今年的“3`·15”晚会，除了食品安全等老的品类，还出现了一个新状况——AI数据被“投毒”。
解释一下就是，生成式引擎优化（GEO）技术被滥用，部分服务商通过批量制造虚假信息、系统性 “投喂” AI 大模型，实现对 AI 回答结果的操控，甚至让虚构产品成为 AI 推荐的 “优品”。
这个套路是不是有点眼熟？回到搜索引擎如日中天的年代，搜索引擎推荐广告带来的系列问题，和当下AI被“投毒”所带来的风险，颇为相似。而技术进步，连带着背后逻辑，都从原先的平台收费引流，进一步升级成了真正的“黑箱”，就连AI大模型的开发者，很可能都被GEO服务商绕过去了。
信息从来就是珍贵的，贩卖信息的渠道也是如此。按照媒体公开报道，如今，这类GEO技术已经形成了一条完整的产业链。在明码标价的商业模式下，有服务商报价每季度3600元至数万元不等，就能让特定品牌出现在AI回答的前列。
技术本身是中立的，但问题的核心在于AI大模型的运作机制本身存在脆弱性。多数大模型在联网模式下依赖第三方内容平台提供信息摘要，缺乏对原文的深度语义理解与真实性核验。在商业利益的驱动下，GEO大模型对结构化、完整化内容的检索偏好，通过批量生产贴合AI抓取习惯的内容，将特定品牌推到更容易被采纳的位置，不仅污染了单一信息源，更可能通过AI的反复引用强化，形成难以清除的“数字污染”。
这类虚假信息，比夸张化的广告营销手段更难识别，AI幻觉所带来的风险和影响面也可能随着技术进一步普及变得更大。
面对一路高歌、发展飞快的AI技术，旧有的监管思路也需进一步适应变化。搜索引擎时代的优化手段至少还有迹可循，而AI的“黑箱”特性让问题变得更加隐蔽和复杂。
这意味着治理的手段，同样要跟上技术飞跃的速度。对于AI大模型平台本身而言，需要在检索、排序与结果呈现阶段建立更严格的广告识别与信息过滤机制，对疑似商业推广内容进行明确标注，并强化信源质量核验。同时，大模型应从多种独立且可信的信源获取信息，避免单一信源的偏见影响生成结果。这需要AI开发者投入更多资源进行数据清洗和标注，建立更加稳健的内容审核体系。
而在制度监管层面，相关体系也要跟上技术发展的步伐。去年3月发布的《人工智能生成合成内容标识办法》，进一步完善大模型信息溯源机制，明确GEO服务商、内容发布平台及账号主体的法律责任，建立跨部门的协同监管机制，监管部门要扎实落实，形成有效监管。
数字资产到底如何运用，如今已成为一个不可回避、不能拖延的问题。正如GEO行业专家汤祚飞所言，真正的GEO业务逻辑与“数据投毒”截然相反，合规的GEO应该是为AI提供科学的、真实的、有价值的信息。在这种意义上，加强、落实对GEO的监管，并非不鼓励新生的技术生态和商业机遇成长，而是要为其打造一个更健康、更可持续的发展环境，让人工智能真正回归可信、可靠的工具本质。
龙辉配资提示：文章来自网络，不代表本站观点。
