撰文｜畫畫

剛剛結束的315晚會上，一款從未存在過的產品，成為了AI的推薦答案。

它叫 Apollo-9 智能手環，沒有公司，沒有生產線，沒有真實用戶。

這款產品唯一存在的地方，是互聯網上的十幾篇文章。

這些文章幾乎在同一時間出現，內容高度相似：

• “健康監測領先行業。”

• “續航能力突破性提升。”

• “下一代智能手環代表產品。”

兩個小時后，當測試者向多款AI助手提問：

“有什么值得推薦的智能手環？”

Apollo-9 出現在了答案里。

AI給出的理由，幾乎逐字復述了那些文章里的描述。

唯一的問題是：這款產品，從來沒有存在過。

后來人們才知道，這一切來自一套新的工具：GEO優化系統。

它的工作方式很簡單，自動生成軟文，批量發布內容，等待AI抓取。

運營者甚至給這套技術起了一個非常直白的名字：

給AI投毒。

通過持續投喂內容，讓模型逐漸形成一種"共識"。當這種共識足夠多時，AI就會在回答中重復它。

這看起來像是一次黑灰產業曝光。

但如果把視角拉遠一點，會發現一件熟悉的事情正在發生：互聯網歷史，正在重演。

1、互聯網經歷過一次完全一樣的戰爭

20年前，人們對搜索引擎有一種近乎天真的信任。

輸入關鍵詞，排名靠前的網頁，就代表更權威的信息。

直到SEO產業出現。

企業開始研究如何影響搜索排名：關鍵詞堆疊、外鏈交易、站群網絡、內容農場……

很快，互聯網上出現了大量只為搜索引擎存在的內容。

最早遭遇沖擊的是 Google。2010年前后，搜索結果一度被"內容農場"占據，你搜索任何問題，出來的都是低質量的堆砌文章，它們唯一的目的，不是回答你，而是讓算法相信它很重要。

為了治理這些問題，Google推出了 Panda、Penguin 等一系列算法更新，這場治理持續了十多年。

在中國，這段歷史更加典型。

在搜索市場長期占據主導地位的百度周圍，曾經形成過一個龐大的SEO產業。企業做品牌推廣時，幾乎一定會做三件事：買競價排名、發SEO軟文、優化搜索結果。

許多企業的市場預算里，有一項固定開支就叫"SEO費用"。

那一代互聯網人后來逐漸意識到一件事：

搜索結果并不是客觀秩序，它是一種被不斷博弈出來的秩序。

而今天，大模型正在成為新的信息入口。

SEO也開始出現新的名字：GEO（Generative Engine Optimization）。

每一代信息入口，都會誕生一代"優化產業"。

搜索時代，人們優化的是排名。AI時代，人們開始優化的是答案。

2、每一代入口，都逃不掉

如果再把時間軸拉長一點，會發現GEO并不是第一次出現。

互聯網歷史上，每一代"入口"都會被迅速研究如何操控。

搜索時代，人們研究 SEO。

移動互聯網時代，人們研究 App Store 刷榜，刷下載、刷評分、刷評論，催生出完整產業鏈。

信息流時代，品牌開始研究算法推薦機制。買量、刷點擊、刷互動，成了另一套生意。

直播電商時代，刷銷量、刷評價、刷直播人氣，同樣的邏輯再次上演。

這些行為背后，其實是同一件事：

只要一個平臺控制了流量入口，就一定會有人研究如何影響它。

這不是某個壞人的選擇，這是商業的本能。

今天，AI正在成為新的入口。

所以GEO出現，其實是一件非常"互聯網式"的事情。

唯一的問題是，這一次，賭注更高。

3、AI為什么比搜索更容易被操控

很多人看到315實驗時的第一反應是：AI是不是還不夠成熟？

但問題其實更深。

搜索引擎的工作方式是：檢索信息，找到網頁，展示給用戶。

用戶仍然需要自己判斷。

而大模型做的是另一件事：生成答案。

它會綜合互聯網上的信息，然后給你一個總結后的結論。

這聽起來更方便，但也帶來一個根本性的風險。

如果互聯網上出現大量重復信息，模型會把這種重復當作"共識"。

這正是315實驗能夠成功的原因。

十幾篇軟文，模型看到的不是一家在推廣，而是多個來源都在提到。

這就導致它會判斷：這可能是一個被廣泛認可的產品。

于是直接把這些信息整理成答案，推薦給你。

從模型角度看，這是合理推理。

但問題在于：

概率并不等于真實。

搜索引擎操控的是"你能看到什么"。

AI操控的是"你以為真相是什么"。

在AI時代，謊言不需要被證明，只需要被重復。

4、比操控答案更危險的問題

GEO只是一個表象。

更深層的問題，是AI產業正在遇到一個新的工程挑戰。

過去幾年，大模型競爭的焦點是模型規模、算力投入、訓練效率。

但隨著模型越來越強，一些研究者開始意識到另一件事：

真正稀缺的，可能不是算力，而是干凈的數據。

大模型的訓練數據主要來自互聯網：新聞、論壇、博客、百科……這些內容構成了模型理解世界的基礎。

但互聯網本身正在發生變化。

越來越多的內容，其實是AI生成的內容、SEO優化的內容、GEO投喂的內容。

當這些內容不斷增加，大模型的訓練就會出現一個危險現象：

模型開始學習模型生成的內容。

AI研究界把這種現象稱為 Model Collapse（模型塌縮），模型不斷學習被污染的數據，逐漸偏離真實世界。

OpenAI 和 Anthropic 都曾公開討論過一個話題：高質量訓練數據正在枯竭。

如果互聯網越來越多的內容是自動生成的，未來AI學習到的，很可能只是自己產生的回聲。

一個只學習自己聲音的AI，最終會變成什么？

沒有人知道。

5、AI產業的下一場戰爭

如果說數據污染是技術問題，那AI產業接下來面對的，是一個更宏觀的挑戰：

信息治理。

早期大模型競爭，本質是工程能力競爭，誰的模型更大，誰的算力更多，誰的訓練更快。

但未來，大模型公司可能需要建立另一種能力：

管理信息的能力。

這包括數據來源可信度、知識溯源機制、信息更新體系。

這也是為什么越來越多AI產品開始強調引用來源、可驗證知識、檢索增強（RAG）。

AI產業正在從模型競爭，走向另一個階段：

知識體系競爭。

誰能建立一套更干凈、更可信、更難被污染的知識體系，誰才能在下一階段真正勝出。

這場競爭，才剛剛開始。

6、誰在決定答案

回看315曝光的那個實驗，它其實只是一個很小的案例。

但它揭示的，是一個更深層的變化。

在搜索時代，人們爭奪的是排名，誰排在第一頁，誰就獲得流量。

但在AI時代，用戶往往不會再點開十幾個網頁。

他們直接接受一個總結后的答案。

于是新的競爭開始出現：誰能影響答案。

過去20年，互聯網上的信息結構大致是這樣的：網站生產內容，搜索引擎負責索引，用戶自己判斷。搜索引擎只是入口，它決定"你能看到什么"，但不替你做結論。

而大模型改變了這件事。

AI不僅是入口，它還是解釋者。

用戶不再需要瀏覽十幾個網頁，也不再需要比較不同觀點。AI會直接給出一個總結后的答案。

當信息結構從信息分發變成答案生成，一個新的問題就出現了：

誰在決定答案？

在搜索時代，人們爭奪的是排名。

在AI時代，人們爭奪的是：知識在AI里的位置。

如果一個品牌長期出現在AI推薦中，它就會逐漸變成一種默認選擇。

答案即流量，流量即權力。

而一旦答案本身可以被優化、操控、投喂，AI就會面臨一個更古老的挑戰：

信任。

【版面之外】的話：

搜索時代，用戶還可以點擊不同網頁交叉驗證。但在AI時代，你看到的，往往只有一個結論。

如果這個結論被操控，你甚至很難意識到。

20年前，人們學會了一件事：如何讓搜索引擎相信自己。

20年后，一群人正在研究另一件事：如何讓AI相信謊言。

所以AI產業真正需要解決的問題，也許不是模型能力。而是另一件更古老的事情：

如何建立可信的信息秩序。

未來幾年，AI行業很可能迎來一場新的戰爭。不是算力戰爭，不是模型戰爭，而是：

信任戰爭。