夜雨聆风一个从未发生过的Google算法更新，被AI系统当作真实事件反复讲述了数月。
这不是科幻小说，而是SEO专家 Lily Ray 亲身经历并深入调查的真实案例。她将这一现象命名为"AI Slop Loop"（AI垃圾内容死循环）——一个正在悄悄腐蚀互联网信息质量的恶性循环。
一、事件起源：一个从未存在的算法更新
2025年，Lily Ray 在奥地利出席工作峰会后，向 Perplexity AI 询问近期SEO和AI搜索相关的最新动态。
Perplexity 给出了一个看似有理有据的回答：Google 刚刚推出了"2025年9月 Perspectives 核心算法更新"，强调"更深的专业知识"和"用户旅程的完整性"。
但问题是：这个更新从来就没有发生过。
作为长期跟踪Google算法更新的SEO专家，Lily Ray 立刻感觉不对：Google已经多年没有给核心更新命名了，而且如果真的有重大更新，她早就会被消息轰炸。她随即查看了 Perplexity 的引用来源——两个来源都是SEO机构博客上 AI 生成的内容，充满自信地编造了一个根本不存在的算法更新细节。
更糟糕的是，这条虚假信息像病毒一样扩散：被多个网站转载，被更多 AI 系统抓取，逐渐变成了"官方叙事"。
时至今日，你依然可以向任何一个主流 LLM（包括 ChatGPT、AI Mode 和 AI Overviews）询问这个"2025年9月 Perspectives 更新"，它们会满怀信心地告诉你这个更新如何"从根本上改变了搜索结果的排名方式"。
那个更新不存在。从来就不存在。
二、什么是 AI 垃圾内容死循环？
Lily Ray 将这一现象整理成了一个清晰的恶性循环模型：
AI 生成文章幻觉出一个细节 ↓运行 AI 内容流水线的网站抓取并复制该内容 ↓更多 AI 生成的网站转载同一虚假信息 ↓虚假信息积累了足够多的"引用" ↓基于 RAG 技术的 AI 系统（如 Perplexity、AI Overviews）将引用数量视为真实性证据 ↓AI 系统以权威口吻呈现虚假信息给用户 ↓用户信以为真，可能继续传播... ↓（循环继续）这个循环的核心问题在于：重复被当作共识，引用数量被当作准确性的替代指标。
只要有足够多的"来源"说同一件事，AI 系统就会将其视为事实——无论这些来源中有没有一个人类真正核实过这个信息。
三、实验证明：一篇文章，24小时内就能污染 AI 搜索
为了量化这个问题的严重程度，Lily Ray 做了一个实验。
实验一：比萨饼核心更新
2026年1月，她在自己的个人博客上发布了一篇 AI 生成的文章，描述了一个从未发生过的 Google 核心更新，并加入了这样一个细节：Google 是"在吃剩余比萨饼的间隙批准了这次更新"。
结果？24小时内，Google 的 AI Overviews 就开始向用户提供这条捏造的信息。
更令人震惊的是，AI Overviews 不仅复述了谎言，还将这个虚假的比萨饼细节与 Google 在2024年处理比萨相关查询的真实困境联系起来——它不只是在复述谎言，而是在为谎言添加"背景"，让它听起来更可信。
她随后删除了这篇文章，因为这条虚假信息已经出现在 RSS 订阅源和各种爬虫抓取的内容中。
文章一经删除，Lily Ray 感叹："我知道影响 AI 回答很容易，但没想到这么容易。"
实验二：热狗名单（低权重站点测试）
BBC 记者 Thomas Germaine 在他个人网站（有机流量极低）上发布了一篇文章，声称他是"吃热狗的最佳科技记者第一名"。
结果同样在24小时内：Google 的 Gemini 应用和 AI Overviews 都开始将这条荒唐信息作为事实呈现给用户。ChatGPT 也出现了同样的情况。
这证明了一个令人不安的事实：即使是低权重、低流量的网站，只要发布了一条信息，也可能在24小时内污染主流 AI 搜索的回答。
四、规模有多大？免费用户是最大受害者
了解这个问题的影响范围，需要看一些数字：
• ChatGPT 每周活跃用户约 9 亿，其中付费用户约 5000 万，意味着约 94% 的用户使用免费版 • Google AI Overviews 截至2025年中期，月活跃用户已超过 20 亿 • Google 每年处理超过 5 万亿次搜索
《纽约时报》2026年4月的调查显示，Google AI Overviews 的准确率约为91%。听起来不错？
但做一道简单的数学题：5万亿次搜索 × 9% 错误率 = 每小时生成数千万条错误答案。
而且，即便在那91%"正确"的答案中，56%被标记为"无来源支撑"——也就是说，答案或许是对的，但 AI 引用的来源并不能真正支持它的说法。更糟糕的是，这个比例随着模型升级反而上升了：Gemini 2 时代是37%，Gemini 3 时代升到了56%。
搜索工具本应节省时间，现在却迫使用户在进行真正的搜索前先花时间核实 AI 给出的答案。
五、付费版 vs 免费版：能力差距被刻意设计
Lily Ray 发现，不同订阅级别的 AI 模型在处理信息质量上存在显著差异。
以 ChatGPT 为例：
• GPT-5.4（付费版）：在回答关于 2026年3月核心更新的问题时，模型会经过六轮"思考"，刻意过滤低质量信息，甚至会主动将搜索范围限定在 Glenn Gabe 和 Aleyda Solis 等业界公认权威人士的网站上，以确保信息质量 • GPT-5.3（免费版）：虽然已比前代改进，但幻觉率仍明显高于付费版
根据 OpenAI 官方数据：
• GPT-5.4 的个别主张虚假率比 GPT-5.2 低33%，完整回答错误率低18% • GPT-5.3 在启用网络搜索时幻觉减少 26.8%
这些改进是真实存在的，但问题是：最好的模型要付费才能用，用免费版的94%用户拿到的是更差的答案。
这让 Lily Ray 感到最不安的地方在于：大多数用户根本不知道这个差距的存在。
AI 被大力营销——超级碗广告、广告牌、产品发布会——被包装成"知识的未来"。用户看到 "ChatGPT" 或 "AI Overview"，就默认自己在与一个知道自己在说什么的工具交互。他们不会想到自己用的是哪个版本，也不会想到付费版本是否会给出本质不同的答案。
"以商业理由向数十亿人部署这些产品，将其包装成'智能'，然后悄悄把更准确的版本留给愿意付钱的少数用户——在我看来，这是不负责任的行为。"——Lily Ray
六、这个循环为什么很难打破？
"September 2025 Perspectives 更新"依然不存在，但如果你今天询问任何 LLM，它依然会信心十足地告诉你这个更新"如何从根本上改变了搜索"。
这个错误持续了数月，而且短期内不会消失。
原因在于：
1. 制造虚假信息的内容仍在索引中，仍然被引用 2. 这些内容已经成为新一批 AI 生成答案的训练数据和检索来源 3. 循环没有断点——每天都有新的 AI 内容被生成，引用着那些错误的"来源"
这不是一个可以打补丁修复的单一幻觉，而是一个随时间不断复利的反馈循环。这些系统规模越大、运行时间越长，循环就越难打破。
七、对 SEO 和内容营销从业者的警示
Lily Ray 的调查提出了一个对整个内容行业都极为重要的问题：如果你正在从 LLM 那里获取 SEO 或 GEO（生成引擎优化）建议，这些信息很可能已经被污染了。
这对从业者的实际影响包括：
对 SEO 专业人士：
• 不要完全依赖 AI 工具来了解算法更新动态，必须交叉验证权威来源（Search Central Blog、业内公认专家的第一手信息） • 警惕 AI 生成的"分析文章"——它们很可能在引用从未发生过的更新 • 了解 AI 搜索系统如何引用内容，有助于针对性地建立内容权威性
对内容营销人员：
• 批量生产 AI 内容不仅对内容质量有害，还在主动污染信息生态系统 • 真正的 EEAT（经验、专业性、权威性、可信度）比任何 AI 生成内容都更有价值 • 原创的人类视角、真实的第一手经验正在成为稀缺资源
对普通用户：
• 使用 AI 搜索时，对"事实性"信息要保持更高的警觉 • 对重要决策的信息，始终交叉验证多个可靠来源 • 了解你使用的 AI 模型版本——免费版与付费版的可靠性存在明显差距
八、什么是真正的解决方向？
Lily Ray 并不认为答案是"停止使用 AI"，但她指出了几个真正需要改变的地方：
1. AI 系统需要更好地表达不确定性。目前最大的问题不是 AI 答错，而是它答错时和答对时一样充满自信，用户无法区分 2. 引用质量需要评估，而不只是引用数量。现有 RAG 系统将"足够多的来源引用"等同于"事实"，这是根本性的设计缺陷 3. 更高质量的模型不应只对付费用户开放。将更可靠的信息作为付费特权，在 AI 被大规模普及的背景下是不负责任的 4. 内容生态需要人工验证的锚点。业界权威人士、有真实经验的专家，是打破虚假信息循环的最重要防线
结语：证明负担落在了用户身上
AI 垃圾内容死循环仍在继续。每一天，AI 系统都在以权威口吻向数十亿用户讲述那些从未发生过的事。
这不是未来的风险，而是正在发生的现实。
作为内容从业者，我们有责任不去助长这个循环——不批量生产 AI 垃圾，不放弃人工核实，不用速度换质量。
作为用户，我们需要接受一个不那么舒服的现实：事实核查的责任现在落在我们自己身上了——尽管大多数用户甚至不知道自己正在承担这个责任。
