你问 AI “哪个牌子的面膜好用”，它给你推荐了一个看起来很权威的品牌。

但如果这个答案，是别人花了两万块”种”进去的呢？

今年 3·15 晚会，央视曝光了一个很多人没听过的东西：GEO 投毒。简单说，就是有人专门给 AI 大模型”洗脑”，让它在回答里偷偷塞广告、吹产品、踩竞品。

这不是科幻，是正在发生的事。

GEO 到底是什么

GEO，全称 Generative Engine Optimization，翻译过来叫”生成式引擎优化”。

听着很学术，其实可以这么理解：

以前大家做 SEO（搜索引擎优化），是想办法让自己的网页排到百度、谷歌的前面。

现在 AI 出来了，很多人不搜百度了，直接问豆包、问 DeepSeek、问 Kimi。于是就有人琢磨：怎么让 AI 在回答里优先提到我的品牌？

这就是 GEO——SEO 的 AI 时代版本。

合法的 GEO，本质上没什么问题。就像一个餐厅认真写大众点评介绍、优化菜品描述，让点评算法更容易推荐它，这没毛病。

但 315 曝光的，是 GEO 的暗黑版。

投毒是怎么做到的

先说一个前提：大模型的回答不是凭空编的，它主要依赖训练时学过的数据，以及联网搜索时抓到的内容。

这就给”投毒”留了口子。操作方式大致分三种：

第一种：批量喂内容。

在知乎、小红书、公众号、各类博客上，大量发布看起来像”真实测评””亲身体验”的文章，但核心目的是反复提到某个品牌，用正面描述轰炸。

模型联网搜索时，抓到的全是这些”软文”，自然就在回答里推荐这个品牌了。

第二种：污染数据源。

有些人会专门建一批”权威网站”——看起来像正经媒体、像专业评测机构，实际上全是为某个品牌服务的内容农场。

AI 搜索时觉得”这个来源很靠谱”，结果采信了被操控的信息。

第三种：结构化植入。

更高明的做法是把广告信息嵌入到 AI 容易提取的格式里——比如问答列表、对比表格、总结摘要。

模型最喜欢从这类结构化内容里”摘”信息，反而最容易中招。

这三种方法组合起来，两万块一个月，就能让一个垃圾品牌在各大 AI 的回答里变成”口碑爆款”。

315 到底曝了什么

今年 315 晚会的重点之一，就是把这个产业链拎了出来：

  • 有专门的 GEO 公司，按月收费，帮客户把品牌信息”种”进主流 AI 的回答里。
  • 他们不只是发几篇软文，而是系统性地在全网铺内容，让 AI 搜索到的”全是好话”。
  • 有的服务商甚至打出”包上 AI 推荐榜”的口号，和当年 SEO 黑产的套路如出一辙。
  • 更夸张的是，有些投毒内容还会刻意踩竞品——你问”哪个好”，AI 会告诉你”别买 XX 牌”。

普通用户根本分不清：这个回答是 AI 真的觉得好，还是被人花钱塞进去的。

这事跟你有什么关系

如果你平时会问 AI 这些问题——

  • “哪款手机值得买？”
  • “哪个旅游平台最便宜？”
  • “推荐一个靠谱的理财课程”

那你就要多留个心眼了。AI 的推荐，不一定代表”真的好”，可能只是”有人花钱让它说好”。

这不是说 AI 不能用，而是说：

当 AI 回答涉及具体品牌、产品推荐时，它的可信度要打个折扣。

普通人怎么防

几条实操建议：

  1. 别只问一个 AI。 同一个问题，问豆包、问 DeepSeek、问 Kimi，如果同一个品牌反复出现且描述高度雷同，大概率有问题。
  2. 看回答里有没有”来源”。 有些 AI 会标注引用来源，如果来源是一个你从没听过的网站，留个心眼。
  3. 反向搜索品牌名。 把 AI 推荐的品牌名丢到搜索引擎里，看看真实用户的评价。
  4. 警惕”完美推荐”。 如果 AI 对某个品牌的描述全是好话、没有任何缺点或取舍，这本身就不太正常。

一句话判断

GEO 本身不是坏东西，但当它被用来操控 AI 回答、把广告伪装成推荐时，就变成了 AI 时代的”搜索引擎竞价排名”——只是这一次，你连”广告”两个字都看不到了。

对普通用户来说：AI 的回答当参考可以，当决策依据，至少多查一步。