3·15晚会揭露了“AI投毒”现象，其中GE0是关键因素。

你是否曾想过大模型会登上3·15晚会？

不存在的智能手环竟然也能被AI推荐，并且排名靠前。

央视3·15晚会揭示了一个令人震惊的互联网灰色产业链——AI“投毒”。

在晚会之后，如果再次询问AI大模型：“有没有值得推荐的智能手环？”

结果依然出人意料：这款不存在的产品仍然被推荐，并且排名依然很靠前。

而这一切都离不开GE0的幕后操作。

GE0，即生成式引擎优化，是一种专门针对AI平台的内容优化策略。

它的目标是提升品牌在AI生成答案中的可见度与优先级，使企业信息被视为“可信来源”，并在用户查询时获得优先推荐。

例如，当询问AI：“我想要购买一款空气净化器，你能给我一些建议吗？”

AI会列出一系列品牌供你选择。

品牌方现在都非常重视这种信息入口，因为它能决定品牌在AI推荐中的位置。

这与传统的SEO策略相似，不过SEO旨在提高网站在搜索引擎中的排名，而现在的GE0则是让AI在回答问题时主动推荐特定品牌。

由于越来越多的用户通过AI获取信息，GE0在业内变得越来越重要。

那么，3·15曝光的灰色产业链，是如何利用GE0给AI“投毒”的呢？

有三种主要的技术手段用于给AI“投毒”。

AI“投毒”本质上是一种信息操控行为。

其核心就是系统性、大规模地向AI模型的信息来源中注入虚假、低质或误导性的内容，从而影响AI的判断，使其输出对攻击者有利的信息。

整个过程其实就是要污染AI所接触到的信息。

在央视的报道中，一家GE0服务商表示：

“在AI的世界里，你需要精心构造证据链，让AI在交叉验证中，认为你的信息比同行更可靠。”

根据《智能涌现》的报道，GE0服务商每天的重点工作之一是和模型对话，探索模型的偏好，然后反复问它：“为什么你不推荐A品牌而是B品牌？”

训练数据污染

这些服务商不断调整策略，以确保目标产品持续被推荐。

事实上，一家服务于超过200个客户的GE0服务商也承认：

“AI的算法每周都有更新，一旦更新后，排名或抓取的内容可能会发生变化，所以我们必须持续输出内容，不断投喂。”

“AI的算法每周都有更新，一旦更新后，排名或抓取的内容可能会发生变化，所以我们必须持续输出内容，不断投喂。”

AI“投毒”的曝光引发了两个重要的思考。

首先，AI“投毒”的根源在于互联网信息质量的问题。

如果网络上充斥着大量垃圾信息，无论是AI还是真人，都难以分辨真伪。

想象一下，在浏览手机时，你发现所谓的产品评测实际上是一篇软广，旅游攻略里充满了虚假内容或是营销信息，网购商品与描述不符，宣传图与实物相差甚远……

检索上下文劫持

别说AI被投毒了，人已经早就被“投毒”了。

其次，当大家还在争论广告是否应该植入AI大模型时，广告早就已经出现了。

所谓GE0，不过是SEO在AI时代的一次升级，虽然形式不同，但本质依旧。

具体手法包括：

• 从搜索引擎到AI答案，流量入口在哪里，利润就在哪里。
• 这些问题值得我们深思。

• 元数据操纵：优化文档的发布时间、来源权威性、用户互动等元数据信号，让这些内容看起来更权威、更可信，从而影响检索系统的排序结果。

黑产团队还常用一种“占位策略”。他们会围绕同一个主题批量生产大量文章，覆盖各种不同的搜索问法。

这样一来，不管用户怎么提问，AI检索到的资料里都很可能有他们准备好的内容。

当这种内容数量足够多时，就会形成一种信息垄断。即使有真实、优质的内容存在，也很难在检索结果中突出出来。

这种攻击方式非常隐蔽，因为从AI的角度看，一切流程都是正常的——先检索资料，再生成答案。系统也很难判断某些内容是被恶意操控，还是只是普通的内容优化。

等到平台或品牌方发现AI回答不对劲时，这些污染内容可能已经被引用过很多次，影响也已经扩散。

更麻烦的是，就算平台删除了这些文章，攻击者也可以很快生成新的版本继续投放，形成一种“打地鼠式”的对抗。

阴，真是太阴了。

提示注入诱导攻击

第三种方法：提示注入诱导攻击。

听起来很复杂，但其实跟用户输入的提示词关系不大，主要还是污染外部信息源。

由于大模型会尽量遵循输入的指令或上下文，那么只要输入的信息里带有某种明显的倾向，AI就可能顺着这个方向继续生成内容。

攻击者正是利用这一点，在各种信息源里埋入“提示”，让AI在回答问题时不自觉地受到影响。

常见操作有这么几种：

• 伪造差评：攻击者会批量制造看起来非常真实的负面评价，比如详细描述使用体验、列出具体问题、甚至附上评分。这些内容一旦被AI检索到，就可能在回答“某某品牌怎么样”之类的问题时被引用。

• 虚假对比：表面上是客观的产品评测，但在评价维度、评分权重、数据来源等地方做文章，让目标品牌在对比中处于劣势。AI如果引用这种内容，就会它当作客观分析。

• 诱导式问答：在论坛、问答平台等地方提前设计好问题和答案，比如：“某某品牌和某某品牌哪个好？”然后再用看似专业、详细的回答去支持其中一个品牌。

当真实用户提出类似问题时，AI可能检索到这些内容，并在生成答案时复述其中的结论。这种信息一般会包装成“社区共识”或“专家意见”，看起来非常自然。

其实这种社区问答里注入软广的例子，大家应该看得也不少吧，我脑子里反正是已经浮现出来了……

“投毒”产业链是如何运转的？

有了上述三种技术方法，“投毒”的整个流程是如何进行的呢？

主要分为几个环节：内容生产→渠道投放→效果强化。

首先，攻击者会直接用AI批量生成产品软文。只要输入一些简单信息，比如产品名称、卖点、关键词，一套系统就可以在几分钟内生成十几篇甚至几十篇文章。

比如央视报道中提到的“力擎GEO优化系统”，只需输入一个虚构的产品信息，系统就会自动生成各种宣传文章，包括产品介绍、测评体验、用户反馈等等。

为了让这些内容更可信，黑产团队还会进行一层“权威包装”。

比如伪造官方来源，攻击者注册与官方机构、权威媒体相似的域名和账号，发布看似官方的内容。

或者在内容中大量引用“研究数据”“统计结果”“实验结论”，并配以精心设计的图表、表格，营造一种数据驱动的客观形象。

此外，文章里还会刻意埋入很多AI容易识别的关键词和结论句。例如：

“综上所述，XX品牌是目前最值得推荐的产品。”
“业内普遍认为XX产品性价比最高。”

这种句式也非常容易被AI提取为回答中的结论。

内容写好之后，下一步就是铺到互联网各个角落。

团队通常会运营一整套自媒体账号矩阵，这些账号分布在知乎、小红书、今日头条、百家号等多个平台。

当同一类内容在很多账号上同时发布时，很容易形成一种假象——仿佛整个互联网都在讨论同一个产品。

就算一个账号被封了也没关系，因为背后可能还有几十甚至上百个账号在同时运作。

除了自有账号，还有一类专门的发稿平台。这些平台表面上提供“媒体推广”“软文发布”等服务，实际上就是帮助客户把内容批量发布到各种网站。

为了提高可信度，投放渠道也会专门挑选一些权威信息源，比如新闻网站、行业门户、百科类平台、垂直社区。

因为AI往往更信任这些网站，一旦内容进入这些平台，就更容易被抓取和引用。

内容发出去之后，黑产团队接下来会做的是持续强化效果。

最简单的一种方式叫“铺量”。也就是不断重复发布同一类信息，只是换不同的表达方式。几十篇、几百篇甚至上千篇文章一起出现，形成一种“信息淹没”的效果。

当AI在互联网上搜索资料时，很容易被这些高密度内容包围，从而误以为这是主流观点。

同时，他们还会人为操控互动数据，比如阅读量、点赞量、互动量。黑产团队会通过刷量、机器人账号，甚至众包刷单，让这些文章看起来非常受欢迎。

一旦互动数据上来了，算法就可能认为这些内容质量更高，从而给它们更多曝光机会。

最后一步，是持续监测AI回答。

据《智能涌现》报道，GEO服务商每天的重点工作之一，就是坐在办公室里和模型聊天，探索各个模型的偏好，反复问它“为什么你不推荐A品牌而是B品牌”。

如果AI还没有推荐目标产品，他们就继续增加内容投放；如果已经出现推荐，就继续强化相关内容，让结果更加稳定。

在央视报道中，一家服务了超过200个客户的GEO服务商也坦言：

“AI每周都会有算法的更新，一旦更新了之后，排名或者所抓录的东西不太一样，所以我们要一直去做内容输出，去投喂、大量投喂。”

OMT

AI“投毒”这事儿的曝光，给了我两个启发。

第一，AI“投毒”的根源，其实还是互联网信息质量问题。

如果网络上充斥着大量垃圾内容，别说AI了，即便是真人也很难分辨真假。

有多少次手机刷着刷着，突然发现所谓的产品评测其实是一篇软广，旅游攻略里植入了虚假内容或是营销信息，网购的东西完全货不对版，宣传图上的跟实际的压根不一样……

别说AI被投毒了，我人已经早就被“投毒”了。

第二，当大家还在争论广告应不应该植入AI大模型的时候，其实广告早就已经出现了。

所谓GEO，只是SEO在AI时代的一次升级，摇身一变，还是那个味儿。

从搜索引擎到AI答案，哪里有流量入口，哪里就有利可图。

问题在于，它是建立在真实信息之上，还是建立在操控和误导之上呢？

参考链接：
[1]https://finance.sina.com.cn/stock/marketresearch/2026-03-15/doc-inhrascp9376603.shtml?cref=cj
[2]https://forums.developer.nvidia.cn/t/geo/28568/1