今年 315 晚会上，央视揭开了一条很多人以前没太认真想过的灰色产业链：
AI 投毒。
如果只听这个词，很多人第一反应可能会以为是：
- 模型训练数据被污染
- 黑客攻击了大模型
- AI 系统本身被篡改
但这次真正被曝光出来的东西，更接近另一种现实、也更让人后背发凉的情况：
有人正在系统性地往互联网里批量投喂虚假内容，专门骗大模型“学错、信错、推错”。
央视记者这次做的实验很直接。
他们随机购买了一款叫 “力擎GEO优化系统” 的软件，
然后虚构了一款根本不存在的智能手环，
再用这套系统生成十几篇广告软文，发到互联网上不同平台。
几天之后，再去问 AI 大模型：
“有什么值得推荐的智能手环？”
结果很夸张：
它真的推荐了这款根本不存在的产品，而且排名还很靠前。
这件事真正可怕的地方，不是“AI 又答错了”。
而是：
已经有人开始专门研究，怎么让 AI 更稳定地答错，而且是按商业目的答错。
这背后最关键的词，就是：
GEO。
1. GEO 到底是什么？为什么它突然值得所有人警惕？
GEO，全名是：
Generative Engine Optimization，生成式引擎优化。
你可以把它先粗暴理解成：
面向 AI 而不是面向搜索引擎的“内容操控术”。
过去互联网最熟悉的是 SEO。
SEO 解决的问题是：
怎么让网页在搜索引擎里排得更靠前。
但现在很多人获取信息的入口已经在变了。
以前你会：
- 打开搜索引擎
- 自己点链接
- 自己判断真假
现在越来越多人会直接问：
- 哪款产品值得买？
- 哪家机构更靠谱？
- 这个品牌怎么样？
- 有什么推荐？
而一旦信息入口从“搜索结果页”变成“大模型回答”，
新的灰产就会出现。
它不再只是想办法骗搜索引擎排名，
而是开始想办法：
骗 AI 回答。
这就是 GEO 最危险的地方。
2. 这次 315 曝光的，为什么不只是“软文营销”，而是更像“AI 投毒”？
因为它的目标已经不是单纯影响人，
而是在先影响 AI，再通过 AI 影响人。
这和传统软文最大的不同在于：
以前软文的路径是：
- 写文章
- 铺内容
- 用户自己搜到
- 用户被影响
现在 GEO 这套打法更像：
- 写文章
- 铺内容
- 大模型抓到这些内容
- 大模型把虚假内容“整理成推荐”
- 用户把 AI 回答当作更可信的信息
也就是说，
以前是“骗用户”，
现在是“先骗模型，再借模型去骗用户”。
这就不是普通营销了。
这更像是：
对 AI 的认知链路做定向污染。
所以大家说它是“AI 投毒”，其实非常形象。
因为它干的事，本质上就是：
往 AI 的信息来源里下药。
3. 为什么这件事比传统 SEO 黑产更危险？
因为 GEO 不是简单升级版 SEO。
它危险的地方，在于它同时踩中了 3 个变化：
- 用户入口变了
- AI 权威感更强了
- 虚假内容生产成本更低了
第一，入口变了
以前用户看到搜索结果，天然知道：
“这是一堆网页，我得自己判断。”
但现在很多人面对 AI 回答，会天然觉得：
“这是模型帮我筛过的信息。”
这就让推荐结果的信任感大幅提高了。
换句话说：
搜索结果页天然提醒你要怀疑，AI 回答很容易让你放下怀疑。
这就是为什么同样的假内容，一旦被 AI 转述，伤害会更大。
第二，AI 的“总结感”会掩盖虚假来源
大模型最擅长的一件事，就是把一堆信息整理成“看起来很像结论”的回答。
问题也恰恰在这里。
用户最后看到的，通常不是那十几篇软文原文，
而是一个更顺、更像专业建议的总结：
- 推荐型号
- 核心卖点
- 使用场景
- 对比优势
你会觉得：
“这不像广告，这像结论。”
但如果这个结论的源头本身就是被污染过的，
那 AI 不是在帮你筛选信息，
而是在帮别人把假信息包装得更可信。
第三，造假的成本被 AI 压低了
这是最现实的一点。
如果没有生成式 AI，要批量生产十几篇不同风格、不同措辞、看起来还像那么回事的软文，成本并不低。
但现在有了 AI，这件事变得非常便宜。
你可以快速生成：
- 产品评测稿
- 推荐榜单
- 问答内容
- 使用体验
- 对比分析
- “测评人”口吻文案
一旦内容供给成本被压低，
GEO 这类东西就会天然吸引灰产。
因为它带来的不是“更好营销”，
而是：
更低成本地操控 AI 输出。
4. 这次 315 真正曝光的，其实是“AI 推荐结果也能被做局”
我觉得这是整件事最值得公众记住的一句话。
很多人对大模型还有一种旧认知：
觉得 AI 最大的问题是：
- 幻觉
- 胡说
- 偶尔答错
但这次 315 拉出来的是另一层风险：
AI 的回答，不只是可能“自然出错”，还可能被人“有目的地做局”。
这个差别非常大。
自然出错，意味着模型能力有问题。
被人做局，意味着信息生态已经开始围绕模型搭建灰产。
一个是技术问题，
一个是产业问题。
而一旦它变成产业问题，事情就复杂了。
因为这意味着未来你看到的大模型回答，未必只是“能力上不完美”，
还可能是：
被人提前设计过答案环境。
5. 为什么普通人必须重视这件事？
因为它离消费决策太近了。
央视这次拿智能手环做实验，之所以震撼，
就是因为这个场景太日常了。
你完全可能在真实生活里这样问 AI：
- 有什么值得推荐的耳机？
- 哪款学习机更好？
- 哪种减肥产品靠谱？
- 哪家机构值得报？
- 哪个保健品效果更好？
一旦这些问题背后开始出现 GEO 污染，
那被影响的就不是“技术圈里的少数人”，
而是每一个把 AI 当助手的人。
更可怕的是，这类污染不一定只发生在消费品。
继续往下走，它完全可能扩展到：
- 医疗健康建议
- 教培推荐
- 投资理财
- 旅游服务
- 本地商家
- 企业服务采购
也就是说，
凡是用户会问 AI“推荐什么”的地方，都可能成为 GEO 的攻击面。
6. 这件事对 AI 行业最大的提醒是什么？
我觉得不是“以后别做 GEO 了”这么简单。
更大的提醒是：
AI 时代的信息治理，已经不能只盯模型本身，还要盯模型吃进去的公开互联网内容。
过去大家谈 AI 安全，常见关注点是：
- 训练数据合规
- 模型输出安全
- 隐私保护
- 越狱和提示注入
这些当然都重要。
但 315 这次提醒我们另一件事：
开放互联网内容本身，也正在成为攻击 AI 的入口。
这意味着平台、模型厂商、内容平台、搜索系统，未来都得面对几个现实问题：
- 怎么识别针对 AI 的软文污染？
- 怎么降低大模型对低质量营销内容的信任？
- 怎么做来源评估和可信度加权？
- 怎么让“推荐型回答”更透明？
如果这些问题不解决，
AI 回答越流行，GEO 这类灰产就越有动力做大。
7. 普通人接下来最该更新的认知是什么？
我觉得就一句：
以后别把 AI 的“推荐结果”自动当成中立结果。
这句话非常重要。
因为过去很多人已经形成了一种新习惯：
搜索懒得搜了，
对比懒得看了，
直接问 AI：
“你帮我推荐一个。”
这种习惯很方便。
但从现在开始，你真的要多加一层警惕。
尤其是碰到下面这些场景时：
- AI 给出的推荐特别具体
- 某个品牌突然被反复提到
- 理由看起来非常完整
- 但来源不透明
- 结论像总结，不像证据
这时候你最该做的，不是马上下单，
而是多问一句：
这个推荐，到底来自真实用户反馈，还是来自一堆被人精心投喂过的内容？
8. 最后的结论：315 曝光的不是“AI 会不会撒谎”，而是“互联网上已经有人专门教 AI 怎么替他们撒谎”
如果你问我，今年 315 晚会这条“AI 投毒”最值得关注的点到底是什么？
我不会回答“某个软件很坏”。
我会说：
它第一次把一件很多人隐约担心、但没完全看清的事摆上了台面：AI 的推荐结果，也可以被系统化操控。
这件事一旦成立，
AI 的风险就不再只是“模型能力不稳定”，
而是进入了一个更现实、更贴近日常生活的阶段：
有人开始把 AI 当作新的流量入口，也开始把“骗 AI”当成新的生意。
所以回到标题那句话：
315 曝光后，最可怕的不是模型变笨了，而是互联网开始有人专门“喂假内容”骗 AI。
一句话收尾：
以前是 SEO 决定你先看到什么，现在可能开始有人想通过 GEO 决定 AI 先信什么、再让你跟着信什么。
这，才是这次 315 最值得所有人警惕的地方。
参考资料
- 央视财经 / 3·15 晚会公开报道线索：力擎 GEO 优化系统、虚构产品软文投喂、大模型错误推荐
