从排名到被引：GEO（生成式引擎优化）行业发展、信息生态风险与良性治理路径研究报告

2025年5月，风险投资机构Andreessen Horowitz发表了一篇题为《How Generative Engine Optimization (GEO) Rewrites the Rules of Search》的专文，开篇断言"800亿美元以上的SEO市场刚刚裂开"。

这句话值得作为本报告的起点，因为它精确地描述了GEO的诞生方式：它不是一个从技术难题中自然生长出来的解决方案，而是一个先被命名、再被资本与需求共同填充的品类。命名发生在2025年，而学术概念的诞生在2023年，产业化落地在2025年下半年——三个时间点的错位，决定了这个行业的全部特征：概念先行、标准滞后、实践野蛮。

本报告要回答的三个问题，正是这一错位的三个切面。

第一，它因何催生。 表层原因是流量结构的迁移：用户把提问交给了AI，AI把答案压缩成一段话，来源链接被折叠甚至省略。但深层原因是一个更微妙的变化——品牌的竞争对象变了。过去竞争的是"搜索结果第几位"，现在竞争的是"是否进入模型候选名单"。前者可以测量、可以购买、可以优化；后者不可直接观测、不可购买，只能通过影响模型的输入来间接影响。这种间接性，是理解GEO一切现象的钥匙。

第二，现状如何。 中国GEO行业呈现出一种罕见的割裂：需求侧是真实的（过半大中型企业已将GEO纳入预算），供给侧是草莽的（最活跃的入场者是做"话术平移"的SEO代理商，报价从千元包年到月费三万元横跨数个数量级，交付物停留在几张截图），标准侧是缺位的（规模口径相差数十倍，效果指标无共识，直到2026年下半年团体标准才陆续落地）。与此同时，行业已经出现了成熟的灰色产业链：买工具、造假内容、自动发稿、持续投喂——四步即可让一个虚构产品在两小时内成为"标准答案"。

第三，未来走向何处。 这是本报告最想回答、也最难回答的一问。我们给出的判断是：GEO不会被"消灭"，因为它满足的是真实需求；但它必须被"约束"，因为它的商业模式天然奖励投机。约束的力量正在生成——以强制标识为底线，以可信评测与团体标准为尺子，以平台反制为常态化压力。问题在于，这三股力量能否跑赢灌水的速度。

研究方法与来源标准

本报告采用文献研究、一手资料核验与案例实证相结合的方法。在研究过程中，我们执行了三条自我约束，在此公开，以便读者判断本报告的可信度：

其一，数字必须可定位。 凡进入正文的精确数字，均要求能在原始文献的正文、章节或表格中定位；仅凭摘要页或搜索摘要不得作为肯定或否定某一数据的依据。研究过程中我们发现并删除了两条指向完全无关论文的arXiv引用（一条指向材料科学的钨脆断研究，一条指向双靶点药物设计），也纠正了一处已被原作者公开撤回的股权关联说法——这类错误肉眼不可见，只有打开原始链接才会暴露。

其二，区分事实、推论与预测。 本报告在涉及判断时明确标注"本报告认为""本报告判断"；凡属建模测算而非统计值的数据，一律注明其性质；凡属媒体转引而未获原文的政府或机构数据，一律注明"原文未见公开发布，系媒体转引"。

其三，不采信营销口径。 服务商报价页、自媒体流传的白皮书、带推广性质的专栏，在本报告中不作为规模或效果的证据使用；此类材料仅在讨论"口径混乱"这一现象本身时被引用，并明确标注其性质。

报告结构

第1章界定GEO概念、厘清其与SEO的根本分野，并给出催生动因的完整因果链；第2章以市场规模、入场者、方法论与效果验证四个维度描述中国行业现状；第3章是全报告的重心，论证污染如何在机制层面被诱发、如何运作、造成何种危害以及为何不可逆；第4章回答"海外是否有GEO"这一问题，并给出其资本赛道与平台治理基线；第5章从技术角度说明大模型如何识别与规避劣质内容，以及这套防御体系的失效边界；第6章梳理监管、自律与标准的落地情况，并提出四类主体的可执行建议。

需要说明的是，本报告对GEO这一技术本身不持否定立场。相反，我们认为它对"把企业事实整理成可交叉验证的结构化知识"提出了正当要求——问题不在优化，而在以污染替代优化。这也是本报告呼吁良性发展的出发点。

1.1一个学术概念的产业漂流

GEO（Generative Engine Optimization，生成式引擎优化）在营销术语中拥有一个罕见的品质：可考的"出生证"。2023年11月16日，来自普林斯顿大学、佐治亚理工学院、艾伦人工智能研究院与印度理工学院德里分校的六位研究者将《GEO: Generative Engine Optimization》提交至arXiv，后收录于KDD 2024。论文把一类新兴系统——用生成模型汇总多源信息、直接产出合成式答案而非链接列表的搜索引擎——形式化为"生成式引擎（Generative Engines）"，并提出首个面向内容创作者的黑盒优化框架，配套构建了跨多领域查询基准GEO-bench。作者在其自建基准上报告，GEO策略可将内容在生成式答案中的可见度最高提升40%，且效果因领域而异。

这里必须做一处限定：该40% 是GEO-bench内部的测量结果，并非ChatGPT、Perplexity等线上产品的效果保证，论文亦未作此主张。但在产业传播中，这一数字被普遍剥离条件引用，直接充当服务商报价单上的"学术背书"。对"数字与条件分离"现象的警惕，需要贯穿本报告全文。

术语丛林由此展开，且各词并非同一天诞生：AEO（答案引擎优化）源自精选摘要、知识面板与语音助手时代，属抽取式优化，无公认提出者；GEO晚至2023年底才有正式学术命名，2025年5月由风险投资机构Andreessen Horowitz发表专文《How Generative Engine Optimization (GEO) Rewrites the Rules of Search》（作者为合伙人Zach Cohen与Seema Amble），宣称"800亿美元以上的SEO市场刚刚裂开"，并点名Profound、Goodie、Daydream三家GEO工具；LLMO（大语言模型优化）强调模型内部表征，视角最技术化；AIO（AI优化）与AISO（AI搜索优化）则是最宽泛的统称。有行业分析指出，这些术语的实际操作清单已高度重叠，"学一个词、做同一套事"是当下真实状态。

这里需要严格区分事实与推论。事实是：一个营销品类由管理数百亿美元的风险投资机构公开命名并推动，该机构在AI原生搜索方向布局密集。推论是（本报告认为）：风险投资的"品类叙事"并不依赖推销自己投资的公司——确立品类本身，就足以让资本流向该赛道。需要说明的是，曾有分析称a16z直接持有Profound股份；该说法已由原作者于2026年5月公开更正：Profound的投资方为Sequoia、Kleiner Perkins、Khosla Ventures、Saga VC与South Park Commons，不包含a16z，Goodie与Daydream亦无公开记录显示为a16z被投企业。本报告不采用已被撤回的关联指控。在中文行业语境中，GEO的使用已明显领先于其他称谓，本报告统一采用这一称谓。

1.2从"排名与点击"到"被引用"：与SEO的根本分野

分野的实质不在工具，而在响应的形态。SEO与AEO面对抽取式系统：精选摘要从单一页面抓取一段话，语音助手朗读一个结果，存在可争夺的答案位，赢者通吃。GEO面对合成式系统：模型读取多个信源、撰写原创回答并引用其中少数几个，不存在单一答案位，目标是成为被点名的那几个信源之一。

这一差异会向下传导出一个关键推论。SEO争夺排名与点击，效果可被GA、Search Console直接计量；GEO争夺被引用、被写进答案——行业内一句直白的表述是"不被引用，就等于不存在"（行业通行表述）。而正因争夺对象是模型的一次内部判断，GEO的价值只能来自对模型输出的间接影响：品牌无法像购买关键词广告那样直接买到位置，只能通过改变模型"所看到的世界"来影响它的选择。

这正是本报告需要确立的立论前提：GEO是依附于AI产业而生的可见性优化手段，其价值的间接性、不可直接计量性，与后续章节将展开的信息污染问题同源——当优化方无法通过正当手段精确影响与验证结果时，"用数量制造可信度"的投机路径就会被强烈诱发。这一点，在第3章将得到充分展开。

值得注意的是，平台方并不认为这是一门平行学科。Google搜索中心针对生成式AI功能的官方指南明确表示：AI概览与AI模式建立在与搜索相同的核心排名与质量系统之上，"SEO最佳实践"仍然适用；该指南还直接点名AEO与GEO——从Google搜索的角度看，针对生成式AI搜索体验进行优化，就是针对搜索体验进行优化，因此仍然属于SEO。其配套文档进一步写明："搜索引擎优化（SEO）最佳实践仍然适用于Google搜索中的AI功能……无需满足任何其他要求即可在AI概览或AI模式中显示，也无需进行其他特殊优化"，且"不需要创建新的机器可读文件、AI文本文件或标记"、无需添加特殊schema.org结构化数据。这为后文"GEO与SEO走向融合而非替代"的判断提供了官方依据。

1.3需求侧迁移：用户把"提问"交给了AI

需求侧的迁移已经越过临界点。中国互联网络信息中心（CNNIC）《生成式人工智能应用发展报告（2026）》显示，截至2026年6月，我国生成式人工智能用户规模达 7亿人，普及率约 50%；从使用目的看，76.0% 的用户用它回答问题，是最广泛的应用场景。而在2025年6月，这一数字还是5.15亿、普及率36.5%——一年时间，用户规模净增约1.85亿。

全球侧同样如此。Google官方博客显示，AI模式推出一年后月活跃用户已突破 10亿，且"自上线以来查询量每季度翻番以上"；另一份官方数据则给出，AI模式的平均查询长度是传统搜索查询的3倍，同时美国已有超过六分之一的搜索使用语音或图片输入。市场研究机构Similarweb的官方统计显示，生成式AI平台月均访问量已达 95亿次（同比 +70%），独立访客6.55亿（+57%），AI推荐带来的月均流量达7.707亿次（+117.4%）。

但这些数字必须放在一起看：关于"AI概览在搜索中的覆盖率"，不同机构的测量在 15%—43% 之间大幅波动，样本与定义各不相同，本报告不取单一数值。测量口径本身的分歧，就是信息生态失序的第一个征兆——连"发生了什么"都难以取得共识，遑论治理。更值得注意的是引用侧的黑箱：Similarweb同期数据显示，截至2026年5月，仅有6.8% 的美国ChatGPT桌面查询带有来源引用（2025年6月为1.6%）。用户拿走了答案，来源却在绝大多数情况下不出现。

1.4流量的消失：从行为数据到预算再分配

点击正在结构性消失。Pew Research Center追踪了900名美国成年人于2025年3月产生的 68,879次真实Google搜索（其中12,593次出现AI摘要，约占18%），结果显示：出现AI摘要时，用户点击传统搜索结果的比例为 8%，无AI摘要时为 15%；AI摘要内嵌链接的点击率仅 1%；26% 的会话在浏览到AI摘要后直接结束（无摘要页面为16%）。这是目前方法最透明、样本最扎实的一手行为证据。

行业侧测量同向且幅度更大。Ahrefs基于30万个关键词的测算显示，截至2025年12月，AI Overviews存在时排名第一网页的平均点击率低 58%，信息类关键词首位CTR由0.076降至0.039；该机构2025年4月的首轮测算为 34.5%，降幅在十个月内接近倍增。Seer Interactive对3,119条信息/教育类查询、42家机构（2,510万次自然曝光、110万次付费曝光）的纵向研究则记录到，AI Overview类查询的自然点击率从2024年6月的1.76% 降至2025年9月的0.61%，付费点击率同期从19.70% 降至6.34%。该数据有三重限定：仅覆盖信息与教育类查询，商业、交易与本地类可能不同；付费样本远小于自然样本，置信区间更宽；且研究中存在反向证据——被AI概览引用的品牌比未被引用的品牌多获得 35% 的自然点击与 91% 的付费点击，但Seer承认无法证明因果方向。最后一点尤具价值：它说明GEO的价值来自"被引用"而非"排名"，同时也提醒我们相关性不等于因果。各类测算样本与口径差异很大，Google亦公开表示其搜索导出的自然点击总量同比"相对稳定"——方向上一致、幅度上不一，才是这批证据的真实含义。

总量层面的判断得到交叉验证。Gartner早在2024年2月即预测，到2026年传统搜索引擎流量将下降 25%，GenAI解决方案正成为"替代性答案引擎"。数字营销机构Fractl联合Search Engine Land于2026年4月实测 1,010,848个高搜索量关键词、覆盖379个品牌与8个垂直领域，发现降幅已达 29%，超出Gartner预测，其中FinTech（-37.7%）与HealthTech（-37%）受损最重。

预算随之迁移。Semrush的研究预测，2028年初 AI搜索带来的网站访客量将超过传统搜索，且AI搜索访客的转化价值约为传统自然搜索访客的 4.4倍。Gartner则在《2026年传播预测》中判断，到2027年，公众大规模采用公共大模型替代传统搜索，将推动PR与earned media（第三方媒体）预算实现翻倍，理由是AI答案引擎更倾向引用高权重新闻媒体、政府与NGO内容、百科与学术研究。

1.5小结：一条已经闭合的因果链

本章可以收束为一条清晰的链条：入口迁移（中国生成式AI用户普及率约50%，全球AI答案界面已覆盖十亿级用户）→ 点击消失（Pew、Ahrefs、Seer三方数据在方向上高度一致、幅度上差异显著）→ 可见性焦虑（品牌发现自己可能"从未进入候选名单"）→ GEO产业化（预算从付费与SEO向AI可见度与earned media再分配）。

需要在此埋下一个伏笔：GEO的需求是真实的，但它满足需求的方式是间接的——优化方不能购买位置，只能试图改变模型的判断。当"正当影响"难以实现、效果又难以计量时，市场就会自发向"低成本、高数量、难验证"的方向滑落。这正是下一章将展开的行业现状，与第3章将重点论述的生态污染问题的共同起点。

2.1市场规模：机构口径不收敛，营销口径已失控

中国GEO市场至今没有一个可交叉验证的"基数"。被引用最多的中国数字来自中国信通院《2025生成式引擎优化产业白皮书》：截至2025年底国内规模达42亿元、年复合增长率38%，超过68% 的大中型企业已将GEO纳入年度营销预算；同一报道转引Gartner 2024年底报告，全球GEO服务市场已突破12亿美元、预计2026年达35亿美元，年复合增长率超过140%（按两年间隔反算约70%，此处系原文口径）。需说明的是，该白皮书原文未见公开发布，上述数据系媒体转引。

其余测算彼此并不收敛。据媒体转引的建模测算，秒针营销科学院给出2025年中国GEO市场约29亿元、全球112亿美元，2030年分别增至240亿元与约1000亿美元（2030年两项均为建模预测，未披露方法）。爱分析预测2026年中国市场48亿元、2030年1376亿元，五年复合增长率超130%。易观分析《中国GEO行业发展报告2026》给出2026年约30亿元、2027年突破90亿元。中国商务广告协会AI营销应用工作委员会在团标发布会上给出的2026年口径是30亿元。

更值得注意的是口径之间的内部矛盾。谭北平同时担任中国商务广告协会AI营销应用工作委员会办公室主任、团标编制委员会主任与秒针营销科学院院长：他主导的口径给出2026年30亿元，而秒针营销科学院给出的2025年测算已达29亿元。按这组数字，2025→2026仅增长约3%，与"爆发式增长"的通行判断直接冲突。问题不在机构之间有分歧，而在统计对象本身尚未被定义。

真正的落差出现在机构与营销内容之间。同为"2026年中国GEO市场规模"，服务商营销文章中流传的数字包括120亿元、286亿元乃至940亿元，与协会口径相差数倍至数十倍，且无一披露测算方法、样本来源与统计边界。本报告对这类数字不予采信，仅作为"口径混乱"的现象证据。浙商证券的判断更贴近产业实情：国内GEO市场2025年下半年才起步，服务模式未定型，暂无法给出明确毛利率，主流路径是按主题词和AI推荐持续时间收费。GEO的统计边界尚未定义——是否计入AI广告投放、是否计入SEO增值服务、计的是服务商营收还是品牌预算，各方各说各话。

2.2入场者：SEO代理商的"话术平移"与资本的新叙事

最活跃的入场者并非技术公司，而是原本深耕SEO的代理商。虎嗅刊发的甲子光年调查记录了一位从业者的判断：对他们而言这不是业务升级，而是一次纯粹的"话术平移"——"铺稿渠道没变，底层逻辑没变，唯一变化的只有PPT的话术和报价单上的单位"。报价随之水涨船高：一个核心关键词月费被喊到2000元至3万元，较传统SEO关键词报价翻5倍以上；深圳某服务商4.2万元套餐包含2000多篇批量生产内容。封面新闻的暗访记录了光谱的另一端：有的承诺"2980元打包千篇软文全网铺量"，有的宣称"一个季度6000元保证指定关键词排名前三"，对"如何定义排名""效果如何追溯"却含糊其辞。

爱分析将参与者分为AI原生型、AI营销型、行业深耕型、整合营销型与Agency服务型五类，后者"多由传统SEO服务商、区域广告代理服务商转型而来"；整个市场呈头部玩家与长尾Agency两端膨胀、腰部承压的"哑铃型"格局。资本端同步升温：2025年9月蓝色光标与英诺天使基金联合领投清蓝智汇数千万元天使+轮；2026年1月易点天下、中文在线、天龙集团等"GEO概念股"持续走强，但多家公司随即公告不涉及GEO业务或尚未形成收入。热度与收入的落差，恰好标注了这个行业所处的位置。

2.3方法论的四层结构，及其经验底色

服务商普遍总结的方法论可归纳为四层。第一层是结构化与答案前置：每个小节开头用40—60字的自包含段落直接作答、倒金字塔结构、FAQPage/Article/Organization等schema标注与llms.txt协议；多伦多大学团队给出的对应处方是围绕"机器可扫描性"与"可证明的推荐理由"设计内容——Schema.org结构化标注、对比表格、要点式优缺点清单与显式价值主张。第二层是权威引用与可引用性：嵌入具名来源的统计数据、专家具名引言、原始研究报告，避免"研究表明"式无主语句；同一研究亦将"从高权威第三方站点获得报道与反向链接"列为建立AI可感知权威的首要路径。第三层是多平台覆盖与实体一致性：在earned media、知乎/小红书/Reddit等语料阵地保持品牌实体（名称、成立时间、主营、地址）全网一致，并通过Schema.org的sameAs属性与Wikidata等公共知识库强化实体消歧。第四层是持续监测，以AI可见度指数、Share of Voice in AI Answers为度量。

第三层的经验支撑来自同一团队的实证：AI搜索对earned media存在系统性压倒性偏向——ChatGPT引用中90—95% 来自earned media（Perplexity 53—74%、Claude 82—93%、Gemini 63—67%）；ChatGPT引用中社交媒体占比为0%，而同期Google仍保留11%—23% 的社交来源（不同垂直与区域实验），Perplexity最高17%—24%、Gemini 11%—13%、Claude 3%—6%。这解释了国内服务商为何集体转向"铺稿"。

但这四层方法的证据基础比看上去薄弱。同一团队2026年基于158,099条回答、468,037次引用的研究发现：FAQ块、结构化数据、摘要框、页面速度等措施只在跨站点比较时"看似有效"，在同一网站内部比较时效应的解释力微弱甚至不存在；真正决定引用的是引擎自身的检索环节——检索解释了32% 的站内引用差异，页面属性仅解释2.8%；在ChatGPT对问题中未点名品牌的提及中，有46% 找不到任何提及该品牌的被引页面作为支撑。换言之，行业奉为圭臬的"结构化"更多是与高权重站点的相关性假象，而非已被证实的因果杠杆。

2.4效果不可验证：交付靠截图，计价无口径

效果度量的缺位，是供需双方矛盾的集中点。甲子光年调研近10家服务商后发现，多数无法提供标准化刊例，交付物通常只有几张AI搜索结果截图和一份自行整理的周报；验收标准被设计成"用10个账号提问、8个显示结果就算完成80%"，或把10个关键词各自10% 的推荐率相加包装成"整体曝光率100%"；更有服务商引导客户购买"北京市海淀区某街道家庭咖啡馆"式长尾句式，使AI在竞争真空中必然引用预先埋伏的内容。被问及大模型清理低质信源怎么办时，一位业务经理的回答是："现在大家都是先出来捞一波。客户一多交不了差，不就暴雷了吗？"

引擎侧的不可观测性同样构成前提。对约14,000条LMArena真实对话日志的分析显示，34% 的Gemini与24% 的GPT-4o回答是在未显式抓取任何在线内容的情况下生成的，Gemini在92% 的回答中不提供可点击引用来源，Perplexity的Sonar每次查询访问约10个相关页面却只引用3—4个，引用效率在不同模型间介于0.19—0.45。服务商能观测到的，只有引擎愿意披露的那一小部分。

对照之下，海外GEO监测工具已形成按订阅计费的成熟价格带——Profound的数据监测服务约499美元/月起，国内千元级套餐则以"量"取胜，喂给AI的往往是成百上千条真假难辨的内容。中国信通院在调研中确认，宣称开展GEO业务的机构已超200家，分类与价格差异巨大；中国广告协会在标准起草前完成对超百家服务商的一线调研，同样指向"缺乏统一规范和评判标准"。

标准供给直到2026年下半年才开始补位。中国商务广告协会《生成式引擎优化（GEO）》五项团体标准（T/CAACCHINA 001~005—2026）于2026年9月14日经全国团体标准信息平台对外公布：第2部分《服务商评估规范》将服务商划分为内容生产、信源建设、技术平台、策略咨询、数据监测与综合服务六类，设五个评估维度与一票否决项，评估结果分A—D四级；第3部分《计价、评估与测量规范》定义内容、生成式引擎、时间、数据、交付、信源、语料七类计价最小单元与五种计价模式，确立可见表现、情感倾向、信息支撑、信源引用四类核心效果评估指标及包括可见率、可见份额在内的九项关键度量口径；采样须覆盖不少于3个城市、5个引擎，在覆盖2个及以上引擎时单一引擎样本占比不超过80%，有效样本量不少于30次；原始数据须保存至结案后3年，连续异常须在3个工作日内出具复核结论。中国广告协会三项GEO团体标准自2026年10月23日起实施；中国信通院联合20余家产学研单位制定AIIA/T 0277-2026《生成式引擎优化（GEO）服务可信基本要求》，从管理机制、客户材料审核、优化手段、优化结果、长远发展五个维度核验，并依托"铸基计划"开展覆盖知识库构建、意图识别与内容生成、分发渠道、效果监测、策略优化、安全管控六维度的能力完备性测评。相关治理机制将在第6章展开。

2.5小结

中国GEO行业的现状可概括为九个字：需求真实，供给草莽，标准缺位。需求侧，68% 以上的大中型企业已将GEO纳入预算，AI入口的迁移是真实发生的；供给侧，最活跃的是话语术平移的SEO代理商，报价从千元级包年到月费3万元横跨多个数量级，交付物停留在截图层面；标准侧，规模口径相差数十倍、效果指标无共识，直到2026年下半年团体标准与信通院评测才陆续落地。一个连"自己有多大"都说不清的市场，其增长预期本身就需要被审慎对待。

3.1从"优化"到"投毒"：一条被异化的技术路径

GEO的滥用之所以能成立，根源在于第1章已确立的那个前提：GEO争夺的不是排名与点击，而是被生成式引擎引用、写进答案。这一争夺对象是模型的一次内部判断，品牌无法直接购买，只能通过改变模型"所看到的世界"来施加间接影响。而生成式引擎判断信源可信度时，一个常见启发式是多源交叉印证——同一说法出现的独立来源越多、角度越丰富，模型越倾向于认为它已被验证。央视3·15晚会上，一位GEO服务商把这套机制讲得极为直白："你在AI的世界里面，你怎么把证据链给做足，让AI大模型觉得这就是真的，而且是有用的。AI大模型经过多方信息交叉，它觉得你优于同行的核心优势，自然而然就会把你放在第一位"。

这条启发式在正常情况下是合理的，但它有一个可被廉价利用的缺口。北京大学汇丰商学院副教授、财经传媒专业协调人叶韦明在接受《证券时报》采访时指出，GEO操作能够轻易得手，源于三类漏洞：一是RAG（检索增强生成）架构的脆弱性——AI回答前会先抓取搜索引擎排序靠前的网页，违规GEO只要利用高权重域名发布伪造的"权威软文"，就能被顺理成章地当作"事实"输出；二是"相关性"与"真实性"的混淆——模型擅长评估语义相关与逻辑连贯，却极度缺乏对真实性与商业动机的穿透核查，只要文本结构足够"学术"或"专业"，就容易被判定为高质量信源；三是提示词注入后门，可在网页代码或文本中隐藏白字指令，诱导模型改写输出。

于是，"信息密度"可以在没有真实信息增量的前提下被无限制造：一篇杜撰的"测评"被改写为若干版本、分发到多个平台、再配上马甲账号的"用户好评"，模型看到的就不再是"一个来源在自说自话"，而是"多个独立来源在相互印证"。数量冒充了可信度。这正是GEO从"优化"滑向"投毒"的技术通道。

一条完整的灰色产业链

2026年央视3·15晚会还原了这条链路：业内人士在电商平台购买"力擎GEO优化系统"，虚构一款产品并输入系统，系统自动生成并发布十余篇软文，全程无须人工干预。《证券时报》记者历时数月的独立调查印证了同一图景：记者以9.9元购得一份GEO系统试用资格，续费报价为"99元一个月发布500篇软文"，向行业与地方网站投稿"仅数十元一篇"；销售人员称其原理"其实就是不停的发'软文'……可以进一步获得AI的交叉验证，使AI相信这些信息都是权威、可信的信息"。该调查同时指出，GEO"不仅可以正面宣传自身，还能反向'抹黑'竞争对手"。价格方面，晚会画面显示同一系统在电商平台的高级版售价1122元、销量最高的一款已有97人收货。

中国工业报《AI投毒产业链调查：被异化的灰度营销》记录了更为细分的价目：GEO优化系统售价8.8元至100余元不等，单篇发稿0.1—0.5元，月结99元可发数百至上千篇。常信科技CEO葛林波将其操作概括为四步——买工具、造假内容、自动发稿、持续投喂，并直言"需要批量、多角度发稿，让AI交叉验证时能迅速扒到这些内容"；他进一步透露，单篇内容发布后仅两小时便会被AI大模型抓取，若连续三天以上、发送10篇以上不同类型的内容，就很容易被多个AI大模型抓取并推荐在前排位置。

这类内容的危害不止于"骗过一次检索"。 GEO制造的大量AI垃圾与虚假语料会重新回流到互联网公共数据池，当AI平台抓取这些被污染的数据用于下一代模型训练或检索时，模型质量将呈螺旋式下降。这构成了从"营销问题"升级为"基础设施问题"的关键通道。

3.2实证：虚构内容如何在两小时内成为"标准答案"

污染的速度被反复实测。3·15晚会上，记者虚构"Apollo-9智能手环"，杜撰"量子纠缠传感技术""黑洞级续航"等卖点，系统自动生成十余篇软文并发布至自媒体账号，仅两小时后即有大模型将这款子虚乌有的产品作为"标准答案"详尽推荐；晚会播出 12小时后，仍有大模型未完成"消毒"，继续输出虚假参数。

独立的媒体复现得到一致结论。澎湃新闻记者以100元"体验费"委托GEO机构推广一家完全虚构的保健品企业，该公司无任何资质，不到4小时即出现在主流大模型的检索结果中，推荐排名超过汤臣倍健、Swisse等知名品牌，大模型还主动"介绍"起其根本不存在的"核心合规资质"；记者虚构的一家医美机构同样在半天内进入AI推荐。南都大数据研究院的实测更短：虚构品牌"果核"仅发布两篇结构化软文，30分钟后即出现在AI搜索推荐结果中，引用来源直指记者发布的软文页面。

速度背后是AI搜索信源结构的极端失衡。一项2026年10月发布的预印本研究对10个AI搜索平台的17,211次引用、6,356个唯一来源域名展开分析，发现引用高度集中：单个平台上排名前20的域名即占据该平台全部引用的20.5%—70.8%；而与这些高被引域名关联的22个发布平台中，有15个在注册与发布两个环节均属低或中等门槛。研究者进一步做了标记控制实验——在受控条件下发布普通帖文，10个平台中有8个在七天内引用了一个完全虚构的概念；一篇发布在高偏好平台的文章，其引用影响力超过20余篇发布在低偏好平台的同类帖文。更关键的是，这条路径已经商业化：一次14美元的GEO服务购买产生了13篇公开帖文，某AI搜索平台在一小时内即引用了其中带标记的内容。这意味着污染者不需要"说服所有人"，只需要在极少数高权重信源节点上占位——或者用足够多的页面制造出"看起来像共识"的表象。

3.3危害外溢：从营销噱头到商业诋毁，再到信任危机

污染的危害已越过"夸大宣传"的边界，演变为可直接造成财产与声誉损失的商业诋毁。3·15晚会当晚，一份伪造的"权威曝光清单"在多个平台流传，将蜜雪冰城列入"预制菜冒充现炒"名单——而该企业主营业务为茶饮与冰淇淋，全部门店并不存在炒菜业态。这份清单本身毫无事实基础，却被部分大模型当作真实信息采信并输出。同类案件已见诸执法：上海嘉定警方2026年3月5日破获一起案件，犯罪嫌疑人利用AI洗稿发布针对多家车企的"销量下滑"谣言，累计发布不实文章70余万篇次，非法获利8万余元（同前）。

金融市场的危害同样已被监管确认。2026年5月9日，北京证监局披露的行政处罚决定书显示：冯某编造某上市公司（综合信息显示为寒武纪）芯片订单的虚假信息并通过公众号发布，有一定影响力的自媒体运营者班某利用AI工具将其改写为第二个版本扩散传播，两人合计获利仅 293.53元，引发国产AI芯片板块股价短线跳水（盘中跌幅一度近9%），最终被合计罚款45万元，班某"由人工智能工具生成、不存在恶意"的申辩被驳回。该案严格说是"AI小作文"而非典型GEO投放，但它共享同一套"批量生成—全网扩散—影响AI与投资者认知"的技术底座，且监管口径已明确：利用人工智能编造、传播虚假信息属从重打击范畴。

官方已对这类乱象作出类型化归纳，共三类：一是商业推广内容未标注"广告""推广"字样，侵犯消费者知情权；二是虚假宣传频发，表现为编造权威报告、虚构专家观点、伪造用户评价；三是涉嫌不正当竞争，通过批量生成低质同质化内容压低竞品曝光。定性上，中央网信办"清朗·整治AI应用乱象"专项行动已将"通过篡改训练语料、伪造权威数据、使用GEO技术恶意营销"列为重点整治的突出问题。优质、真实的信息反而被淹没在"数据垃圾"中，形成"劣币驱逐良币"的恶性循环。

危害最终落回用户，而AI搜索的一个结构性缺陷放大了这种危害：用户往往无法自行核验。一项基于LMArena对话日志、覆盖11个商用LLM与三个模型家族的研究显示，在13,929条观测（初始14,000条对话、3,642名用户）中，15.6% 的回答尽管处于搜索模式却完全未访问任何网页，30% 的回答未提供任何引用——作者将这一差距称为"内容消费与内容承认之间的实质落差"。分引擎看，Gemini有34% 的回答未联网、高达 92% 的回答不提供任何可点击引用来源，GPT-4o分别为24% 与25%（需强调：92% 为Gemini单引擎值，全样本值为30%）。当答案不带出处、甚至根本不检索时，用户既无法追溯来源，也无从判断真伪——模型成了谣言的"扩音器"而非"过滤器"。

供给侧同样不可追溯。另一项2026年发布的预印本研究对706个商业性问题、158,099条回答、468,037次引用展开分析，发现 ChatGPT在问题未点名某品牌时提及该品牌，其中46% 的提及背后没有任何被引页面支撑——品牌可以凭模型的"记忆"被直接点名，而页面必须先被检索才会被引用；同时，页面自身的结构化属性（FAQ区块、结构化数据、摘要框、加载速度等）只能解释站内引用差异的2.8%，而检索环节解释了32%。换言之，AI答案中的品牌露出，很大一部分既无出处、也不由内容质量决定。

这一点在国内一线的实践中得到印证。南方周末调查发现，广告主花三五万元年费包下一个GEO词条，最终得到的往往只是几张出现品牌名的大模型回答截图；再问同样问题，类似回答再不出现，服务商则以"算法每天都在变"解释。多位从业者承认GEO"至今没有完美的销售闭环验证"，一家GEO公司负责人直言："如果有人可以保证效果，那一定是在骗人"。这提示了一个容易被忽视的对称性：GEO的效果高度不确定，并不削弱其污染能力，反而加剧危害——投毒者无法承诺"必然出现"，却能低成本制造大量不可核验、无法归因的噪声。

3.4学理：为什么污染是"不可逆"的

如果说营销层面的危害还可以事后澄清，那么学理层面的损伤要严重得多：3.1所述的回流机制意味着，污染不只作用于某一次检索，它会进入模型本身。

第一，递归污染会导致模型崩溃。 Shumailov等2024年发表于《Nature》的研究证明，用AI生成的内容递归训练后续模型，会导致不可逆的退化：模型逐渐"忘记"真实数据的分布，尾部信息首先消失，输出趋于同质化与无意义。研究者将这一现象命名为 model collapse（模型崩溃）。这意味着污染的代价不只是"某条错误信息被输出"，而是整个模型认知能力的持续退化。

第二，投毒的成本远低于直觉，且"稀释"不是防御。 Anthropic、英国AI安全研究所（UK AISI）与艾伦·图灵研究所2025年10月的联合研究，在600M至13B参数、6B–260B token的72个模型上做了大规模实验，结论颠覆了"投毒需要占语料固定比例"的传统假设：约250份精心构造的文档即可稳定植入后门，所需投毒量是"近似常数"而非"固定比例"。这意味着随着模型规模扩大、语料池膨胀，"稀释即防御"的直觉失效了——投毒从一项需要国家级预算的攻击，变成了小型团队甚至个人可尝试的操作。需说明的是，该实验针对的是使模型输出乱码的拒绝服务型后门，作者亦明示其结论是否适用于更大规模模型或更具危害性的行为仍待验证；它揭示的是"绝对数量而非比例决定攻击成败"这一结构性规律，而非GEO投毒已具备同等破坏力。 医疗场景的下限更惊人：2025年《Nature Medicine》刊发的研究显示，仅替换预训练语料中 0.001% 的token，即可使模型产生有害的医疗输出。

第三，缓解路径存在，但边界清晰。 2026年《npj AI》（Nature子刊）的ForTIFAI研究提出了置信度感知损失（TCE/Focal Loss）等训练侧干预，可将模型耐受合成数据的能力提升至 2.3倍以上，并开源了混合数据崩溃动力学基准。这是一条真实的技术进展，但必须说明其定位：它提升的是模型的耐受阈值，而非提供彻底的免疫。

小结

综合上述证据，GEO滥用所造成的信息污染可归纳为四个特征：成本极低（9.9元即可启动，10余篇内容、持续三天即可进入推荐前排）、扩散极快（虚构产品最快30分钟、普遍2小时内成为"标准答案"）、修复极慢（曝光12小时后仍有模型未"消毒"，且学理层面的退化不可逆）、损伤不可逆（model collapse一旦发生无法回滚，污染语料会回流进下一代训练集）。

据此可以作出一个判断：这已不是一个"营销灰色地带"的问题，而是公共信息基础设施的污染问题。当用户把提问交给AI、AI把答案建立在被操纵的语料之上，被侵蚀的不只是某一个品牌的声誉，而是整个社会获取真实信息的能力。这构成了本报告呼吁良性治理的实证基础。

4.1概念同源：术语与学术源头都在海外

海外不仅有GEO概念，且在术语提出与早期系统性评测上处于源头位置。GEO（Generative Engine Optimization，生成式引擎优化）这一术语由普林斯顿大学、印度理工德里分校等机构的研究者于2023年提出并系统评测，论文发表于KDD 2024。此后海外学术界持续产出：多伦多大学Koudas团队发布了面向AI搜索可见性的后续研究；中国科学技术大学网络空间安全学院团队则以G-SEO为名形成系列工作，包括意图驱动的角色增强方法、多模态的Caption Injection与多查询冲突感知的IF-GEO。

需要区分的是，欧美语境下命名并不统一。学术界多用GEO/G-SEO/AI visibility，产业界并行使用AEO（Answer Engine Optimization）、AI search optimization、LLM visibility，Semrush等厂商又自造了AIO（AI Optimization）与ASO（Agentic Search Optimization）等标签。有行业观察直言，这些分类标签"是营销口径而非技术区分"；主流媒体在报道时也通常把GEO与AEO并列。

海外学术界同时也在质疑"GEO是一门统一学科"这一前提。多伦多大学Chen等（2026）的大规模实证研究发现，Google Search与GPT-4o、Claude 4.5 Sonnet、Gemini 2.5 Flash、Perplexity Sonar Pro在1,000条排行榜类查询上的引用域名、域名类型（earned media/owned/social）与信息新鲜度均存在系统性分岔，并指出LLM预训练知识会与实时检索交互、共同塑形最终引用。换言之，AEO/GEO与传统SEO面对的并非同一套机制（该研究在生成式引擎防御机制上的含义，详见第5章）。

综上，就术语提出与早期系统性评测而言，概念源头在海外学术界；中科大团队的G-SEO系列显示国内学术界亦有原创跟进（前述三篇），而产业侧的规模化放大主要发生在国内（详见第3章）。需要说明的是，"海外不仅有GEO概念、且是概念的提出方"这一判断可由本章文献证据直接支撑；但"国内主要是概念的引入方"这一更强的判断，已超出本章学术文献所能证成的范围，本报告不采。

4.2资本驱动的独立赛道：从监测工具到并购标的

海外GEO已从"SEO的一个技巧"变成有独立融资与退出路径的赛道。美国的Profound是最典型的样本：2024年8月成立于纽约，2026年2月由Lightspeed领投9,600万美元C轮、估值10亿美元；2026年9月15日宣布完成1.8亿美元D轮，估值18亿美元，由Sequoia Capital与Kleiner Perkins共同领投，Lightspeed、Khosla Ventures、Saga Ventures、Evantic与South Park Commons跟投，服务企业品牌超1,000家，覆盖超过三分之一的《财富》100强。

柏林的Peec AI代表欧洲路径：2025年11月完成2,100万美元（1,800万欧元）A轮，Singular领投，累计融资2,900万美元；其官方公告称上线10个月内做到400万美元ARR、累计1,300多个品牌与代理商客户，客户含Chanel、TUI、Axel Springer。同赛道的Evertune累计融资约1,900万美元；Azoma据国内媒体报道融资400万美元，客户包括Mars、Colgate、Zappos、P&G。合计看，据行业统计口径（非审计口径、亦非监管备案口径），2025年夏至2026年春该品类吸纳资金超过3亿美元。

资本的另一面是泡沫，这一点与国内并无二致。有B2B采购评测明确指出，多数"最佳AI可见度工具榜单"由品类内厂商、代理商或联盟客发布，排名顺序本身不构成证据；Profound D轮时"六个月收入增长三倍"是其向媒体提供的数据，公司公告并未披露绝对营收额。此外，阅读投资方关于GEO的判断需注意其持仓立场：Profound领投方Lightspeed的合伙人公开称该公司正在建设"营销者的记录系统"；a16z合伙人Zach Cohen公开表示GEO目前仍处于实验阶段、类似早期SEO，而a16z同期领投了面向AI时代的搜索基础设施公司Exa Labs的2.5亿美元C轮、估值22亿美元，在AI搜索赛道存在直接财务敞口。这类判断都需要结合持仓一并阅读。

4.3传统SEO工具商的转型：融合而非替代

赛道独立化的同时，存量SEO巨头选择的是叠加而非另起炉灶。Semrush在既有套件上推出企业级AI Optimization（AIO）产品线，官方称可监测2.89亿条以上LLM提示词，并将AI可见度与流量、转化数据打通；面向中小团队的AI Visibility Toolkit定价每月99美元。Ahrefs亦推出Brand Radar追踪品牌在AI回答中的提及与声量。

最能说明行业判断的是并购：Adobe于2026年4月28日以18.74亿美元完成对Semrush的收购，其向SEC提交的10-Q中明确表述，收购目的是增强"搜索引擎优化、生成式引擎优化与智能体搜索优化"能力。创业公司侧的表态与此一致——Profound CEO公开表示"SEO没有死，我们的生意建立在SEO的肩膀上，但这比SEO大得多"。海外主流判断是GEO与SEO融合而非替代。

4.4平台治理与监管基线：从"方法无关"到"覆盖生成式回答"

海外平台侧的治理基线近年来连续收紧。Google的核心口径具备两个特征。

其一，惩罚对象是行为而非工具。其"规模化内容滥用"（scaled content abuse）政策定义为"大量生成页面的主要目的是操纵搜索排名而非帮助用户"，政策原文强调"无论内容如何产生"——生成式AI只是被点名的自动化手段之一；配套的官方生成式AI内容指南要求站点对照质量评估指南4.6.5（规模化内容滥用）与4.6.6（低投入、低原创、低附加值的主体内容）两节。据行业解读，2025年1月版质量评估指南已要求对"几乎未经努力、几乎无原创性、几乎无附加价值"的AI生成主体内容给出最低评级。

其二，2026年出现了覆盖面的关键转折。据报道，Google于2026年5月15日更新的垃圾内容政策中，将"试图操纵Google搜索中的生成式AI回答"写入了spam定义句，而此前该句只提"操纵排名"；该表述与Google官方政策页当前文本一致。这意味着AI Overviews与AI Mode不再存在独立的"规则空白"，既有的隐蔽文字、规模化低质内容、链接操纵、伪装（cloaking）等条款一并适用于生成式回答场景。本报告推断：由于AI概览与AI模式复用同一套检索与排序系统，被判定为垃圾的页面很可能同时失去进入AI引用池的资格——即垃圾内容政策在生成式回答场景下的实际约束力强于其字面表述。需说明的是，Google公开文件目前仅确认"操纵生成式AI回答"的尝试落入spam定义，并未公开披露垃圾判定与引用池准入之间的机制关系，故上述联动属基于产品架构的合理推断，尚待官方确认或第三方实证检验。

更关键的是，Google在2026年6月进一步发布官方指南《针对Google搜索中的生成式AI功能优化网站》，把上述原则落到了操作层面。这份指南要求站点"优先采用切实有效的SEO策略，而非盲目追求'AEO/GEO偏门技巧'"，并直接点名三类可以忽略的手段：把内容切成"块"、创建llms.txt等不必要的AI文本文件、寻求虚假提及；官方同时说明，生成式AI搜索并不需要任何特殊的schema.org标记。最具约束力的一条是，该指南明确警告：针对用户可能搜索的每一种变体（包括所谓"扩展查询"，即query fan-out）单独制作内容，如果主要目的是操纵Google搜索的排名或生成式AI回答，就违反其规模化内容滥用政策。这也是目前唯一一份把"为AI单独造页"直接判定为违规的平台官方文件。

监管层面，欧盟已形成可执行的义务框架。《人工智能法案》第50条透明度义务自2026年8月2日起适用：聊天机器人等交互式系统须明确告知用户其在与AI交互；生成式系统的输出须带机器可读标记以供检测；深度伪造须标注；未经理性审校或编辑控制的公共利益文本亦须标注；违规罚则最高1,500万欧元或全球年营业额的3%。《数字服务法》第34、35条则要求超大型在线平台与超大型搜索引擎识别、分析并缓解系统性风险，其中包括对表达自由与媒体自由的不利影响，并接受独立审计。欧洲议会研究服务局2026年的专题简报进一步评估了AI Overviews对出版商收入与媒体自由的影响，并讨论GEO对新闻编辑取向的牵引。

小结

对比可知，海外GEO的演进路径是"起步于学术、成型于资本、以SaaS监测与诊断工具为主要形态"——卖的核心价值是"让品牌看得见AI怎么说自己"；国内则以服务代运营与内容铺量为主，卖的核心价值是"排得上"。这一形态差异直接决定了污染风险的主要发生地不同：海外风险集中在引用与榜单的购买、以及算法对抗层面，因此Google在2026年5月至6月连续把操纵生成式回答写入政策定义并发布官方指南；国内风险则更多落在内容侧的批量生产与规模化投放（详见第3章）。这一差异，是第6章设计分层治理路径的直接依据。

此外还需注意一层不对称：Google已就生成式AI场景给出明文规则，ChatGPT、Perplexity、Claude等引擎的检索与引用逻辑至今没有同等透明度的公开规则。这意味着"海外治理基线"本身是分层的——平台规则清晰的一方与规则未公开的一方，其污染风险与治理抓手并不相同。

5.1一个比"识别假新闻"更难的题目

第3章已经证明，GEO滥用的产物有一个与普通谣言不同的特征：它们在事实核查的意义上往往是"真"的。一篇伪造的测评不含可直接证伪的陈述，它只是把一个不存在或未被验证的结论，用足够专业的结构、足够具体的参数、足够多的"独立来源"重复了一遍。模型面对的因此不是"这句话是不是假的"，而是"这批看起来互相印证的材料，是不是同一只手写出来的"。

这个转换让问题落到了三个结构性困难上。

第一，质量信号的表层可伪造性。 模型的启发式是"多源交叉印证"，而交叉印证的判据——来源数量、结构规范、术语密度、引用完整度——全部位于文本表层，都可以在极低成本下被复制。当"看起来可信"与"实际可信"之间的相关性被刻意切断时，任何基于表层特征的判别都会系统性失效。

第二，对抗性。 普通低质内容是自然产生的，而GEO制造的污染是针对模型判别机制反向优化的。3·15报道中从业者的自述已把这一点讲透：优化的对象不是读者，而是"让AI大模型觉得这就是真的"。凡是以模型为对手设计的样本，都会持续侵蚀基于历史分布训练出来的分类器。

第三，评测基准的缺位。 判断"某条内容是否劣质"没有客观标准答案，质量标注本身高度主观且成本高昂。这导致防御手段难以量化比较，也给了服务商"我们有效"的叙事空间。

即便如此，防御并非无解。当前主流模型与平台实际采用的是分层递进的五道防线：数据层控制"进来什么"，检索层控制"能抓到什么"，生成层控制"依据什么说"，训练层控制"学到什么"，标识层控制"用户能否知道这是AI生成的"。以下逐层展开，重点不在罗列技术名词，而在指出每一层的有效区间与失效边界。

5.2数据层：把污染拦在入库之前

数据层是所有防御中性价比最高的一层，因为它是唯一能在污染进入系统之前将其过滤的环节。反过来看，一旦污染越过这一层，后续所有环节都只能"减轻"而无法"清除"。

这一层的必要性由两组实验数据共同确立。其一是投毒门槛的绝对性。Anthropic、英国AI安全研究所（UK AISI）与艾伦·图灵研究所2025年10月的联合研究，在600M至13B参数、6B–260B token的72个模型上做了大规模实验，结论是：约250份精心构造的文档即可稳定植入后门，所需投毒量是"近似常数"而非"占语料的固定比例"。这意味着"语料池越大越安全"的直觉完全失效——模型规模扩张并不提高安全边际，只提高了清洗的必要性。需要说明的是，该实验针对的是使模型输出乱码的拒绝服务型后门，作者亦明示其结论能否外推到更大模型或更具危害性的行为仍待验证；它揭示的是"绝对数量而非比例决定攻击成败"这一结构性规律。

其二是医疗场景的下限。2025年《Nature Medicine》刊发的研究显示，仅替换预训练语料中 0.001% 的token，即可使模型产生有害的医疗输出。两个数字指向同一结论：语料安全不能依赖"污染占比很小"这一假设。

在这一层，真正有效的不是"检测某段文字是否为AI生成"（这类判别器在对抗条件下表现脆弱），而是三类结构性措施：近重复检测（GEO投放的典型形态是同一结论的多个改写版本，MinHash、SimHash一类近似去重可以成批识别）、来源分级准入（对政府网站、权威媒体、学术出版、行业数据库建立白名单，对可自主发布平台设置权重上限）、以及语料溯源（记录每批语料的采集来源与时间，使污染在事后可回溯到入口）。

中国监管侧已经在这一层落下了可计量的执法结果。中央网信办"清朗·整治AI应用乱象"专项行动第一阶段列出的七类问题中，第三类即"大模型训练语料安全"（训练语料审核把关不严、使用未经授权数据），第七类为"开源模型安全管理不到位"；截至2026年7月，第一阶段下架违规开源数据集9个。九个数据集的量级本身说明两件事：一是这一层已进入实际执法视野，二是取证与识别的能力仍处于早期——这正是后文所述"防御跑不过攻击"的制度性原因之一。

5.3检索层：让"能被抓到"不再等于"能被采信"

检索层是GEO攻击的主战场，因为生成式引擎的证据来源主要来自实时检索，而检索结果的可操作性远高于训练语料。

平台侧的规则正在收紧，且收紧的方式是"把新场景并入既有条款"而非另立新规。Google的核心口径是惩罚行为而非工具：其"规模化内容滥用"（scaled content abuse）政策定义为"大量生成页面的主要目的是操纵搜索排名而非帮助用户"，并强调"无论内容如何产生"。据Search Engine Land与Gizmodo报道，Google于2026年5月15日更新的政策中，将"试图操纵Google搜索中的生成式AI回答"写入了spam定义句，该表述与官方政策页当前文本一致。2026年6月发布的官方指南更进一步：针对用户可能搜索的每一种变体（含query fan-out）单独制作内容，若主要目的是操纵排名或生成式AI回答，即违反规模化内容滥用政策；同时点名llms.txt、内容切块、寻求虚假提及三类"可忽略"手段。

国内平台也已出现对象与处置方式都较明确的具体动作。澎湃新闻调查发现，DeepSeek已对内容收录和引用逻辑做出调整，重点清理批量生成、缺乏数据来源的排行榜，对类似榜单降权甚至不再引用。这条措施值得注意，因为它针对的不是"内容质量"，而是"内容形态"——"缺乏数据来源的排行榜"是一个可以被机械识别的结构性特征，识别成本低、误伤率可控。

但检索层防御有一个绕不开的前提问题：不存在跨引擎通用的规则。多伦多大学团队在1,000条排行榜类查询（覆盖智能手机、运动鞋、护肤、电动汽车等十个消费品类）上对比Google Search、GPT-4o、Claude 4.5 Sonnet、Gemini 2.5 Flash与Perplexity Sonar Pro，发现各AI系统的引用域名与Google前十结果的域名重合度普遍极低——GPT-4o最低，均值仅4.0%（标准差6.6%），其后为Gemini 2.5 Flash（11.1%）、Claude 4.5 Sonnet（12.6%）与Perplexity Sonar Pro（15.2%），组间差异经10,000次bootstrap重采样检验均达统计显著（p<0.001）；其中 GPT-4o的中位数重合度为0.0%，即在超过半数的查询中，其引用域名与Google前十结果毫无交集。同一研究还显示各系统的信源类型构成差异显著：Google相对均衡（earned 41%、social 34%、brand 26%），而AI引擎普遍偏向earned与brand-owned、系统性低配社交与社区来源（Claude 4.5 Sonnet为65% earned、仅1% social）。这意味着"信源分级加权"这类防御必须按各自的检索管线分别标定，无法跨引擎复用同一套参数——这也解释了为什么统一的效果度量口径如此难以建立（第6章将展开）。

5.4生成层：引用接地与"记忆优先于检索"的结构性漏洞

生成层是防御的最后一公里：即便检索到的材料已被污染，只要模型坚持"每一个事实性主张都必须能指回一个具体页面"，污染的影响面就会被限制在"能被引用的那部分内容"内。这就是引用接地（citation grounding）的原理。

这一层之所以必要，是因为模型并不总是先检索再回答。Chen与Koudas对158,099条回答、468,037次引用的分析给出了两条关键数据。其一，47% 的ChatGPT引用来自模型无需搜索即可点名的网站（对照组基准为25%）——被引页面本身就可能来自模型记忆而非检索。其二，当品牌未被问题本身点名时，其提及中有46% 找不到任何提及该品牌的被引页面作为支撑；处于模型"先验"中的品牌，在同等被引支持下被点名的几率是其他品牌的5.8倍。原文的表述极为精确：页面必须先被检索才会被引用，而品牌可以直接从记忆中被点名。

这解释了接地约束为什么有效，也划出了它的边界。上述多伦多大学研究在GPT-4o上做了受控扰动实验：随机打乱检索片段顺序（snippet shuffle）与实体名互换注入（entity swap injection），比较"常规接地"与"仅限证据的严格接地"两种条件。结果显示，对热门实体，排序在两种条件下都高度稳定（平均绝对排名偏移2.30与1.52）——模型主要调用预训练先验，检索只起确认作用；而对小众实体，常规接地下的排序对证据呈现顺序极为敏感（偏移4.15），施加严格接地约束后骤降至0.46。同一研究还发现，生成排名中平均有 16% 的实体未出现在任何被检索到的片段中——这部分内容既无检索支撑也无引用来源，是生成层防御的盲区。

这组对比给出的结论相当克制：接地约束在小众、低覆盖度查询上效果显著，在热门实体上几乎无法撼动模型既有的内部排序。而它同时解释了GEO攻击的选点逻辑——攻击主要瞄准长尾与小众实体，因为那里才是检索层可被操纵的窗口。防御资源若平摊到所有查询类型，效率不高；针对低覆盖度实体强化检索层的多源交叉验证与接地校验，边际收益最高。

5.5训练层：崩溃动力学与"耐受阈值"的真实含义

训练层要解决的是最难的问题：当污染已经进入语料，模型能否在被污染的环境中保持能力。

第一，递归污染会导致模型崩溃。 Shumailov等2024年发表于《Nature》的研究证明，用AI生成的内容递归训练后续模型，会导致不可逆的退化：模型逐渐"忘记"真实数据的分布，尾部信息首先消失，输出趋于同质化与无意义。研究者将这一现象命名为 model collapse（模型崩溃）。这项研究常被误读为"只要保留一定比例的真实数据就能避免崩溃"——10% 是该研究的一组实验设定值，不是安全阈值；原文的结论是崩溃过程在混合比例较高时被延缓而非消除，且尾部信息仍会率先退化。污染的代价因此不只是"某条错误信息被输出"，而是整个模型认知能力的持续退化。

第二，缓解路径存在，但只提升阈值而不提供免疫。 2026年《npj AI》（Nature子刊）的ForTIFAI研究提出置信度感知损失（TCE/Focal Loss）等训练侧干预，可将模型耐受合成数据的能力提升至 2.3倍以上，并开源了混合数据崩溃动力学基准。这提示训练层的正确目标不是"过滤掉所有合成数据"（在合成数据占比持续上升的现实中已不可能），而是"控制合成与真实的混合比例、并对低置信样本降权"。

第三，训练层防御的核心资产是溯源而非检测。 与数据层同理，训练完成后无法再删除某条语料，只能在新一轮训练中修正。这意味着投毒一旦成功，其影响会跨越模型版本延续——这也是第3章将污染定性为"基础设施问题"的技术依据。

5.6标识层：让"AI生成"成为可核查的事实

前四层处理的是"内容是否可信"，标识层处理的是另一个问题：用户是否有能力知道这条内容的来源与生成方式。这是唯一一层直接面向公众的制度性防御。

中国已建立"办法＋强制标准"的组合。《人工智能生成合成内容标识办法》与配套强制性国家标准GB 45438—2025《网络安全技术人工智能生成合成内容标识方法》于2025年9月1日同步施行；办法第十条禁止恶意删除、篡改、伪造、隐匿标识，强标则将显式标识的时长、尺寸与隐式标识要素量化为可核查的技术项。据CNNIC介绍，GB 45438—2025是人工智能领域发布的首个强制性国家标准，与办法共同构成"1+1+N"标识工作体系。

域外路径相近。欧盟《人工智能法》第50条透明度义务自2026年8月2日起适用：生成式系统的输出须带机器可读标记以供检测，深度伪造须标注，未经理性审校的公共利益文本亦须标注，违规最高可处1,500万欧元或全球年营业额的3%。

标识层的边界必须说清：它解决的是"这是不是AI生成的"，不解决"这是不是真的"。 一条由GEO服务商使用人工撰写、但内容虚构的软文，即便完全合规地标注了"由AI辅助生成"，仍然完成了投毒。因此在五层之中，标识层的作用是降低追责成本、提高公众警觉，而非阻断污染。它的价值在于使"事后追责"成为可能——而这恰恰是当前治理最缺的一环。

5.7三处失效点：为什么防御总是慢一步

把五层放在一起看，防御体系是完整且逐层递进的。但完整不等于有效，有三处结构性失效点必须写明。

第一，攻击成本恒定而防御成本递增。 250份文档即可植入后门，意味着攻击方的最小投入是常数；而防御方需要清洗全部语料、校验全部检索结果、约束全部生成输出，成本与系统规模同向增长。这是一个典型的不对称博弈，无法靠单点技术优化逆转。

第二，规则透明度本身不对称。 Google已就生成式AI场景给出明文规则并发布官方优化指南；但ChatGPT、Perplexity、Claude等引擎的检索与引用逻辑至今没有同等透明度的公开规则（详见第4章）。国内的情况同样如此——据澎湃新闻核实，包括豆包、DeepSeek、千问、腾讯元宝、文心一言、Kimi在内的主流模型平台方，至今未明确出台关于GEO优化内容的规范。在一个规则不公开的系统中，"合规"无法被定义，"违规"也无法被举证。

第三，效果不可审计。 优化行为发生在模型推理之外，效果以概率方式呈现。"谁投的毒、投给谁、造成多大损害"难以固定，这使得前述五层防御所产生的一切判断都缺乏外部复核的可能。第6章将说明，这也是各项治理文件当前优先解决"怎么量"而非"罚多少"的真实原因。

小结

模型识别与规避劣质内容的能力，已经从"没有"发展到"分层且部分有效"：数据层的近重复检测与来源分级、检索层的政策收紧与形态识别、生成层的引用接地、训练层的混合比例控制、标识层的强制标注，各自都有可验证的效果。但四章以来的证据共同指向一个判断：防御的效果高度依赖"污染尚未进入系统"这一前提，而这个前提正在被侵蚀。

更根本的一点是，防御方在技术层面永远处在被动位置——它必须为所有可能的攻击面做好准备，而攻击方只需找到一个未被覆盖的窗口。这也正是本报告主张"治理不能只依赖技术防御"的原因：技术防御决定污染的上限，制度约束决定污染的下限，而公众的核验能力决定污染的实际发生量。三者缺一，五层防线都会出现漏洞。

6.1监管侧：从"有没有规则"到"能不能执行"

GEO治理并非从零立法，而是既有规则向新场景的延伸。2025年3月，网信办、工信部、公安部、广电总局四部门联合发布《人工智能生成合成内容标识办法》（国信办通字〔2025〕2号），与配套强制性国家标准GB 45438—2025《网络安全技术人工智能生成合成内容标识方法》于2025年9月1日同步施行。这是我国AI领域首次以"办法＋强标"组合落地：办法第十条禁止恶意删除、篡改、伪造、隐匿标识，强标则将显式标识的时长、尺寸与隐式标识要素量化，使原则性要求变成可核查的技术项。

广告监管侧同步收紧。市场监管总局广告监管司于1月29日发布《2026年全国广告监管工作要点》，第（十一）条明确，"聚焦直播电商广告、引证广告、AI生成广告等互联网广告监管重点难点问题，开展集中整治"。2026年4月，总局又印发《关于深化互联网广告生态治理工作的通知》与《互联网广告市场秩序整治重点任务》，首次提出"互联网广告生态治理"概念，要求"加快完善……人工智能生成式广告……等方面的监管规则"，并部署为期半年的整治行动。

最直接的针对性动作来自网信部门。2026年4月30日，中央网信办部署为期4个月的"清朗·整治AI应用乱象"专项行动，第一阶段七类问题中第四类"AI数据投毒问题"点名列入"使用GEO（生成式搜索引擎优化）技术恶意营销"。截至2026年7月，第一阶段累计处置违规AI产品1.4万余款、清理违法违规信息600余万条、处置账号2.6万余个。

法律适用上，第3章所述三类乱象已有大致对应的责任基础：商业推广伪装为客观答案、AI生成内容不标注，指向《广告法》的可识别性要求；批量伪造测评、刷虚假好评影响竞争对手，则落入2025年6月修订、同年10月15日施行的新《反不正当竞争法》——该法明确经营者不得利用数据和算法、技术、平台规则实施不正当竞争，不得通过"虚假评价"方式帮助他人实施虚假宣传。2026年全国两会期间，已有代表与专家建议在《反不正当竞争法》中进一步明确GEO技术使用边界、打通"从GEO服务商到委托商家"的全链条追责路径，说明立法层面仍在补缝。

域外已出现带罚则与时间点的可执行义务，且三条线同步收紧。 其一，Google于2026年5月15日更新搜索垃圾内容政策的开篇定义，将"操纵生成式AI回答"正式写入spam定义句：新表述为"……techniques used to deceive users or manipulate our Search systems into featuring content prominently, such as attempting to manipulate Search systems into ranking content highly or attempting to manipulate generative AI responses in Google Search"，而旧表述仅止于"……manipulate our Search systems into ranking content highly"。这意味着针对AI Overviews、AI Mode的操纵行为从此有了明确的违规认定入口。其二，欧盟《人工智能法》第50条透明度义务自2026年8月2日起适用，要求生成式AI提供者为输出加注机器可读标识、部署者对深度伪造及未经人工审核的公共利益文本作出明确标注，违规最高可处1,500万欧元或全球年营业额3%。其三，《数字服务法》对月活超4,500万用户的超大型平台（VLOP）与超大型搜索引擎（VLOSE）施加系统性风险义务：须识别、分析与评估其服务相关的系统性风险并采取缓解措施，每年至少接受一次独立审计，并向委员会及经审核的研究人员开放数据。

判语：中外监管的共同方向已经明确——从"有没有规则"转向"能不能执行"，且节奏基本同步：中国以"强制标识＋广告整治＋清朗行动"三线并进，欧盟以"AI法透明度义务＋DSA系统性风险审计"双层夹击，Google则以平台政策更新自行补上了对生成式回答的规制缺口。真正的堵点仍有二：一是责任主体认定，GEO链条上有品牌方、服务商、发布平台、模型方四方，损害由谁承担尚无稳定裁判尺度——上海申伦律师事务所律师夏海龙说得更为直接：此类乱象若未损害特定民事主体的合法权益，法律上便"没有一个适格的主体来主张法律上的权益"；且鉴于SEO领域虽已有商标权与不正当竞争的成熟判例，"目前关于GEO应该还没有类似的判例"。也就是说，责任主体与请求权基础两端目前都是空白。二是取证，优化行为发生在模型推理之外，效果以概率方式呈现，"谁投的毒、投给谁、造成多大损害"难以固定。浙江垦丁律师事务所主任律师张延来的观点提示了可能的突破口：若平台在明知或应知大量异常数据"投毒"时未采取有效清洗与来源验证措施，应对扩大的损害承担连带责任。值得注意的是，DSA的年度独立审计义务为"效果可审计"提供了现成的制度参照——这正是中国侧目前最缺的一环。

6.2自律与标准：从"表态"到"可核验的尺子"

第一层是倡议与承诺。 2025年11月19日，在中国商务广告协会AI营销应用工作委员会指导下，华润三九、宏盟媒体集团、WPP Media、电通、阳狮集团、微博、知乎、明略科技秒针系统、夜莺科技、新锶科技、源易信息、氧气科技、PureblueAI清蓝、质安华共14家单位发起《中国GEO行业发展倡议》，提出五项原则：用户为本价值导向、坚守真实拒绝虚假、科学优化反对污染、公平竞争光明竞合、开放协作共建生态。2026年2月3日，中国人工智能产业发展联盟（AIIA）第十六次全会上，光引GEO、引擎智数、氧气科技、明略科技、蓝标传媒、WPP Media、知乎、耐特康赛、元聚变、清蓝智汇10家企业签署《人工智能安全承诺：生成式引擎优化（GEO）专项》，承诺建立可信管理机制、审核客户材料与证明文件、抵制语料轰炸与关键词堆砌等投机手段、留存操作记录并探索嵌入数字水印或元数据标签。

第二层是可评测的标准。 中国信通院人工智能研究所于2026年3月3日正式启动首轮《生成式引擎优化（GEO）服务可信基本要求》评测工作；标准AIIA/T 0277—2026由信通院联合20余家产学研单位制定，从管理机制、客户材料审核、优化手段、优化结果、长远发展五个维度提出17项细分指标，并依托"铸基计划"开展六维度能力完备性测评，首轮全国专项评测于5月完成，7月28日AIIA安全治理委员会专题会公布第二批通过单位名单。此后标准供给密集落地：7月，中国商业联合会T/CGCC 119—2026《商贸流通业生成式引擎优化（GEO）智能营销技术服务规范》经全国团体标准信息平台公布并实施，发布日期2026年6月24日、实施日期7月1日；8月11日，由新华网数字经济事业中心、新华社媒体融合生产技术与系统国家重点实验室牵头，复旦大学、北京邮电大学等30余家机构参与编制的T/CAPT 026—2026《生成式引擎优化（GEO）可信信息传播与信息生态治理规范》发布，首次划出"白帽GEO"与"黑帽GEO"界限，禁止语料投毒、答案霸权、伪共识制造与提示词注入攻击，建立来源可信度A/B/C/D四级分级与全链路追溯，并提出事实库、观点库、营销表达库"三区分治"。

协会标准则补上了最贴近交易的一环。中国商务广告协会归口的T/CAACCHINA 001~005—2026五项团体标准于2026年9月14日公布，10月16日在上海举行发布会，41家参编单位、75位专家共同完成编制，五个部分各有分工：第2部分《服务商评估规范》将服务商分为六类并给出A—D四级评估；第3部分《计价、评估与测量规范》定义七类计价最小单元、五种计价模式与可见率、可见份额等九项效果指标；第4部分《可信语料规范》建立权威性、专业性、真实性、时效性、内容质量五维度的语料可信等级与信源准入机制；第5部分《服务流程合规与安全要求》确立"可审计、不越界、不承诺"三条底线。此外，中国广告协会三项GEO团体标准自2026年10月23日起实施。

判语：中国商务广告协会代理会长丁俊杰在发布会上的表述可作本节注脚——"监管划定红线，重在纠偏；团体标准建立底线，重在正向引导"。至此中国已形成"办法＋强标＋行业倡议＋安全承诺＋可信评测＋团标矩阵"的多层治理雏形，分工渐清晰：管技术的定底线、管传播的定可信、管商贸流通的定场景、管交易的定价格。"不可承诺事项清单"与服务商A—D分级尤其值得注意——前者直接封堵了"保证排名"类话术，后者让采购方第一次有了横向比对的第三方依据。但缺口同样明显：多数标准仍属团体标准或自律文件，缺乏强制力；不同标准对"可见率""引用率"的定义与采样口径尚未完全统一；评测结论普遍声明不对最终效果兜底。标准已立起来，能否成为市场准入的硬约束，取决于后续是否与执法、平台规则挂钩。

6.3趋势判断：三条正在发生的主线

其一，评估范式从"排名"转向"被引"，GEO与SEO走向融合而非替代。 Google官方《针对生成式AI搜索进行优化》文档明确写道："SEO最佳实践仍然适用，因为Google搜索中的生成式AI功能以我们的核心搜索排名和质量系统为基础"，并直言"从Google搜索的角度看，针对生成式AI搜索进行优化，就是针对搜索体验进行优化，因而仍然是SEO"。该文档同时点名否定llms.txt、内容切块、AI专用改写、制造提及等流行"AI优化"手段。这意味着"SEO已死"是被夸大的叙事，变化的只是计量单位：从"位次＋点击"迁移到AI可见度指数、答案中的Share of Voice、引用率与情感倾向——Semrush的AI Visibility Index已于2025年10月将SoV改为按prompt量加权；中国团标则把可见率、可见份额等九项口径写入标准，并建议覆盖不少于5个引擎、3个城市，单一引擎样本占比不超过80%。

其二，平台与服务方的长期动态博弈不会停止。 只要AI答案能直接驱动交易，反制就有持续动力：Fractl与Search Engine Land基于101万关键词的研究显示，18% 的消费者曾据AI推荐直接购买而未做任何验证。国内一线的观察与之吻合——蓝耘战略市场总监袁双燕指出，当越来越多企业通过GEO影响AI输出，"模型方为了维护搜索结果的公正性和权威性，必然会调整算法、加强反制机制"，平台反制是"必然的动态博弈"；她还透露，目前国内所有主流AI模型均未开放基于GEO优化的官方API接口，服务商实际是在与持续迭代的"黑盒系统"打交道。技术侧的应对也因此从"经验活"转向"用算法理解算法，用模型对抗模型"（袁双燕语）。反制已经落地为具体动作：DeepSeek已对内容收录和引用逻辑做出调整，重点清理批量生成、缺乏数据来源的排行榜，对类似榜单进行降权甚至不再引用；Google则于2026年5月把"操纵生成式AI回答"写入spam定义，并对"你的钱或你的生活"类查询设置更高信源门槛。技术层面的攻防细节已在第5章展开，此处只强调一点：技术能力建设不等于治理规则供给。

其三，品牌可信度正在资产化，而市场规模的上行并不自动带来质量改善。 Gartner预测到2027年公关与earned media预算将翻倍，且95% 以上被AI引用的链接为付费以外内容、27% 直接来自earned media。这与标准侧取向一致：T/CAPT 026—2026将政府部门、权威媒体纳入来源可信度最高等级，主流媒体也在主动入场——新华网发布"新华GEO智能体平台"、人民网发起"主流价值语料生态联盟"、北京日报社成立聚合900余家权威信源的"大模型纯净语料共建·京报信源联盟"。

市场侧的增长是确定的，但这个市场的规模至今没有被定义。对2026年中国GEO市场规模，中国商务广告协会AI营销应用工作委员会披露约30亿元，易观分析《中国GEO行业发展报告2026》同样给出约30亿元、2027年预计突破90亿元，爱分析则预测48亿元，并称2030年将达1,376亿元；中国信通院《2025生成式引擎优化产业白皮书》口径为截至2025年底42亿元、年复合增长率38%，据媒体转引的信通院白皮书口径，超过68% 的大中型企业已将GEO纳入年度营销预算——该白皮书原文未见公开发布，此处系媒体转引。

更能说明问题的是，这组数字在同一机构体系内部也无法自洽。披露30亿元口径的谭北平，同时担任中国商务广告协会AI营销应用工作委员会办公室主任与秒针营销科学院院长；另有一篇由中国日报网合作方专栏频道发布的从业者专栏，转述同一口径为"2026年国内GEO市场规模预计达30亿元，同比增长1100%"，据此反推的2025年基数约2.5亿元，与秒针营销科学院自身给出的2025年29亿元测算相差逾十倍——即便不采用这一反推，仅将30亿元（2026）与29亿元（2025）并列，也只意味着约3% 的同比增幅，与"爆发式增长"的行业叙事直接冲突。同一测算体系另给出后续年份240亿元的预测值，但那是基于SEO市场规模与GEO渗透率推算的建模测算，并非统计值，不能与30亿元这类统计口径并列。这意味着分歧的根源不是"机构之间测不准"，而是统计边界尚未统一：是否计入AI广告投放、SEO增值服务与工具订阅，计服务商营收还是品牌预算，各方并不一致。国际侧同样如此，Gartner于2024年12月指出全球GEO服务市场规模已突破12亿美元、2026年预计达35亿美元。

本报告判断：一个连自身规模都无法定义的行业，很难指望其自我约束——这也解释了为何6.2节所述各项标准都在优先解决"怎么量"（计价最小单元、效果度量口径、服务商A—D分级），而非"罚多少"。治理的优先级应当是先定义、再度量、后问责：在统计边界与效果口径尚未收敛之前，单纯加大处罚力度既缺乏裁量基准，也难以形成稳定预期。规模上行与内容质量改善并不自动同步，增长的质量，取决于治理能否跑赢灌水的速度。

6.4良性发展路径：四类主体的可执行动作

技术本身不是问题的源头，使用方式才是。以下为本报告基于前述事实与判语提出的建议。

面向监管方：（1）在《广告法》适用指南或《反不正当竞争法》配套规则中明确GEO服务商的独立责任主体地位，避免"品牌方不知情、服务商无资质、平台不担责"的三不管；（2）要求投放侧效果可审计——留存投喂语料、发布账号与修改记录，使"投毒"事后可回溯，可参照DSA对超大型平台的年度独立审计机制设计本土化版本；（3）与网信办"涉AI应用乱象举报专区"打通，建立虚假AI内容的快速核验与下线通道，压缩从发布到扩散的窗口期。

面向平台与模型方：这一组建议并非泛泛而谈——据澎湃新闻核实，包括豆包、DeepSeek、千问、腾讯元宝、文心一言、Kimi在内的国内主流大模型平台方，至今仍未明确出台关于GEO优化内容的规范，服务商实际是在无规则的黑箱中作业。据此建议：（1）将引用接地（citation grounding）设为生成侧默认能力，答案中的事实性主张须附带可点击信源，缺失时主动降低置信表述；（2）公开信源分级的基本规则与调整记录，让优化行为有稳定预期——Google于2026年5月把"操纵生成式AI回答"写入spam定义，是可直接借鉴的透明化做法；（3）对短时间内跨平台批量出现的同质化内容实施降权，并对被识别为语料投毒的信源作负向标记。

面向服务商：（1）拒绝"保证排名""7天霸屏""负面压制"类承诺，将"不可承诺事项清单"写入合同附件——这是团标已给出的现成工具；（2）交付可验证的监测报告，说明采样引擎数、城市数、样本量与统计口径，而非单张截图；（3）主动签署并遵守《人工智能安全承诺：GEO专项》，通过AIIA/T 0277—2026等第三方评测，并接受协会标准的服务商A—D分级——团标第5部分已将"可审计、不越界、不承诺"确立为服务流程合规的三条底线，服务商可直接将其内化为合同与交付标准。

面向品牌方：（1）把earned media与权威第三方背书作为主路径，付费投放作为辅助，而非相反；（2）建立自身内容的可溯源体系——产品参数、资质、案例、价格统一结构化，并在政府网站、权威媒体、行业数据库间形成互相印证；（3）不采购无标准依据的效果承诺，将标准符合性与监测可复现性写进招标条款，对宣称规模与效果的数字要求说明测算方法。

南京小裂变网络科技有限公司创始人张东晴的话可作为全文落点："GEO是服务于品牌传播的技术工具，技术本身无对错，关键在于使用者的合规底线与价值导向"。本报告第1章将GEO界定为信息分发权力转移的伴生物，第3章论证了它在缺乏约束时如何滑向语料投毒与伪共识制造；本章则表明，约束正在生成——以强制标识为底线，以可信评测与团体标准为尺子，以平台反制为常态化压力。GEO的终局，不会是"谁更能操纵答案"，而是"谁的事实更经得起交叉验证"。

一、三个问题的回答

GEO因何催生？ 直接原因是入口迁移与点击消失，根本原因是信息分发权力的转移。当答案由模型合成、来源被折叠，品牌面对的不再是一个可竞争的位置，而是一次不可见、不可购买、只能间接影响的内部判断。这种间接性同时催生了需求与投机：需求方无法验证效果，供给方无法承诺结果，双方只能靠"数量"作为唯一的可视化凭据——而数量恰恰是最容易被伪造的东西。

现状如何？ 需求真实、供给草莽、标准缺位。中国GEO市场在2026年尚无统一定义，机构口径落在30亿至48亿元区间，营销口径则流传到120亿、286亿乃至940亿元，相差数倍至数十倍且无一披露测算方法；服务商群体以SEO代理商的"话术平移"为主力，报价跨四个数量级，交付物普遍是截图；效果度量长期无共识，直到2026年下半年团体标准与可信评测才落地。与此同时，污染已经形成完整产业链，并已从"自抬身价"扩散到"攻击竞品"与"操纵资本市场认知"。

未来走向何处？ 三条主线正在同时发生：评估范式从"排名"转向"被引"，GEO与SEO走向融合而非替代；平台与服务方的动态博弈不会停止，反制已从原则宣示落为具体动作；品牌可信度正在资产化，earned media与权威信源的价值被重新定价。但市场规模的上行并不自动带来质量改善——增长的质量，取决于治理能否跑赢灌水的速度。

二、五个判断

1. 判断一：污染不是道德问题，是激励结构问题。实证已经证明"把页面做好"几乎无效（页面属性解释站内引用差异的2.8%），而"让第三方替你说"带来数十倍增益，且robots.txt不构成阻隔。在这样的激励下，批量制造内容不是个别从业者的失范，而是理性选择。因此，任何以"加强从业者自律"为核心的治理方案，都必须同时改变激励，否则只能收获表态。
2. 判断二：GEO的效果不确定，并不削弱其危害，反而加剧危害。从业者承认"如果有人可以保证效果，那一定是在骗人"；但投毒者不需要承诺"必然出现"，只需低成本制造大量不可核验、无法归因的噪声。效果的不确定性与不可归因性，正是污染得以持续的经济基础。
3. 判断三：真正的治理瓶颈是"能不能量"，而不是"罚多少"。各项标准当前优先解决的问题是计价最小单元、效果度量口径、服务商A—D分级，而非罚则——这不是避重就轻，而是顺序正确。在统计边界与效果口径尚未收敛之前，处罚既缺裁量基准，也难以形成稳定预期。
4. 判断四：技术防御决定污染的上限，制度约束决定下限，公众核验能力决定实际发生量。五层防御（数据、检索、生成、训练、标识）各自有效，但都建立在"污染尚未进入系统"这一前提上，而这个前提正在被侵蚀。攻击成本是常数、防御成本随规模递增，这是一场无法靠单点技术优化逆转的不对称博弈。
5. 判断五：海外并非"没有GEO"，而是"有概念、有资本、有规则"。概念的提出方在海外，资本赛道的成熟度高于国内，平台规则的透明度也领先——Google已就生成式AI场景给出明文规则并发布官方指南，而ChatGPT、Perplexity、Claude等引擎的检索与引用逻辑至今没有同等透明度的公开规则，国内主流模型平台方亦未明确出台GEO内容规范。这意味着"海外治理基线"本身是分层的，不能整体照搬。

三、五点建议

第一，把"定义"作为治理的第一动作。 建议由行业协会牵头，联合统计机构与研究机构发布统一的GEO市场统计口径与效果度量定义，明确是否计入AI广告投放、SEO增值服务与工具订阅，明确计服务商营收还是品牌预算。没有统一定义，"市场规模"只是一个营销数字，无法支撑政策设计。

第二，把"可审计"写进交易环节。 建议在服务合同层面强制要求留存投喂语料、发布账号与修改记录，使"投毒"事后可回溯；监管侧可参照欧盟《数字服务法》对超大型平台的年度独立审计机制，设计本土化的效果审计要求。这是把"不可归因"这一污染的经济基础拆掉的关键一步。

第三，把"责任主体"明确到服务商。 GEO链条上有品牌方、服务商、发布平台、模型方四方，目前责任分散到无人担责。建议在《广告法》适用指南或《反不正当竞争法》配套规则中明确GEO服务商的独立责任主体地位，避免"品牌方不知情、服务商无资质、平台不担责"的三不管。

第四，把"信源分级"从标准变成接口。 现有团标已建立来源可信度分级与"三区分治"（事实库、观点库、营销表达库），但这些规则目前只约束服务商，不约束引擎。建议推动平台公开信源分级的基本规则与调整记录，使优化行为有稳定预期——Google把"操纵生成式AI回答"写入spam定义，是可借鉴的透明化做法。

第五，把"核验能力"交还给用户。 标识层解决的是"这是不是AI生成的"，不解决"这是不是真的"。建议在生成侧将引用接地设为默认能力，答案中的事实性主张须附可点击信源；同时推动建立虚假AI内容的快速核验与下线通道，压缩从发布到扩散的窗口期——3·15案例中，这个窗口只有两小时。

四、研究局限

本报告存在三处明确局限，需提请读者注意。

其一，数据时效与可得性。GEO行业变化极快，部分数据取自2026年上半年，且多个关键数字仅有媒体转引而无原文（如信通院白皮书的42亿元与68%），本报告已逐处标注其性质，但无法完全消除不确定性。

其二，海外样本的代表性。第4章的海外观察主要基于公开融资信息、平台官方文档与学术文献，对海外服务商的实际作业方式缺乏同等的田野调查，因此"海外风险集中在引用购买与算法对抗"这一判断属于推论而非实证。

其三，效果数据的缺失。由于引擎侧检索与引用过程不可观测，本报告无法给出"GEO投入—引用增长—商业转化"的完整链条测算，只能呈现各环节的截面证据。这一空白本身也是行业问题的一部分，第6章已将其列为治理优先项。

结语

本报告对GEO的立场可以概括为一句话：技术本身无对错，但激励结构有优劣。

GEO提出的要求是正当的——把企业的事实整理清楚、结构化、可交叉验证，让模型能够准确理解并引用。这件事做对了，对用户、对企业、对模型都是增益。真正需要被约束的是另一件事：用数量冒充共识，用信息密度冒充可信度，用"看起来像独立来源"冒充独立来源。

当用户把提问交给AI，AI把答案建立在被操纵的语料之上，被侵蚀的不只是某一个品牌的声誉，而是整个社会获取真实信息的能力。这也是本报告把GEO污染定性为"公共信息基础设施污染"而非"营销灰色地带"的原因。

治理的路径已经清晰：先定义、再度量、后问责。节奏取决于三方能否同步——监管给出可执行的红线，平台给出透明的规则，行业给出可核验的尺子。三者缺一，五层防线都会出现漏洞。

GEO的终局，不会是"谁更能操纵答案"，而是"谁的事实更经得起交叉验证"。

本报告在研究与写作过程中对所引来源实行四级分级。凡同一结论存在多源冲突时，处理原则列在每项之后。

A级：可定位的学术原文与官方文件。 包括同行评议论文（KDD 2024、Nature、Nature Medicine、npj AI）、预印本（arXiv）、平台官方政策与指南（Google Search Central、欧盟委员会）、监管机构原文（中央网信办、市场监管总局、国家标准化管理平台）、强制性国家标准与团体标准（GB 45438—2025、AIIA/T 0277—2026、T/CGCC 119—2026、T/CAPT 026—2026、T/CAACCHINA 001~005—2026）。此类来源均经原文核验，涉及精确数字时要求能在原文正文、章节或表格中定位。

B级：一手行为数据与方法可查的机构研究。 包括Pew Research Center的真实搜索行为追踪、Similarweb的访问量统计、Seer Interactive的纵向CTR研究、Gartner的预测、Fractl与Search Engine Land的关键词实测。此类来源的样本与口径差异极大，本报告的处理方式是只采用方向一致的结论，不取单一数值——例如"AI概览覆盖率"一项，不同机构测量在15%—43% 之间大幅波动，本报告因此不给具体值，只指出分歧本身即是信息生态失序的征兆。

C级：主流媒体的一手调查。 包括央视3·15晚会、澎湃新闻、证券时报、经济日报、南方周末、界面新闻等的实地调查与暗访。此类来源构成本报告第3章的主要证据基础，其价值在于提供了产业链内部的操作细节与价格结构。使用时要求与至少一个独立来源互证，或由从业者具名自述。

D级：机构转引与从业者专栏。 包括媒体转引的政府或机构数据（如信通院白皮书口径）、带推广性质的从业者专栏、服务商报价页与自媒体白皮书。此类材料不作为规模或效果的证据，仅在讨论"口径混乱"这一现象时被引用，并在正文中逐处标注其性质。报告中没有采用任何仅有D级来源支撑的关键数字。

三处主要口径冲突的处理

其一，市场规模。 2026年中国GEO市场，本报告采用30亿至48亿元区间：中国商务广告协会AI营销应用工作委员会与易观分析给30亿元，爱分析给48亿元；中国信通院白皮书口径为42亿元，但该白皮书原文未见公开发布，正文已注明"系媒体转引"。流传于营销渠道的120亿、286亿、940亿元因无测算方法披露，不予采信。处理原则：给出区间而不给单点，并披露区间成因（统计边界未定义）。

其二，"同比增长1100%"。 该数字存在于中国日报网合作方专栏频道发布的一篇从业者专栏，非编辑部报道，且含服务商推介内容。本报告的写法是双路径并列：一条是零推导的路径（30亿元与29亿元两个各有独立出处的数字并列，只对应约3% 增幅），另一条是转引路径（据此反推2025年基数约2.5亿元，与29亿元相差逾十倍）。处理原则：两条路径指向同一结论，任一条被质疑另一条仍成立。

其三，引用与归因数据。 arXiv:2508.00838与arXiv:2610.15033两篇文献的若干数字存在"全样本"与"分引擎／分站点"两个层级，若混用会产生自相矛盾的表述。本报告的处理是双层级并列呈现并标明层级：全样本15.6% 未访问网页、30% 未提供引用；分引擎Gemini 34% 未访问、92% 未提供引用，GPT-4o 24% 未访问、25% 未提供引用；Perplexity Sonar未访问仅1.9%，正是它将全样本拉低。凡涉及46% 时，一律保留"品牌未被问题本身点名"这一限定与"预印本"这一性质说明。