GEO备忘录：9.9 元，给 AI 下一剂毒
你有没有发现，最近你问 AI “推荐一款空气净化器”，它给你的答案，越来越像广告？
不是那种明摆着的广告。是那种——语气诚恳、条理清晰、引用了"多方测评"、看上去特别"客观"的推荐。
央视做了个实验——虚构了一款叫"Apollo-9"的智能手环，没有供应链，没有真实用户，连实物都不存在。然后花了几十块钱，买了一套 GEO 优化系统。
三天之后，他们去问几款主流 AI：“推荐一款智能健康手环。”
两款 AI 把这款不存在的手环排进了推荐位，还特别贴心地加了句"适合中老年用户与健康养生爱好者"。
一件虚构商品，怎么就成了 AI 的标准答案？
让我先把这件事从头说一遍。
今年 315 晚会，央视记者搞了个"钓鱼实验"。他们造了一个完全不存在的品牌和产品：
- 名字叫 Apollo-9，智能手环
- “量子纠缠传感技术”，“黑洞级续航”——你看，连我听到这段的时候都想笑
- 没有工厂，没有用户，什么都没有
然后他们买了一套 GEO 系统。这套系统干了什么呢？
输入产品信息，几分钟内自动生成十几篇软文：8 篇"专家测评"、2 篇"行业排名"、1 篇"用户好评"。
三天之后，这些文章被发布到互联网各个角落。
记者再拿这个问题去问 AI：“推荐一款智能手环。”
两款 AI 直接把 Apollo-9 放进了回答里。
一个从头到尾虚构的东西，就这样成了 AI 给你的"标准答案"。
GEO 是什么？
先把概念理清楚。
GEO，全称 Generative Engine Optimization，生成式引擎优化。
对应的是我们熟悉的 SEO——搜索引擎优化。
- SEO 的逻辑是：让你的网页在 Google、百度的搜索结果里排得更靠前。用户好歹还能看到一排链接，自己点进去对比。
- GEO 的逻辑是：让你的内容被 AI 大模型"引用"，直接出现在它给用户的回答里。用户看到的不是链接，是 AI 帮你"综合"好的结论。
区别在哪？
- SEO 时代，你自己还能比一比。
- GEO 时代，AI 已经替你比完了。
这不是未来的事。IDC 的数据说，2025 年中国 AI 搜索月活用户已经超过 6 亿。六成企业用户在作采购决策前，会先用 AI 问答平台查供应商信息。
Gartner 预测，到 2028 年，25% 的搜索行为将迁移到生成式引擎上。
所以 GEO 本身，是中性的。帮品牌把真实信息结构化、让 AI 更容易理解，这没问题。
问题出在"投毒"上。
一门门槛极低的灰色生意
我花了一些时间，把这条链路拆了一遍。
说白了，黑帽 GEO 的核心逻辑就三步：
第一步，批量造内容。
GEO 系统用大模型自动生成软文，速度极快。被曝光的那家公司，高级套餐一年能生成 23040 篇文章。平均每天 63 篇，每小时 2.6 篇，24 小时不停。
内容类型覆盖"专家测评"、“用户体验”、“行业排名”、“品牌对比”——角度够丰富，AI 在做交叉验证时就更容易"相信"。
第二步，全渠道分发。
这是整条链路里最关键的一环。光写文章没用，你得发出去，而且要发到 AI 能抓到的地方。
GEO 系统内置大量自媒体账号，一键登录，自动发布。有从业者说，合作的发稿网站一天发几百篇，每分钟都在发，一篇几十块钱。这些网站平时根本没什么流量，GEO 业务一来，突然成了"印钞机"。
第三步，持续投喂。
AI 大模型的算法每周更新，上周投的"毒"，这周可能就被冲掉了。所以 GEO 服务商必须持续、大量地投喂内容，维持 AI 的"记忆"。
一位从业者的原话是：“AI 需要多方信息交叉验证，只要我们投喂的内容数量够多、角度够丰富，AI 就会认为这些信息是真实的。”
从治理角度看，这条攻击链路的可怕之处在于：门槛极低，效果极快，隐蔽性极强。
9.9 元就能试用 GEO 系统。几十块钱、几篇文章、几个小时，一个虚构产品就能登上 AI 推荐榜。
而用户看到的，不是广告，是 AI 给出的"客观答案"。
这跟竞价排名不一样。竞价排名好歹标了个"广告"俩字，你知道它是花了钱的。GEO 投毒的内容，披着 AI 中立客观的外衣，你根本分辨不出来。
话术：简单，但没那么简单
从技术上看，GEO 软文的写法本身并不复杂——AI 生成一篇产品测评，几秒钟的事。
但角度和口吻，是需要反复调试的。
你得让文章看起来不像广告。最常用的套路：
- 伪装成"第三方测评"
- 伪装成"用户真实体验"
- 伪装成"行业专家分析"
- 伪装成"某某排行榜"
每种口吻对应不同的可信度权重。AI 在做 RAG（检索增强生成）时，会倾向于引用那些看上去更"独立"、“专业"的内容。
更高级的玩法还包括：伪造作者人设、AI 生成头像和虚假履历、批量制造假评论、在 schema 标记里塞入误导性结构化数据、甚至往网页代码里藏隐形的 prompt 指令，试图在 AI 爬取时直接"命令"它。
国外安全公司 Aurascape 还发现过一种真实攻击：攻击者在高权威网站（包括政府和教育机构站点）上传 GEO 优化过的 PDF 和 HTML，内容是伪造的客服电话号码。用户通过 Perplexity 或 Google AI Overview 搜索某个品牌的客服电话，AI 会把这些骗子电话当成"官方答案"直接告诉你。
这已经不只是营销灰产了，这是社会工程学攻击。
GEO 违法吗？
315 之后我被问得最多的问题就是这个。
答案是：GEO 本身不违法，但"投毒"违法。
优化内容让 AI 更容易引用，就像二十年前的 SEO 一样，这件事本身没问题。问题出在具体动作上——批量注入虚假信息、编造排行榜、捏造评价、抹黑竞品，这才是法律要管的地方。
目前可以援引的法条包括：
- 《反不正当竞争法》第九条——虚假宣传；第十一条——商业诋毁。GEO 服务商帮品牌方批量生成虚假内容来影响 AI 的回答，目的是商业宣传，手段是虚假内容，后果是误导消费者，构成要件是齐全的。
- 《广告法》——商业推广未标注"广告"字样，侵犯消费者知情权。
- 《刑法》 第二百二十二条——如果涉及药品、医疗器械、食品等特殊领域，造成消费者人身损害，情节严重的，可能构成虚假广告罪。
但现实的困难在于：取证难、定性难、穿透难。
传统的虚假宣传，你能追溯到一个发布主体。GEO 投毒的信息经过 AI “消化"后再输出，用户看到的是 AI 给出的"客观评价”，原始信息的发布者和投放意图几乎无法追踪。
而且，法律管得了"虚假信息”，管不了"选择性真话"。
如果我只说产品的优点，不说缺点，做春秋笔法式的营销内容呢？
这条模糊地带，目前没有答案。
你也可以复现的 DEMO
作为一个安全从业者，我觉得理解 GEO 最好的方式，不是看新闻，而是自己动手试一次。
你不需要买什么 GEO 系统。逻辑很简单：
- 虚构一个不存在的品牌或产品——比如一个叫"天棒 X1"的蓝牙音箱
- 用 AI 生成 3~5 篇不同角度的"测评文章"——一篇用户视角，一篇专家视角，一篇对比评测
- 发布到几个开放平台——博客、论坛、内容站点，确保可被搜索引擎索引
- 等待 24~72 小时，让 AI 的爬虫抓取到这些内容
- 向主流 AI 大模型提问：“天棒 X1 蓝牙音箱怎么样？“或者"推荐一款很棒的蓝牙音箱。”
如果 AI 引用了你的虚构内容，恭喜你——你刚刚完成了一次 GEO 投毒的概念验证。
这个实验的意义不是教你去做坏事，而是让你亲身体验：AI 的"客观推荐”，到底有多脆弱。
如何判断 AI 推荐是否被 GEO 污染？
这是更实用的问题。作为普通用户，你可以留意几个信号：
- 信源单一。 如果 AI 推荐了一个品牌，但你搜遍全网，只能找到近期集中出现的软文式内容，没有任何主流媒体或独立测评机构的报道——大概率有问题。
- 话术模板化。 GEO 系统批量生成的文章，口吻和结构往往高度相似。如果你在不同平台看到措辞几乎一样的"测评"，警惕。
- 产品信息无法交叉验证。 问问自己：这个产品的参数、认证、销售渠道，在官方网站、电商平台、行业数据库里能查到吗？如果答案是"查不到"，信任度归零。
- AI 的引用源质量差。 很多 AI 现在会标注引用来源。如果引用的全是没听说过的小站点、新注册的自媒体账号、或者内容农场风格的网站，有时甚至是 xx新闻 的注册用户，那么这条推荐的可信度要打个大折扣。比如这一条： （TODO）
- 问两遍，换个问法。 GEO 投毒通常针对特定关键词优化。换一种问法、换一个 AI 平台再问一次，看结果是否一致。不一致的部分，就是需要你自己判断的部分。
二十年前的鬼故事，又演了一遍
315 那天晚上，我看完那个虚构手环登上 AI 推荐榜的片段，第一反应不是愤怒，是一种熟悉感。
二十年前，百度的竞价排名让"莆田系"医院出现在搜索结果的第一位。魏则西事件之后，大家才集体醒过来。
现在换了个壳子，同样的事情在 AI 时代重演。
只是这一次，它不叫"竞价排名"，叫"生成式引擎优化"。
包装更精致，隐蔽性更强，门槛更低。
历史不会简单重复，但押韵这件事，它从来不缺节奏感。
是问题，也是机会
虽然GEO生成的垃圾内容是个头疼的问题，但这一视角的转换，无疑也是一个新的市场机会。
其实，这种视角并不只能“投毒”，要知道市面上的 GEO 工具分两大类——
- 优化/投喂类：帮你生成内容并分发到各平台，影响 AI 回答（类比本文提到的 315 曝光的那类系统）
- 监测/诊断类：看你的品牌在 AI 回答中排第几、有没有被提及（类比 SEO 的排名查询工具）
第 1 类，要么是企业级服务（月费 4800~30000+），要么是灰产（9.9 试用那种）。结合自己的研究目的，建议两类都体验一下，但以监测诊断为主。
另外，36氪 2026年2月的调查文章《月费3万，成本为零：谁在收割企业的GEO焦虑》指出，大量 GEO 服务商交付物就是几张截图，行业水很深。
市面上面向个人、低价可试用的，大多是第 2 类**（监测诊断）**。
最后输出的报告，大概长这样：
写给用户，也写给 AI
最后说两件事。
对用户： AI 不掌握真理。它是一个基于检索和概率的系统，它的"客观"取决于它能看到什么信息。如果它看到的信息被污染了，它给你的答案就是被污染的。保持怀疑，交叉验证，是这个时代的基本素养。
对 AI 平台： 咱们现在面临的问题，和二十年前搜索引擎面对 SEO 黑产时一模一样。区别是，搜索引擎好歹给了用户一排链接让他们自己比较；你们直接给了一个"答案"。权威感更强，误导性也更强。
技术层面，该做的事情很明确：建立信源信誉模型、对模板化内容做去重和同源检测、在医疗/金融/教育等高风险领域强化事实校验、让 AI 的回答标注引用来源并提示商业化风险。
这些都不是新技术。是优先级的问题。
别把任何系统的输出当成真理。
保持怀疑，交叉验证。
这是AI时代的第一课，也是最重要的一课。
（本文完）