315晚会曝光“AI投毒”，可能带来反效果
315晚会报道了“AI投毒”，这事可能会起到反效果。自从315报道说苹果、iPhone质量不好之后，我对315晚会的看法就一直比较谨慎。这一次，315终于瞄准了AI，讲的是所谓的“GEO投毒”。
什么是GEO投毒：生成式引擎优化的“投毒”产业链
现在出现了一种叫GEO投毒的方式，也就是“生成式引擎优化”的投毒手段，而且已经形成了产业链。涉及的企业包括所谓的GEO服务商（例如被提到的“力擎GEO”）、各大发稿平台，以及虚假内容的制作方。
表面上受害的可能是豆包、千问、百度的文心一言等平台，但真正受害的是用户和消费者：大家通过这些AI平台看到假消息，甚至可能因此买到假货。
本质是SEO的AI升级：更精确、更高效率
所谓GEO投毒，本质上其实就是SEO（搜索引擎优化）的AI版升级，只是更精确、更高效率。它的核心逻辑是通过大量虚假信息投喂，去影响、控制AI模型的推荐与回答。
需要注意的是，这里绝对不涉及对模型本身的训练。很多模型在回答问题时，会先去搜索，再基于搜索结果生成内容；一旦搜索到的结果是错的，模型给出的推荐和回答自然也会错。
运作流程：发布—收录—引用—推荐—转化
它的运作流程大致是：发稿平台发布内容，AI自动爬取并收录，随后在用户提问时被引用、被推荐，最后实现转化。
相比传统SEO，这套玩法更麻烦的地方在于：AI更强调“故事要自洽”。如果有大量稿件都围绕同一件事，从不同角度反复印证、互相佐证，AI就更容易认为它可信，从而更倾向于推荐。
只要AI的输出存在可被总结的规律，就一定会有人顺着这些规律，把“愿意付钱的信息”推到用户面前去。至于信息真假并不重要，重要的是有人愿意为它付钱。
按效果收费的灰产生意：必须借助“可信平台”
这类服务的商业模式往往是按效果收费。过去可能需要一年花上亿的广告费，现在号称花几百万“投个毒”就能搞定。整个链条一般包括：
- 第一，GEO服务商；
- 第二，发稿平台；
- 第三，虚假内容生产方。
做GEO不可能只靠自己建个新网站，因为AI会对信息源的可信度做排名，新站往往不被信任、也未必会被爬取，所以必须借助看起来更“可信”的内容平台来承载这些稿件，等AI爬虫收录后再进入推荐链路，最终让消费者上当。
“投毒”这个说法为什么更容易传播
“投毒”这个叫法也很有传播效果。表面叫投毒，实际上就是内容灌水、虚假信息堆叠，但如果只说“灌水”，大家会觉得不过如此；一说“投毒”，就会让人感觉与自身安全强相关，更容易引发关注。
315案例：虚构“阿波罗手环”如何被AI当成事实
315曝光的案例里，有一个典型做法是编造根本不存在的产品，例如“阿波罗手环”。虚假内容制作方把相关信息投放到平台上，平台方不做核实就直接发布。按广告法，发布广告前应当核实，但这些平台并不在意。
发布后不久，推荐引擎就可能开始推荐该产品，AI也能够回答“阿波罗手环是什么”之类的问题，相当于完成了“入库”。接着他们持续发布更多文章，比如“阿波罗手环被专家推荐”“阿波罗手环有神奇功能”“阿波罗手环在哪里获奖”等等，通通不经事实核查。
AI为什么更容易“信”：故事自洽 + 来源打分
对AI来说，它会默认：这些刊载文章的网站应该核实过内容，甚至AI还会给这些网站打分、判断可信度。当它把多篇文章拼在一起，发现故事“严丝合缝、环环相扣”，就更容易把它当成可信事实进行推荐。过两三天你再去问“买什么手环”，它就可能把广告词整套推出来。
曝光后平台自救：豆包更快，DeepSeek更慢
事情曝光后，AI厂商开始反应和自救。内容上“最一本正经胡说八道”的被认为是DeepSeek，原因在于它缺乏大公司那种庞大的内容运营与核实能力，因此更容易出现看似严谨但实际错误的回答。网上也出现不少“DeepSeek说了这个、说了那个”的文章，在今日头条等平台还有流量，但越是这样越要警惕。
较早进行修正的是豆包。再问到阿波罗手环时，豆包会提示这是315曝光的虚假信息，提醒不要购买。一方面字节跳动背后有今日头条、抖音等平台，具备较强的“上层干预”能力；另一方面，GEO推荐特别依赖时效性。
旧新闻沉淀太久会降低推荐权重，而一批“最新专家推荐”的新文章更容易被推上来。此时315作为央视来源，权威性和时效性都很强，权重极高，能够迅速覆盖此前的虚假内容。豆包也做了部分道歉与更正；千问、百度文心一言等也快速更新，提示相关产品并不存在或为虚假信息。相对之下，DeepSeek的响应慢一些。
“会讲故事”在AI时代的另一面：灰产自动拼故事
过去我曾提到“AI时代需要会讲故事的人”。现在灰产其实就是用自动发稿机把一个故事拼齐，投放到互联网上，再让AI自己把这个故事“拼成事实”。
一个新产品被描述出各种功能，再配套“专家好评”、再配套“获奖信息”，并持续更新、持续讲述，最终AI推荐引擎或聊天引擎就可能把它当成真实事实输出，很多人也会选择相信。
讲故事本身并不是错，315这次反而验证了：AI确实可能被污染；同时，如果你不会按AI偏好的方式把内容组织好，可能你的产品连被AI“露出”的机会都没有。
GEO为何比SEO危险：三个原因
从概念上说，GEO是SEO的升级，但比SEO危险得多。SEO既有正面用法，也有灰色用法。正面用法是优化自己的网站，让更多人看到内容；灰色用法包括站群互引、刷外链、在各处大量发稿和刷评论等。
比如谷歌早期用PageRank根据“被引用次数”来评估网站可信度，于是就有人自己建大量网站相互引用来抬升排名。评论区刷屏也是常见灰产，甚至会被抓取并影响内容传播。谷歌与这些灰色手段对抗几十年，有一定进展，但手段更隐蔽、成本更高。
很多事情并非“坏就能干掉”，现实往往是持续加强防护与检验，让违规成本不断上升；最终愿意花钱的人依然可能通过竞争获得露出。
SEO产业链存在20多年，较为稳定，也形成了一套规则与“行规”。链接农场、发稿平台等很多资源在SEO时代就已存在。SEO的收益相对稳定：花多少钱、得到怎样的效果，大致可预期。
原因一：从“给一堆链接”变成“给唯一答案”
搜索引擎通常给出一堆结果，用户还需要自己点击、再判断一轮，虽然判断错误的概率很大，但至少还有一层筛选；搜索引擎也可以把责任推给用户：“链接都给你了，是你自己点的。”
而GEO往往给的是唯一答案：你问“哪个减肥药最好”，它直接给你一个结论，并配上理由、专家背书。这样一来，AI更难逃避责任，用户也更容易相信这一条“已经帮你挑过”的唯一结果。
很多人每天与AI沟通的时间甚至可能超过与家人的相处时间，信任建立后就更危险。
原因二：GEO更像黑盒，优化与纠错路径模糊
SEO的运作相对透明。为什么某网站排名第一，可以从外链、域名、权重等规则解释，谷歌也会公开部分排序思路、接受质询。
GEO则更像黑盒：为什么这次推荐A、下次推荐B，连模型开发者自己都未必说得清楚，而且输出不稳定，导致优化空间和纠错路径都很模糊。
原因三：平台可控性更差，版本迭代不确定
搜索引擎可以小步快跑地更新算法，针对某个节点做精细优化；而大模型版本更新常常是整体变化，无法保证“下一版一定更好”。对于持续投毒的灰产来说，平台的迭代速度和治理可控性都存在不确定性。
为什么说315曝光可能“适得其反”
我认为315对GEO投毒的曝光，反而可能适得其反。当前GEO市场的真实现状是：确实可能有效果，但效果很差、极不稳定，也不可验证。
原因之一是大模型输出不固定，同样的问题每次结果可能不同，因此很难像SEO那样承诺“花钱就排到前三，排不到就扣钱”。此外，GEO的成交归因也做不了：SEO可以通过链接、通道号、参数追踪知道成交来自哪里，从而结算费用；但大模型会把路径信息抽取、过滤掉，最终你很难证明成交到底是不是因为某次投放导致。
因为效果不可验证、归因不清，很多服务商其实并没有挣到钱，商家也不太敢持续给预算，而且若想维持效果还得不停投放、持续更新，成本与不确定性都更高。
“反效果”的逻辑：报道越高调，越可能刺激尝试
315曝光之后的“反效果”在于：原本很多企业还在犹豫是否要花钱尝试，现在一看上了315，可能就会挪出预算去试一试。“有枣没枣打三竿子”，预算一旦进来，灰产市场规模就可能被撑起来。原本在生死线边缘挣扎的投毒厂商，反而可能因此活下来。
更关键的是，315等于给“GEO投毒有效”贴了央视的金字招牌，而此前这种效果本来是不可验证的。有了金钱推动，技术会发展，模式会迅速膨胀。这有点像禁果效应：越是高调报道危害，越可能让原本不知道的人产生“我得试试”的冲动。
曾经美国媒体大幅报道摇头丸的危害后，反而让更多年轻人开始尝试，类似逻辑也可能发生在GEO投毒上。
治理是否可能：无法根治，只能长期攻防
至于治理GEO投毒有没有办法，结论是：不可能彻底干掉，就像SEO治理一样，20多年也没被彻底消灭，只能在攻防中不断迭代。平台方持续识别旧把戏，作弊方持续发明新套路，攻防成本不断上升。最终，愿意花钱的人仍可能通过各种方式获得流量。
与SEO时代的关键差别：平台治理动力不完全一致
GEO治理与SEO治理还有一个本质差别：SEO时代搜索引擎厂商有强动力治理，因为它们卖广告，治理越严，越能把需求引导到“正规投放”。但GEO时代，这种原始动力并不完全一致。
虽然OpenAI开始提广告，谷歌也号称会在AI Overview里放广告，但与GEO投毒并非完全直接对应，中间隔着一层，这也意味着治理路径仍需要继续摸索。
目前可能的治理方向
方向一：源头验证与信任分级
第一是源头验证法，也是谷歌、OpenAI等常见路径：给信息源建立信任等级，比如更信任路透社、央视等权威来源，对个人网站、社交媒体设置不同的信任指数，综合判断可信度，并输出“高、中、低”的置信评价。
它有一定效果，但问题是：被信任的网站也可能胡说八道，收录文章也未必核实，只能通过长期积累不断降低假消息比例。
方向二：建立“事实底座”（以Grok Wiki为例）
第二是更极端的方式，例如xAI的做法：一方面使用X上的最新数据进行一定验证，另一方面建立一个叫Grok Wiki的“事实底座”，把经过AI筛选和人工确认的信息存下来，再回答问题时去对照校验。
这样确实更难骗，Grok也被认为是最难被诱导的一类助手：消息新、且背后有一个“唯一正确”的底座。但风险也很大，因为Grok Wiki里的观点可能存在巨大争议。
马斯克认为的“真相”未必是所有人认可的真相；当“唯一真相”被确立，就可能被绑架或出现指鹿为马的危险。在某些地区如果缺少类似X这种可开放讨论的平台，又要建立唯一正确解，风险会更高。
方向三：用户责任与免责声明
第三是用户责任，也就是平台用免责声明让用户自我验证。现在无论是ChatGPT、Gemini还是Grok，页面底部往往都会提示：内容由AI生成，不能保证正确，使用前请自行核实。这在一定程度上也是一种责任转移。
现实中往往是多种方式混合使用：有内部事实库、有源头信任体系，也有免责声明。只不过有的事实库对外公开（如Grok Wiki），有的并不公开；某些地区也可能存在不对外公开的事实库，并且对很多内容“说不清楚”。
最后的建议
对消费者
- 不要相信GEO投毒未来能被彻底根治，这不可能。任何人如果承诺“彻底搞定”，都要警惕。
- 也不要太相信AI的结果，AI生成过程本质上不可控，尤其在医疗、金融、消费决策等领域要格外小心。
- 更不要因为“某个模型说得很肯定”就完全相信，AI往往会一本正经地胡说八道，越是信誓旦旦越要小心。
对内容创作者和企业
仍然要把故事讲好，把内容按AI更容易理解和收录的方式组织好。这里指的是正向的内容包装与表达，而不是灌水或投毒；如果不做这件事，在AI时代可能会吃亏。
对我自己以及每一位听众
还是继续讲好自己的故事，保持清晰统一的人设，做好“个人的GEO”。感谢大家收听，也欢迎大家点赞、点小铃铛、加入DISCORD讨论群，有兴趣有能力的朋友也欢迎加入付费频道。再见。
背景图片
