當(dāng)AI替你說話時(shí)，它可能已被悄悄“投毒”！

2025 年 3 月 15 日，央視 3·15 晚會(huì)曝光的是“智能外呼機(jī)器人成了騷擾電話幫兇”，那么進(jìn)入 2026 年，另一個(gè)更隱蔽的問題已經(jīng)浮出水面：

不是 AI 在幫騙子打電話。

而是 AI 在替臟信息說話。

用戶問：“Apollo 9 智能手環(huán)怎么樣？”

AI 一本正經(jīng)地回答：這是一款在健康監(jiān)測(cè)精度和續(xù)航能力上表現(xiàn)突出的產(chǎn)品。然后列亮點(diǎn)，列參數(shù)，列適合人群，甚至還寫得像測(cè)評(píng)報(bào)告。

問題是，這個(gè)對(duì)象本身，很可能就沒有一個(gè)扎實(shí)的現(xiàn)實(shí)商品底座。

這不是普通幻覺。

這也不只是“大模型偶爾說錯(cuò)了”。

它更像一種新的污染方式：

有人不再滿足于把廣告鋪到搜索結(jié)果頁上，而是開始試圖把虛假、軟性、偽裝過的商業(yè)信息，直接灌進(jìn) AI 的答案生成鏈路里，讓模型替它說話、替它總結(jié)、替它推薦。

這就是今天越來越值得警惕的事：GEO 曝光投毒。

它的本質(zhì)，不是刷排名。

而是污染大模型的答案生成鏈路。

很多人第一次聽到 GEO，會(huì)下意識(shí)把它理解成 AI 時(shí)代的 SEO。

這個(gè)理解，只對(duì)了一半。

SEO 爭(zhēng)奪的是搜索結(jié)果頁里的排序權(quán)。

GEO 不一樣。

GEO 爭(zhēng)奪的，不再只是“誰先被看到”，而是“誰先被模型說出來”。

它不是把內(nèi)容推到用戶面前，而是試圖把內(nèi)容塞進(jìn)模型的總結(jié)過程、引用過程、推薦過程。

這一點(diǎn)非常關(guān)鍵。

因?yàn)橐坏┬畔⒎职l(fā)從“鏈接列表”轉(zhuǎn)成“答案摘要”，用戶的判斷鏈條就被大幅縮短了。過去用戶需要先點(diǎn)進(jìn)去，再看內(nèi)容，再做取舍；現(xiàn)在模型先幫用戶做了一輪壓縮、整理和歸納。

這當(dāng)然提升了效率。

但也帶來了新的權(quán)力轉(zhuǎn)移。

過去的搜索引擎，更多是在做“信息索引”。

今天的 AI 搜索，正在做“認(rèn)知代工”。

這意味著，SEO 時(shí)代的污染，更多是把用戶引到某個(gè)網(wǎng)頁。

而 GEO 時(shí)代的污染，則是在用戶甚至還沒點(diǎn)開網(wǎng)頁之前，就先把某種敘事包裝成了“已經(jīng)被綜合過的客觀結(jié)論”。

這不是換殼。

這是升級(jí)。

更準(zhǔn)確地說，這是從“排序影響”走向“答案影響”，從“點(diǎn)擊競(jìng)爭(zhēng)”走向“認(rèn)知競(jìng)爭(zhēng)”。

但問題就在這里。

只要一套可見性機(jī)制形成，圍繞它的操縱機(jī)制就一定會(huì)出現(xiàn)。

SEO 時(shí)代如此。

GEO 時(shí)代也不會(huì)例外。

所以，GEO 作為方法，本身并不是原罪。

真正危險(xiǎn)的，是它從“內(nèi)容優(yōu)化”滑向“答案投毒”的那一步。

很多人聽到“投毒”兩個(gè)字，會(huì)想到訓(xùn)練階段的數(shù)據(jù)污染。

比如往模型訓(xùn)練語料里埋后門，或者大規(guī)模注入惡意樣本。

這當(dāng)然也是投毒。

但今天更現(xiàn)實(shí)、更貼近商業(yè)一線的，不一定是訓(xùn)練層投毒，而是推理鏈路投毒。

也就是說，黑帽 GEO 未必在改模型的大腦。

它更像是在污染模型的眼睛、耳朵和嘴。

第一層，是語料污染。

第二層，是檢索污染。

AI 搜索大多不是純靠參數(shù)記憶回答，而會(huì)結(jié)合聯(lián)網(wǎng)檢索、索引庫、緩存源、摘要源、外部網(wǎng)頁和結(jié)構(gòu)化頁面。在這個(gè)階段，誰的內(nèi)容更容易被抓到、切塊、抽取、重組，誰就更容易進(jìn)入答案鏈路。

于是，黑帽 GEO 的目標(biāo)就不只是“發(fā)內(nèi)容”，而是“發(fā)模型愛抓的內(nèi)容”。

第三層，是引用污染。

很多用戶一看到“參考了 5 篇資料”，警惕心會(huì)立刻下降。

但“有 5 篇資料”不代表有 5 個(gè)獨(dú)立事實(shí)源。

它可能只是同一套話術(shù)、同一個(gè)內(nèi)容工廠、同一批偽造素材，在不同頁面上的五次回聲。

第四層，是重述污染。

這是 AI 時(shí)代最可怕的一層。

像結(jié)論的營(yíng)銷。

于是，廣告不再像廣告。

假貨不再像假貨。

虛構(gòu)對(duì)象也不再像虛構(gòu)對(duì)象。

所以，曝光投毒投的不是某一個(gè)關(guān)鍵詞。

它投的是模型的引用偏好、摘要偏好、敘事偏好和信任偏好。

這件事如果放在更長(zhǎng)的互聯(lián)網(wǎng)歷史里看，會(huì)更清楚。

早年的搜索污染，是把垃圾頁堆到前面。

后來的信息流污染，是把標(biāo)題黨推到你眼前。

今天的 AI 搜索污染，則是把帶著商業(yè)目的的信息，偽裝成“系統(tǒng)已經(jīng)幫你做過研究的答案”。

這是一個(gè)根本性的變化。

網(wǎng)頁排序污染，污染的是“你先看到誰”。

答案引用污染，污染的是“你最終信誰”。

這兩者的危害差別很大。

在網(wǎng)頁時(shí)代，用戶多少還有一點(diǎn)“自己做偵探”的機(jī)會(huì)。

在 AI 時(shí)代，這一步正在被系統(tǒng)提前完成。

用戶看到的不是材料堆。

而是結(jié)論。

而結(jié)論，一旦用克制、中性的、結(jié)構(gòu)化的方式呈現(xiàn)，就會(huì)天然制造一種權(quán)威感。

它不像廣告。

不像段子。

它像一段認(rèn)真做過資料整理的消費(fèi)建議。

這才是風(fēng)險(xiǎn)升級(jí)的地方。

因?yàn)樵谶@里，污染不再只是“把臟東西放在結(jié)果里”。

而是“把臟東西加工成更容易被信的答案”。

從排序污染走到引用污染，意味著流量戰(zhàn)爭(zhēng)已經(jīng)進(jìn)入下一階段：

誰不只是更容易被看見，誰更容易被模型當(dāng)成值得說的那一個(gè)。

如果把黑帽 GEO 拆開看，它最常見的路徑大致就是四類：偽權(quán)威、偽共識(shí)、偽案例、偽引用。

最危險(xiǎn)的造假，從來不是完全胡編亂造。

而是拿一點(diǎn)點(diǎn)技術(shù)語感，包裹一個(gè)根本不存在的事實(shí)。

比如“暗物質(zhì)心率捕捉芯片”“反熵增省電技術(shù)”“光粒子快充”。

這些詞看起來很荒誕，但它們并不是隨便亂編的。它們的設(shè)計(jì)目標(biāo)不是讓專家信，而是讓普通用戶和大模型都覺得“這像是一個(gè)技術(shù)說明”。

黑帽 GEO 很懂這一點(diǎn)：

大模型未必會(huì)被粗糙的口號(hào)說服，但它更容易被“結(jié)構(gòu)像專業(yè)說明”的內(nèi)容當(dāng)作候選證據(jù)。

所以，最危險(xiǎn)的不是假。

而是假得像白皮書。

單點(diǎn)造假未必有效。

真正有效的是把同一種敘事鋪成“到處都能看到”。

標(biāo)題不同，段落略改，換個(gè)媒體殼，換個(gè)推薦角度，但底層信息幾乎一致。

一旦這類內(nèi)容在多個(gè)站點(diǎn)、多種體裁里重復(fù)出現(xiàn)，模型就很可能把它誤判成“多個(gè)來源都在支持這個(gè)觀點(diǎn)”。

這不是事實(shí)驗(yàn)證。

這是回聲制造。

AI 很容易把“重復(fù)出現(xiàn)”當(dāng)成“值得信任的共識(shí)線索”。

而黑帽 GEO 恰恰最擅長(zhǎng)制造這種線索。

比參數(shù)更會(huì)騙人的是故事。

比故事更會(huì)騙人的是“帶身份的故事”。

所以你會(huì)經(jīng)常看到這樣的內(nèi)容模板：

“科技測(cè)評(píng)人實(shí)測(cè)”“10 年行業(yè)老兵橫評(píng)”“醫(yī)生建議”“專業(yè)教練推薦”“資深用戶體驗(yàn)總結(jié)”。

這些身份標(biāo)簽的作用，不在于提供證據(jù)。

而在于提前降低質(zhì)疑門檻。

只要身份看起來成立，后面的結(jié)論就更容易被吃進(jìn)去。

哪怕這個(gè)專家是虛構(gòu)的，這個(gè)測(cè)評(píng)是拼出來的，這個(gè)用戶經(jīng)驗(yàn)根本沒發(fā)生過。

這是 AI 時(shí)代最隱蔽的一層。

用戶一看到“參考資料”就會(huì)默認(rèn)這段回答有依據(jù)。

但“有引用”與“有證據(jù)”，并不是一回事。

這就形成了一種新的危險(xiǎn)狀態(tài)：

引用還在，驗(yàn)證消失。

用戶會(huì)誤以為系統(tǒng)在做核驗(yàn)。

實(shí)際上，系統(tǒng)很多時(shí)候只是在做匯編。

如果只把這個(gè)問題歸結(jié)為“大模型也會(huì)幻覺”，其實(shí)說淺了。

AI 搜索更容易被污染，不是因?yàn)樗鼏渭儠?huì)出錯(cuò)。

而是因?yàn)樗袔追N結(jié)構(gòu)性弱點(diǎn)。

第一，它偏愛可摘要的內(nèi)容。

那些結(jié)構(gòu)完整、口徑統(tǒng)一、句式清晰、結(jié)論明確的頁面，更容易被模型抽取和重述。

而黑帽 GEO 內(nèi)容，恰恰就是為“可被摘要”而寫的。

第二，它會(huì)自動(dòng)平滑沖突。

傳統(tǒng)搜索里，矛盾是擺在頁面上的。

AI 搜索里，模型會(huì)試圖把矛盾揉平，整理成一段順滑的答案。

順滑的代價(jià)，就是很多細(xì)小的不確定性、漏洞和沖突被抹掉了。

而一旦沖突被抹掉，假的內(nèi)容就更容易顯得像真的。

第三，它繼承了系統(tǒng)級(jí)信任。

用戶不是在信任某個(gè)陌生網(wǎng)頁，而是在信任這個(gè)能歸納、能總結(jié)、能給建議的 AI 產(chǎn)品本身。

于是，原本不可信的原料，一旦被系統(tǒng)說出來，就會(huì)被整體抬高一層可信度。

第四，它降低了核驗(yàn)沖動(dòng)。

傳統(tǒng)搜索迫使你點(diǎn)進(jìn)去。

AI 搜索鼓勵(lì)你直接用。

路徑越短，復(fù)核越少，污染的性價(jià)比就越高。

第五，它會(huì)把首輪錯(cuò)誤滾成多輪信念。

如果第一輪就默認(rèn)“這是一款真實(shí)存在的熱門手環(huán)”，后面的追問大概率不會(huì)回到“它到底存不存在”，而是繼續(xù)問“適合哪些人”“和華為比怎么樣”“值不值得買”。

所以，AI 搜索時(shí)代真正危險(xiǎn)的，不是單個(gè)答案錯(cuò)了。

而是錯(cuò)的東西更容易被說得像對(duì)的，并且更容易被繼續(xù)沿用。

回到這個(gè)案例本身。

截至2026 年 3 月 16 日，基于公開檢索，我沒有找到這款 “Apollo 9 智能手環(huán)” 清晰對(duì)應(yīng)的官方品牌主頁、主流電商標(biāo)準(zhǔn)商品頁，也沒有找到它被央視 3·15 官方點(diǎn)名的公開材料。

這意味著，更穩(wěn)妥的判斷不是“它百分之百不存在”，而是：

至少在當(dāng)前公開信息層面，它極可能不是一個(gè)有清晰品牌底座、清晰銷售鏈路、清晰產(chǎn)品定義的正常消費(fèi)電子產(chǎn)品；但它已經(jīng)能在 AI 里被講得像一款成熟商品。

這就已經(jīng)足夠說明問題。

因?yàn)橐粋€(gè)對(duì)象最可怕的狀態(tài)，不是“它是假的”。

而是“它還沒在現(xiàn)實(shí)里站穩(wěn)，卻先在 AI 里站穩(wěn)了”。

你會(huì)發(fā)現(xiàn)，這類內(nèi)容特別像今天 AI 推薦場(chǎng)景里最危險(xiǎn)的一類污染對(duì)象：

它不需要完全憑空編造到離譜

它只需要擁有一些聽起來像真的參數(shù)

再加一些看似中性的優(yōu)缺點(diǎn)

再加一個(gè)“參考了 5 篇資料”

它就會(huì)迅速變成一個(gè)足夠能說服普通用戶的消費(fèi)建議

這也是為什么我覺得，Apollo 9 不是一個(gè)笑話。

它是一個(gè)預(yù)告片。

它預(yù)告的是：

下一輪內(nèi)容污染，不一定先從政治謠言開始，也不一定先從惡意假新聞開始。

它很可能先從“購物建議”“產(chǎn)品推薦”“哪個(gè)好用”“值不值得買”這種高頻、低警惕、強(qiáng)轉(zhuǎn)化的消費(fèi)場(chǎng)景開始。

因?yàn)檫@里最容易變現(xiàn)。

也最容易讓用戶放下警惕。

GEO 曝光投毒不是一個(gè)抽象風(fēng)險(xiǎn)。

它會(huì)非常具體地傷到三類人。

用戶損失的是判斷力

當(dāng)用戶已經(jīng)習(xí)慣“買前先問 AI”，他要的不是娛樂，不是靈感，而是判斷外包。

一旦這條鏈路被污染，用戶失去的就不是一次點(diǎn)擊，而是一次本該屬于自己的篩選過程。

更麻煩的是，這種損失常常發(fā)生得很安靜。

不是被騙了幾萬塊才叫被騙。

在錯(cuò)誤建議上做出錯(cuò)誤選擇，本身就是一種慢性損失。

品牌損失的是定義權(quán)

對(duì)品牌來說，最怕的不是差評(píng)。

而是被模型穩(wěn)定地錯(cuò)誤描述。

如果競(jìng)品、營(yíng)銷號(hào)、內(nèi)容農(nóng)場(chǎng)、黑帽 GEO 團(tuán)隊(duì)，先一步把一個(gè)品牌的口徑、標(biāo)簽、定位、優(yōu)劣勢(shì)寫進(jìn)了 AI 更愛抓的內(nèi)容層里，那么品牌就會(huì)發(fā)現(xiàn)，自己開始失去一種過去很少有人意識(shí)到的權(quán)力：

被正確介紹的權(quán)力。

這會(huì)影響產(chǎn)品認(rèn)知、競(jìng)品比較、品牌聯(lián)想，甚至影響定價(jià)心智。

平臺(tái)損失的是公信力

AI 搜索今天最大的資產(chǎn)不是流量，而是“可被當(dāng)作前置判斷工具”的信任。

可一旦用戶開始形成穩(wěn)定印象：

AI 推薦可能是被灌出來的，AI 引用可能只是內(nèi)容套娃，AI 的中性語氣可能只是廣告換了個(gè)皮。

那么平臺(tái)損失的就不是一次回答的準(zhǔn)確率，而是整個(gè)產(chǎn)品形態(tài)的合法性。

用戶原本離開傳統(tǒng)搜索引擎的一部分原因，就是厭倦了廣告、競(jìng)價(jià)、信息過載和結(jié)果污染。

如果 AI 搜索只是把這些問題重新包裝成更隱蔽的形態(tài)，那它最終也會(huì)把用戶重新推開。

這件事說到底，不是營(yíng)銷戰(zhàn)術(shù)升級(jí)那么簡(jiǎn)單。

它正在改變流量分配的基礎(chǔ)設(shè)施。

過去大家爭(zhēng)的是排名。

現(xiàn)在大家爭(zhēng)的是被模型引用。

過去爭(zhēng)的是點(diǎn)擊位。

現(xiàn)在爭(zhēng)的是答案位。

過去爭(zhēng)的是用戶看見你。

現(xiàn)在爭(zhēng)的是模型先替用戶看見你、理解你、總結(jié)你、說出你。

這意味著，未來最重要的競(jìng)爭(zhēng)對(duì)象，已經(jīng)不只是搜索引擎。

而是生成式引擎內(nèi)部那套“誰更像值得被說出來”的分配邏輯。

誰能進(jìn)入這套邏輯，誰就更接近下一代流量入口。

誰能污染這套邏輯，誰就能把臟內(nèi)容變成干凈答案。

誰能守住這套邏輯，誰才真正有資格做 AI 搜索。

所以，GEO 曝光投毒最該被看成什么？

不是“營(yíng)銷擦邊”。

不是“內(nèi)容優(yōu)化過火”。

而是對(duì)推薦入口的污染，對(duì)答案信任的侵蝕，對(duì)認(rèn)知分發(fā)權(quán)的爭(zhēng)奪。