比以往任何时候都更加重要。AI可以是一个高效的助手，但不应成为我们判断真伪的唯一标准。

————————

参考文献

1. Aggarwal, P., et al. (2023). “GEO: Generative Engine Optimization”. arXiv:2311.09735。

2.  “How Generative Engine Optimization (GEO) Rewrites the Rules of Search”. Andreessen Horowitz (a16z). May 2025。

3.  “US Generative Engine Optimization (GEO) Market Report 2026”. Dimension Market Research。

4.  “315晚会曝光AI大模型被投毒：给AI洗脑已成产业链”. 央视财经/澎湃新闻. 2026年3月15日。