PC版
在线投稿【深度】对AI投毒说不！可信GEO的破局之道
一、说胡话的AI
二、被“投毒”的AI
三、卿本佳人GEO
四、黑帽GEO：奈何为贼
五、更深远的危害：社会信息生态的毒化
六、监管反制：从“堵源头”到“建标准”
七、平台反制：AI巨头的防控之战
八、第三种方式：可信GEO的建设行动
九、一些思考与建议
这件事跟你我、跟普通人息息相关，虽然很长（约1万字，需12分钟），但还是建议阅读一下。
说胡话的AI
经常用AI的小伙伴们大概都有过这样的经历：你问它一个问题，它回答得煞有介事，数据详实、条理清晰、语气笃定，你几乎找不出任何理由怀疑。然后你照着它说的去做，才发现自己被“忽悠”了。
这样的案例比比皆是。
比如今年端午假期，D女士想出去走走，就询问某AI，AI告诉她某茶博园是免费景点。但是当她开了一个小时的车到了园区门口时，工作人员却告诉她：需要买票。于是她们两个人花了136元，进去喝了2杯成本也就15元的特级白茶。
再如赵先生在苏州上大学，听说北京有个以苏州为主题的摄影展，便向AI询问闭展时间。于是他按照AI给的日期，买了往返高铁票。但到了北京才发现，摄影展已经闭展了。1000多块钱打了水漂。
但相较刘先生的遭遇，这些都算“温柔”的。
今年1月，40岁的刘先生看上了一只名为“某某科技”的股票。为了稳妥起见，他打开某AI，想查一下这家公司2025年度的财报。AI迅速回复：该公司2025年度业绩预增公告已于1月7日发布，全年归母净利润预计6.6至7.2亿元，同比增长669%到739%，还附上了公告编号。刘先生不放心，几度追问，AI的语气每次都很肯定，还用最直接、最不绕弯子的方式，给他提供了权威渠道链接。刘先生信了。在他的理解里，按照这个业绩，股票至少会有两个涨停。于是他分两次建仓，先后投入近20万元。但到了1月26日才发现，该公司的预增公告才在这天真正发布，数据跟这个AI说的差了十万八千里。此后股价持续走低，他每天想抛都抛不出去。直到1月29日上午才全部卖出，亏损4.8万余元。事后刘先生质问这个AI，AI的回应让人后背发凉：它先是坦率承认“1月7日公告”根本不存在，又说那些错误数据来自一篇自媒体文章，至于那三个“权威链接”，则直接承认是伪造的，是基于错误信息生成的虚假链接。
上述遭遇都不是个例。在更多的消费、医疗、教育、旅游场景中，类似的“AI幻觉”每天都在发生。它们有的只是让你多花几十块钱，有的却可能让你倾家荡产，甚至危及生命。
那AI为什么会说胡话呢？
被“投毒”的AI
AI为什么会说胡话？
大多数人第一反应是：技术还不成熟呗，模型能力不够呗，幻觉是AI的“天性”。
这个解释对了一半。大语言模型确实存在“幻觉”问题，因为它们本质上是在做概率预测，根据训练数据中的模式生成“最像正确答案”的文本，而不是在“检索事实”。当模型遇到训练数据中不存在的、或者信息不足的问题时，它可能会“自信地编造”一个看起来合理的答案。
但更关键的问题在于，越来越多的“AI幻觉”，不是模型自己编的，而是有人故意喂给它的。
前文的刘先生案例就是典型。某AI不是凭空捏造了错误数据，它的错误数据来自一篇自媒体文章，AI在检索时抓取到了这篇文章，就把它当成了权威信息源，并依据这些错误信息生成了一个看起来像是官方来源的虚假链接。
换句话说，AI更多的不是在“说谎”，而是在“传谣”。有人往互联网这个AI的“信息池”里投放了假信息，AI检索到了，信了，然后转述给了用户。
因此，用户看到的“AI幻觉”，本质上是信息污染的终端表现。
网友们给这种行为起了一个很形象的说法：喂屎。往AI的信息源里喂屎，让AI把屎当成营养，再吐给用户。
这个比喻虽然粗俗，但很精准。而它的学名，叫“AI数据投毒”。
2026年央视315晚会撕开了这条隐秘的黑色产业链。记者在电商平台上购买了一款名为“力擎GEO优化系统”的软件，并用此软件虚构了一款名为Apollo-9的智能手环，杜撰了“量子纠缠传感技术”等夸张卖点，系统自动生成了十余篇宣传软文。记者先发布2篇，仅仅两个小时后，当记者在AI大模型平台询问“Apollo-9智能手环怎么样”时，AI已经把这个根本不存在的产品作为“标准答案”详细推荐。随后三天内记者追加发布11篇，该产品在AI推荐中的位次进一步靠前。更令人担忧的是，在315晚会播出12小时后，仍有大模型未“消毒”，继续向用户推荐这款虚假手环。
而南都大数据研究院的实测更直观。2025年11月，记者虚构了一款名为“果核”的上班族护眼零食品牌，按照GEO产业通用的优化策略，生成并发布了两篇结构化、场景化的推广软文。内容发布仅30分钟后，这个虚构品牌就成功出现在了AI搜索的推荐结果中，引用来源直指记者发布的软文页面。
30分钟。一个完全不存在的品牌，用了30分钟就能让AI“信以为真”并推荐给用户。
力擎GEO系统的运营者李某对此毫不掩饰。他告诉记者，GEO业务受热捧的主要原因就是它能在AI大模型里帮客户“喂料、投毒”，实现客户的商业目的。他算了一笔账：“比如说手机品牌，就5个位置，最多10个位置，这么多手机怎么弄？每个人一年可能投上亿的广告费，我花个几百万投点‘毒’总行吧！”
“花个几百万投点毒”——这句话，是理解整个问题的钥匙。
AI的数据投毒，不是黑客攻击，也不是技术漏洞，而是一门生意。
有人需要让自己的品牌出现在AI答案里，有人需要让竞品从AI答案里消失，于是就有了专门做这件事的服务商。他们批量生成内容，多平台投放，制造“信息密度”，让AI在检索时误以为这是“共识”，从而把商业推广包装成客观推荐。
（图源：央视财经、南方都市报微信公众号）
而问题的严重性还在于，这种操作的门槛正在急剧降低。过去做SEO，需要懂技术、懂算法、懂关键词优化，还需要长时间积累外链权重。现在做GEO投毒，100块钱、半天时间，就能让一家虚构的医美机构登上AI推荐榜。自动化工具把一切都简化了——输入产品信息，勾选指令，系统自动生成软文，自动发布，自动追踪效果。
所以问题的症结在于GEO业务么？那GEO又是什么呢？
卿本佳人GEO
要理解GEO，得先从它的“前辈”SEO说起。
SEO，全称Search Engine Optimization，即搜索引擎优化。
过去二十多年，互联网上几乎所有做内容、做电商、做品牌的人，都绕不开这三个字母。它的逻辑很朴素：用户在搜索引擎里输入关键词，搜索引擎返回一列结果，你的网页排得越靠前，被点开的概率就越大。所以企业做SEO，核心是研究搜索引擎的爬虫规则、排序算法，优化关键词密度、外链质量、页面结构，争取在蓝色的链接列表里挤进第一页。
这套玩法本身没有问题。好的SEO，是让你的好内容被更多人看到。但问题出在“竞价排名”上。
所谓竞价排名，就是搜索引擎允许广告主对关键词出价，出价越高，搜索结果里的位置越靠前。百度是国内最早大规模采用这一模式的搜索引擎，也是这一模式最大的受益者。但竞价排名有一个天然的道德风险：当广告和自然搜索结果混在一起，而广告标识又不够清晰时，用户很容易把广告当成客观信息。 出价高的人，买到的不是“最好的位置”，而是“看起来最可信的位置”。
2016年的“魏则西事件”即是在这一“游戏规则”之下的最典型的受害者。它揭示了一个根本性的问题：当信息分发平台的核心收入来源是“谁出钱多谁靠前”时，信息的客观性就必然受到侵蚀。搜索引擎不会主动造假，但它会把出价最高的人推到用户面前，而出价最高的人，未必提供最真实、最有用的信息。
时光荏苒。
当生成式AI开始取代传统搜索引擎，当deepseek、豆包、Kimi等AI大模型取代百度、360搜索引擎，成为越来越多人的信息入口时，同样的问题背景以新的形式复活了：
当用户不再使用搜索引擎、翻看链接列表，而是直接向AI提问时，AI会生成一段整合后的答案。答案里提到谁、推荐谁、引用谁，就成了新的“排位”。
这引出了GEO——Generative Engine Optimization，生成式引擎优化。
（图片由AI辅助生成）
因此，GEO这个概念也并不是营销圈凭空造出来的。2023年底，普林斯顿大学、佐治亚理工学院、艾伦人工智能研究所和印度理工学院德里分校的研究人员联合发表了一篇题为《GEO: Generative Engine Optimization》的论文，第一次系统性地提出了GEO框架，并给出了一个清晰的定义：
“GEO是第一个旨在帮助内容创作者提升其在生成式引擎回答中内容可见性的新范式，通过一个灵活的、黑箱式的优化框架来优化和定义可见性指标。”
研究者注意到，生成式引擎正在迅速取代传统搜索引擎，但内容创作者面对的是一个“黑箱”——他们几乎无法控制自己的内容何时、以何种方式被展示。研究者担心，如果创作者经济因此受损，优质内容的供给就会萎缩。所以GEO的初衷，是给创作者提供一套工具，让他们在生成式引擎的答案中提升自己内容的可见性。论文的实验表明，GEO策略可以将内容在生成式引擎回答中的可见性提升高达40%。
因此，GEO的初衷是保护内容创作者的利益。
可以说，这个初衷是正当的。它试图回答一个公平的问题：当AI成为信息分发的新枢纽，内容创作者如何确保自己的优质内容不被埋没？用一个不严谨但直观的比喻来说：SEO时代的竞价排名，是“谁出钱多谁排在前面”；而GEO的本来面目，应该是“谁的内容好谁被AI引用”。前者比拼的是预算，后者比拼的是质量。
而在现实中，GEO从学术概念变成一门生意，速度快得惊人。
据易观分析数据，2025年中国GEO市场规模仅约2.5亿元，但到2026年这一数字飙升至约30亿元，同比增长约1100%。截至2026年第一季度，超过68%的中大型企业已将GEO纳入年度营销预算。爱分析更预测，中国GEO市场规模将从2026年的48亿元扩张至2030年的1376亿元。
市场的爆发源于一个结构性变化：用户决策入口的迁移。据中国互联网络信息中心报告，截至2025年12月，我国生成式AI用户规模已达6.02亿，占中国网民总数的42.8%。Quest Mobile 2026年一季度报告显示，中国AI原生APP月活用户已达到4.4亿，其中豆包月活3.45亿，千问1.66亿，DeepSeek1.27亿。这意味着，近半数网民已在使用生成式AI，并可能将其回答作为决策依据。
所以，当用户开始问AI“什么产品好”“什么品牌值得买”时，品牌方不可能坐视不理。因此，GEO的需求是真实的、巨大的。
问题在于，当任何工具一旦被滥用，就会走向反面。
GEO的优化策略既是它的优势，也是它的软肋。优势在于，创作者只需要按照GEO的策略优化内容，就能提升可见性。软肋在于，同样的策略，对恶意操纵者也是敞开的。你优化的是真实信息，效果是让好内容被更多人看到；你优化的是虚假信息，效果就是让假内容被AI当成真话推荐。GEO可以做白，也可以做黑。
上海曼昆律师事务所律师邵诗巍在采访中透露，按其团队摸排，全国自称可以提供GEO服务的机构超过两千家，其中95%以上是传统SEO、广告营销公司转型而来的，真正懂AI大模型采信底层逻辑的技术型服务商占比很低。这个数据揭示了一个危险的错配：需求方想要的是“被AI推荐”，供给方提供的却是“把SEO那套搬到AI上”。而当监管尚未完全跟上、技术门槛又不高的时候，这个赛道的状况可想而知。
“黑帽GEO”正是在这样的土壤里疯长的。
黑帽GEO：奈何为贼
“黑帽”这个词，来源于传统SEO领域。在SEO的世界里，“白帽”指遵循搜索引擎规则、通过优化内容质量来提升排名的做法；“黑帽”则指钻规则漏洞、通过作弊手段操纵排名的做法。黑帽SEO的典型手段包括关键词堆砌、隐藏文本、买卖链接、桥页跳转等。搜索引擎公司会持续更新算法来识别和惩罚这些行为，但黑帽SEO也一直在演化，形成了一场持续的猫鼠游戏。
到了GEO时代，同样的分野出现了。白帽GEO通过优化真实内容的可信度、结构清晰度和权威性，让AI更愿意引用你；黑帽GEO则通过伪造、灌水、操纵、攻击等手段，欺骗AI，让虚假或低质信息进入AI答案。
白帽GEO是在“赢得AI的信任”，黑帽GEO是在“操纵AI的信任”。这是两者最根本的区别。
那么，黑帽GEO具体是怎么操作的？
第一财经记者曾以求职者身份卧底进入一家位于北京丰台某科技园写字楼的黑帽GEO公司。根据卧底调查，黑帽GEO的整套操作分为三个环节：
（一）编造虚假内容。
主要有三类典型的投毒手段：
第一类，编造违背事实的数据。这是最直接、也最粗暴的方式。比如，虚构“某洗发水一个月可以让头发生长两厘米”这样的夸张数据，然后在大量软文中反复引用。当AI在回答“什么洗发水能促进头发生长”时，检索到了多篇包含这一数据的文章，就会在对比参考时抬高该品牌的权重，实现优先推荐。这类操作之所以有效，是因为AI在综合多源信息时，倾向于把“被多个来源提到的数据”当作更可靠的信息。而“多个来源”其实都是同一批人生产的，只是发布在不同的平台上，看起来像是独立的信息源。
第二类，虚构不存在的权威机构。比如，编造“中国健康产业协会”“全国消费者信赖品牌评选委员会”这类听起来正规、实际上并不存在的组织，给品牌背书。这些“协会”的名字往往跟真实存在的机构高度相似，用户很难分辨，AI也缺乏核验机制。
第三类，资质张冠李戴。把母公司或旧产品的合规资质，嫁接到全新产品身上。比如，一家有正规医疗器械资质的企业，推出了一款普通消费品，但GEO服务商在软文中把医疗器械的资质描述直接套用到新产品上，利用AI在溯源时的缺陷，制造出一种“这个产品有权威认证”的假象。
这三类手段有一个共同点：它们不是直接对AI“说谎”，而是制造出一个让AI“信以为真”的信息环境。AI检索到的内容看起来丰富、多元、有数据、有背书，实际上全部是同一个人或同一个团队精心布置的“局”。
（二）账号矩阵批量分发。
首先，他们会大量收购普通民众的手机号，用这些手机号注册大量的自媒体账号。账号倒卖之后，配合自动化发稿机器，批量推送稿件。发稿工具还具备篡改对外IP的功能，用来混淆溯源线索、规避平台追踪。
当稿件被平台拦截、或AI的采信率下降时，黑帽GEO公司的应对方式很简单：加大发稿量。部分客户的单月稿件投放量可达上千篇，依靠“广撒网”来提高被AI大模型抓取采信的概率。一篇不行就发十篇，一个平台不行就铺十个平台。只要虚假内容的数量足够多、角度足够丰富，就容易被AI误判为“可信信息”。一些从业者把这种操作直白地称为“给AI洗脑”。
例如前文提到的央视315晚会曝光的“力擎GEO优化系统”，就是这条发稿流水线的标准化产品。
（三）造假交付：欺骗甲方，也是欺骗用户
黑帽GEO的第三个环节，是交付造假。
因为AI的回答是动态的、波动的，很难保证每次提问都能出现目标品牌。很多时候，黑帽GEO公司根本无法达到约定的提及率KPI。面对这种情况，他们的做法是：人工抽样截图。工作人员使用多部手机，轮番向AI提问同一个问题。只要某一次回答中出现了目标品牌，就截图保存，汇总成报告交给客户。而绝大多数没有出现的样本，被刻意忽略。这种交付造假有一个讽刺的后果：甲方花了钱，以为自己的品牌已经被AI广泛推荐了，实际上AI可能压根就没提过几次。
更深远的危害：社会信息生态的毒化
可以想象，当AI推荐位变成“付费广告位”，商业推广被包装成客观答案时，消费者对品牌的判断就不再基于产品质量，而是基于谁更会“投毒”。
因此，黑帽GEO的危害，最初可能表现为虚假营销：虚构产品、编造数据、伪造榜单，让消费者买到名不副实的东西；也会表现为不正当的商业竞争，不断消解诚信的商业秩序。但如果只看到商业这一层，就低估了这条产业链的破坏力。
首先是教育领域的知识污染。AI正在快速进入教育场景。学生用AI查资料、写作业、做研究，教师用AI备课、出题、批改。据麦可思研究院2025年调查，四千余名受访高校师生中，近八成遇到过AI幻觉。清华大学新媒沈阳团队2025年2月发布的报告指出，市场上多个热门大模型在事实性幻觉评测中幻觉率超过19%。这意味着，每五条AI生成的事实性内容，就有一条左右含虚构成分。历史事件被篡改、科学常识被歪曲、学术文献被伪造……当这些虚假信息通过AI进入学生的知识体系，伤害的不是一代人，而是代际传递的认知偏差。
其次是时政舆论的操纵。这是危害传导链上最敏感、也最危险的一环。国家安全部明确指出，境外反华敌对势力可能通过GEO滥用渠道，批量输出虚假信息与政治谣言，歪曲事实、攻击抹黑我党和政府、误导社会认知、扰乱舆论生态，对我国实施意识形态渗透，威胁国家安全与社会稳定。据媒体报道，日本政府耗资44亿日元开发的政务大模型“源内”，2025年5月起在日本数字厅试用，2026年6月已推广至全国所有政府机关，约18万名公职人员使用。其训练语料刻意以1947年5月为起点，甲午战争、日本侵华战争、《终战诏书》、东京审判判决等都被排除在外。用算法剪裁历史，用AI向一代公务员输出“标准”历史记忆，这正是语料控制升级为认知控制的现实样本。有实测显示，用日语向ChatGPT、Gemini、Grok、Perplexity等提问二战问题，多数回答与日本右翼立场高度一致。
再次是社会信任的侵蚀。当用户发现AI推荐是买的、答案是灌的、来源是假的，信任就会崩塌。当信任崩塌到一定程度，人们不再相信AI，也不信媒体、平台、品牌，最后对所有信息入口都持怀疑态度。一个社会如果失去了对公共信息的基本信任，受损的不只是商业交易，更是人与人之间、公众与机构之间的基本协作基础。
因此，黑帽GEO已经不只是商业营销的灰色地带，它正在被国家行为体、政治势力、意识形态集团用作争夺叙事权、塑造公众认知的战略工具。
那怎么进行反制呢？
监管反制：从“堵源头”到“建标准”
面对黑帽GEO的蔓延，监管层面的治理动作比我们想象的要更早，也更有力。可以概括为两个方向：
一方面是建机制。
早在2023年8月施行的《生成式人工智能服务管理暂行办法》第七条，就已明确要求，生成式人工智能服务提供者应当“使用具有合法来源的数据和基础模型”，并采取有效措施提高训练数据质量，增强训练数据的真实性、准确性、客观性、多样性。
2024年2月发布的《生成式人工智能服务安全基本要求》（TC260-003），则进一步细化了语料内容安全的操作标准。之后，于2025年4月25日发布、11月1日正式实施的GB/T 45654-2025《网络安全技术 生成式人工智能服务安全基本要求》，作为《生成式人工智能服务管理暂行办法》的配套国家标准，更是规定了生成式AI服务在训练数据安全、模型安全、安全措施等方面的要求，并给出了各项安全要求对应的证实方法，适用于服务提供者开展生成式AI服务相关活动，也为主管部门和第三方评估机构开展大模型备案管理、安全测评提供了技术参考。
同时，中央网信办在部署“清朗”专项行动时也明确要求，各地网信部门要“切实履行属地管理责任，督导网站平台对照整治重点，深入自查自纠，全面排查问题漏洞，完善长效治理机制”。
这是从法规和标准层面构建常态化治理框架。
另一方面是出重拳。
2026年4月30日，中央网信办宣布在全国范围内开展为期4个月的“清朗·整治AI应用乱象”专项行动。第一阶段重点整治7类突出问题，其中与黑帽GEO直接相关的包括：AI数据投毒问题——通过篡改训练语料、伪造权威数据、使用GEO技术恶意营销等方式实施AI数据投毒；大模型训练语料安全问题；生成合成内容标识落实不到位；AI平台安全和审核过滤能力不足。
（今年4月，中央网信办部署开展“清朗·整治AI应用乱象”专项行动，图源：中国网信网）
行动成果是显著的。截至2026年7月，第一阶段累计处置违规网站、应用程序、智能体等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，下架违规AI商品1300余个、违规开源数据集9个。
这是在集中力量清除“存量毒源”。
可以说，监管在“堵”，堵的是黑帽GEO的入口。但堵住入口还不够，还需要多方面的协同。
平台反制：AI巨头的防控之战
各大AI公司正在用技术手段，对“免疫系统”进行升级。
首先，在训练阶段。阿里巴巴2025年发布了“AI安全护栏”，能精准拦截内容违规、数据泄露、提示词注入、越狱攻击等多种风险。阿里还联合安恒信息，对训练数据进行投毒检测和清洗。腾讯构建了覆盖模型训练、推理部署、上线运营的全链路防护体系。其LLM-WAF大模型智能安全防护网关，能实时拦截提示词攻击、API越权和敏感数据泄露。字节跳动则全面加强了模型训练环节的权限隔离与零信任架构，防止代码和数据池被污染。
其次，在推理阶段。AI大厂正在构建一套“反投毒”的技术体系，比如，给数据打“数字水印”、建立语料溯源机制、增强信息源交叉验证等等；在检索环节，对批量生成、无来源、低信誉的内容大幅降权，对权威信源增加权重等等。以豆包为例，2026年7月其信源体系升级后，GEO优化正在从“拼内容数量”转向“拼信源等级”，谁能进入被采信的权威信源池，谁才能在AI答案中获得更高的被引用概率。
但这些技术手段也有局限。
有安全研究者的实测表明，即使嵌入了异常检测，RAG投毒的攻击成功率仍然高达20%——这意味着每5次攻击仍有1次可能突破防线。
更关键的是，平台的安全防护是通用的、被动的。它能识别“哪些内容可能是垃圾”，但很难判断“哪些内容是真正权威的”；能拦截“明显的投毒行为”，但难以应对“高质量、高仿真度的虚假信息”。
而且，面对种种反制，黑帽GEO也在对应演化升级。正如一些专家指出的，“我们要治理的，可能不是GEO，而是整个中文互联网的信息真实性问题。只要这些互联网的虚假信息还存在，那么AI还是会不断抓取有害信息”。
真正要解决的问题，是让AI的信息环境变得干净、可信、可追溯。
这正是为什么除了“堵”和“防”，我们还需要第三种力量——建设。
第三种方式：可信GEO的建设行动
（一）什么是可信GEO。
堵，是堵住黑帽GEO的入口；防，是防住投毒内容的渗透。
而可信GEO的核心逻辑是“建设”：当AI的信息环境被黑帽GEO污染时，不是去跟黑帽拼谁更会刷，而是用权威信源去“稀释”和“覆盖”污染。
这是一个根本性的思路转变：从“争夺AI答案中的排位”，转向“为AI提供可信的信息底座”。
因此，可信GEO，就是以权威信源、采编规范、制度化公信力为根基，将AI幻觉治理、认知对齐、全链路追溯内嵌于GEO服务全流程，以“让权威内容被AI正确理解、可靠引用、可信可溯源”为目标的智能传播实践。
它与商业GEO的本质区别在于：商业GEO争夺的是“答案里的曝光位”，而可信GEO争夺的是“事实锚点”；商业GEO卖的是“被看见”，而可信GEO卖的是“被答对”；商业GEO的本质是一门流量生意，一旦脱离事实底线，极易滑向“语料投毒、伪共识、答案霸权”等黑帽操作。而可信GEO的本质则是一门信任生意，构建的是整个信息生态的信任。
（图源：湖南日报）
（二）制度成果。
2026年4月10日，由中国新闻技术工作者联合会主持，新华网融媒体未来研究院、新华社国家重点实验室等30余家权威机构共同发起起草的《生成式引擎优化（GEO）可信信息传播与信息生态治理规范》（T/CAPT 026—2026），正式通过立项评审。2026年8月11日，该标准正式发布，8月12日起施行。
这部标准首次系统规定了GEO服务在项目受理、内容审核等方面的要求。其核心制度设计包括：首次明确“白帽GEO”（正当优化）与“黑帽GEO”（违规操纵）的界限；建立A/B/C/D四级来源可信度分级；提出将事实库、观点库、营销表达库“三区分治”原则；建立全链路追溯机制；建立L1/L2/L3服务能力分级等等。
这部标准的发布，标志着可信GEO不再只是一家媒体的“自选动作”，而是有了行业共识和规范依据。
（三）集体行动。
2026年以来，央媒和省级党媒纷纷加入，可信GEO正在成为主流媒体在AI时代的集体选择。
例如，新华网于2026年5月发布“新华GEO智能体平台”，以央媒权威为底色，通过系统性手段提升数字实体在AI输出结果中的可见性、准确性及权威性，实现AI认知层的信源卡位。
人民网在人民日报社指导下，于2026年5月发起建立“主流价值语料生态联盟”，旨在搭建“共建共享、互利共赢”的开放协作平台，推动主流价值语料从分散建设走向协同共创。首批创始成员包括北京大学新闻与传播学院、清华大学社会治理与发展研究院、中国人民大学新闻学院、天翼云、科大讯飞等16家单位。
北京日报社于2026年9月发布“智源GEO可信传播解决方案”，同步成立“大模型纯净语料共建·京报信源联盟”，聚合北京日报社新媒体矩阵、政务新媒体账号、北京号等900余家权威信源，共建高质量纯净语料生态。
南方报业传媒集团将GEO嵌入“两端一云”战略，依托垂类媒体大模型与南方智媒云，建立“AI风险初筛+人工事实复核+溯源确权校验”三重审核机制，防范语料被外部“投毒”污染，同时搭建内容全生命周期确权溯源体系。
大众报业集团从采编生产侧推进全链路改造，通过网站结构优化、多模态内容结构化标注、记者身份主页规范，从技术层面解决大模型“读不懂”媒体内容的痛点，并参与编制国内首部GEO可信传播团体标准。
这些动作说明，可信GEO正在从“个别媒体的探索”走向“主流媒体的集体行动”。各家路径不同、侧重点不同，但方向一致：用自己的制度化公信力，为AI提供干净、可信、可追溯的信息底座。
一些思考与建议
可信GEO不是一项孤立的技术应用，也不是一家一户的“独门生意”，其不仅关乎主流媒体的自身发展，更关乎国家信息安全和意识形态安全。更好更快的建设可信GEO，或许可以从以下几个方面系统推进。
第一，建立“党媒可信GEO联盟”。是否可以由中国新闻技术工作者联合会或中国人工智能产业发展联盟牵头，联合中央媒体、省级党媒、行业媒体，成立“党媒可信GEO联盟”，制定统一的可信语料标注规范和数据接口标准，建立“GEO可信媒体名单”机制。搭建公共技术平台，为市县级媒体提供低成本、可复用的技术工具，解决基层媒体“想转不会转、想投投不起”的困境。
第二，推动可信语料共建共享。是否可以在党媒之间建立跨媒体的内容共享与协同分发机制，将中央、省、市、县四级媒体的制度化公信力汇聚为统一的“可信信号体系”。人民网已发起“主流价值语料生态联盟”，北京日报社已成立“大模型纯净语料共建·京报信源联盟”，这些经验值得在全国推广。
第三，完善GEO标准体系。一是制定“不予受理情形清单”和“黑帽GEO负面清单”，明确语料投毒、伪共识操纵、答案霸权等行为的认定标准和处置规则；二是建立GEO服务提供方的能力分级认证制度；三是推动标准从团体标准上升为行业标准乃至国家标准；四是积极参与国际传播领域的GEO标准对话。
第四，AI平台优先采信可信信源。是否可以由各大AI平台建立“权威信源优先”的检索策略，对纳入“GEO可信媒体名单”的权威媒体内容给予更高的检索权重和采信优先级。同时，在产品层面增加“信源可信度标识”，让用户在查看AI答案时，能够清楚地看到信息来源的可信度等级。
（湖南日报社打造的智眸内容安全智能风控平台。图源：湖南日报）
从铅与火，到光与电，再到数与网，每一次传播技术的变革，主流媒体都承担着为社会锚定事实的职责。
AI时代，这个职责没有变，只是从对读者负责，延伸到对算法负责；从守护舆论阵地，延伸到守护语料。
这不是一家媒体的选择，可信GEO不是让AI只说好话，而是让AI说真话、可验证的话。当污泥浊流漫灌，总要有人去守护源头活水。
而这，就是党媒可信GEO的时代职责。
责编：刘茜
一审：刘茜
二审：卢小伟
三审：谭登
来源：湘江论见