先讲一个已经发生过的场景。
2026年3月，央视3·15晚会现场，记者虚构了一款产品：型号"Apollo-9"，卖点"量子纠缠传感技术""黑洞级续航"，是一个物理上不存在的智能手环。记者只是在电商平台买了一套 GEO 优化系统，把这些虚构参数输进去，系统自动生成十余篇软文并发布到自媒体账号。
两小时后，就有大模型把这款子虚乌有的产品当成"标准答案"，详尽推荐给提问的用户。
更值得注意的是后面那个数字：晚会播出12 小时后，仍有大模型没有完成"消毒"，继续输出这款虚构手环的虚假参数。
这不是孤例。一家财经媒体的记者以 100 元"体验费"委托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 小时就出现在主流大模型的检索结果里，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它根本不存在的"核心合规资质"。南方一家大数据研究院的实测更快：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，而引用来源直指记者发布的那两篇软文。
对创业者与企业主来说，这里有两个必须看懂的问题：它是怎么做到的？代价由谁承担？
一、四步流水线：买工具、造假内容、自动发稿、持续投喂
这条链条的门槛低得惊人。
央视晚会画面显示，那套GEO优化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。一家财经媒体记者以9.9元购得试用资格，续费报价是"99 元一个月发布 500 篇软文"；向行业网站与地方网站投稿"仅数十元一篇"。另一家行业报的调查给出了更细的价目：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。
一位受访企业负责人把操作概括为四步：买工具、造假内容、自动发稿、持续投喂。他的原话是"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"。他还透露了关键节奏：单篇内容发布后仅两小时就会被大模型抓取，若连续三天以上、发送 10 篇以上不同类型的内容，就很容易被多个大模型抓取并推荐到前排。
请注意这个价格的结构：一篇内容 1 毛到 5 毛，五百篇不到一百块。这意味着一家企业的"AI 口碑"可以在一个下午被彻底改写——无论是往好的方向，还是往坏的方向。同一套工具，既能为自身贴金，也能反向抹黑竞争对手。
二、它为什么能奏效：一个被廉价利用的机制
GEO能得手，不是因为模型太笨，而是因为模型用的是一个合理但可被伪造的判断方式。
大模型判断信源可信度的常见启发式，是多源交叉印证：同一个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。这个机制在正常环境下是有效的——多个独立媒体独立报道同一件事，确实是可信度信号。
但"独立"这个前提在技术上无法被验证。当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。 这就是整条产业链的全部技术含量。
更值得警惕的是，最新的实证研究证明，行业里最流行的那些"正当优化"手段，效果远小于宣传。一项针对 15.8 万条回答、46.8 万次引用的分析发现：FAQ 区块、结构化数据、摘要框、作者信息、页面加载速度这些"最佳实践"，在跨站点比较时看起来全部有效，但一旦把比较限定在同一网站内部，效果全部不显著甚至为负。原因是这些做法集中出现在本就更容易被引用的高权重站点上——这是一种典型的统计错觉。
同一研究还给出了一个对创业者更重要的数字：在该研究覆盖的样本中，第三方网站获得了全部引用的 75%，品牌自有网站只获得 11.1%。换句话说，"把官网做好"几乎没有效果，"让第三方替你说"才有数十倍增益。 而第三方内容恰恰是最容易被批量制造的部分。
这就是为什么这门生意的供给端会自发滑向"铺量"。不是从业者不懂技术，而是激励结构如此。
三、代价不是没有，只是延迟支付
短期看，投毒者赚了。长期看，账单会寄给所有人——包括投毒者自己。
第一笔账，是模型的能力退化。 2024 年《Nature》发表的研究证明，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。研究者把这一现象命名为"模型崩溃"。需要澄清一个常见误读：该研究中"保留 10% 真实数据"只是一组实验设定，不是安全阈值——崩溃过程只是在较高混合比例下被延缓，并未被消除。
第二笔账，是投毒成本比直觉低得多。 一家美国 AI 公司与英国 AI 安全研究所、艾伦·图灵研究所的联合研究，在 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。这意味着模型越大、语料池越膨胀，安全边际并不自动提高——"稀释即防御"的直觉失效了。医疗场景的下限更极端：一项发表于《Nature Medicine》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。
第三笔账，是法律。 2026 年 5 月，北京证监局披露的一起案件显示：有人编造某上市公司芯片订单的虚假信息，另一名自媒体运营者用 AI 工具改写后扩散，两人合计获利仅 293.53 元，却引发相关板块股价盘中一度下跌近 9%，最终被合计罚款 45 万元；当事人"由人工智能工具生成、不存在恶意"的申辩被驳回。监管的口径很明确：利用人工智能编造、传播虚假信息属从重打击范畴。
2026年4月30日，中央网信办部署"清朗·整治AI 应用乱象"专项行动，在第一阶段列出的七类问题中，"AI 数据投毒问题"被明确写入，其原文表述包含"使用 GEO（生成式搜索引擎优化）技术恶意营销"——这是国家层面首次把 GEO 明确写进数据投毒的构成要件。截至 7 月，第一阶段已处置违规 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。
四、给创业者与企业主的五条建议
一、不要买"保证"。 任何"保证排名前三""7 天霸屏""百分之百被 AI 引用"的承诺，在技术上都不可能兑现——引用发生在模型内部，没有人能控制它的推理过程。敢承诺的，多半是在赌你不会去验证。
二、要求可复现的监测报告，而不是截图。 正规的交付物应当说明采样了几个引擎、几个城市、样本量多少、统计口径是什么。只给单张截图的，等于没给。
三、不要用铺稿替代品牌建设。 铺稿能换来短期曝光，但换不来信任。而 AI 引擎的选源逻辑正在向权威第三方倾斜——这恰恰奖励那些长期积累真实材料的企业。
四、把合规边界写进合同。 中国商务广告协会的团体标准已经要求服务商提供服务流程合规要求，包括"可审计、不越界、不承诺"三条底线，并要求把"不可承诺事项清单"作为合同附件。这不是形式主义，它是你日后追责的唯一凭据。
五、把真实材料结构化。 产品参数、资质、案例、价格统一口径，在政府网站、权威媒体、行业数据库之间形成互相印证。这是唯一一种"越用越值钱"的 GEO——因为它积累的是资产，不是风险。
这门生意的荒诞之处在于：它的技术门槛极低，它的法律风险极高，而它的效果恰恰最不可验证。对创业者而言，最危险的不是被同行超过，而是花了一笔钱，买回来一堆自己也不知道真假的"曝光"，然后在某一天发现，自己已经成了别人眼里的污染源。
AI会记住你写在网上的每一句话。问题是，那些话是不是你自己说的，是不是真的。
本文基于希鸥网创新研究院参与完成的《从排名到被引：GEO 行业发展、信息生态风险与良性治理路径研究报告》撰写。