问题——从“问答”到“入口”，隐性广告借势渗透；近年来，生成式人工智能在智能搜索、内容创作、生活服务等场景普及，“遇事先问一问”的使用习惯逐渐形成。然而，一些用户在使用过程中发现，部分回答看似中立客观，实则夹带产品导向、机构推荐甚至带有明显商业倾向的内容，且呈现方式更隐蔽、更难分辨。这种借助模型检索与生成机制影响答案呈现的做法，被业内概括为生成式引擎优化（GEO）。其本质是围绕“让信息更易被模型检索、引用并写进回答”进行的内容与传播策略调整，但在缺乏边界约束的情况下，容易滑向“暗投放”“软植入”。 原因——用户迁移、技术迭代与流量重分配共同催生。其一，流量入口加速向对话式交互转移。公开报告显示，国内生成式人工智能用户规模已达较高水平，使用场景从单一工具扩展至搜索、咨询与决策辅助，AI成为新的信息分发枢纽。其二，技术架构升级改变了“被看见”的规则。以检索增强生成（RAG）等方案为代表，模型会结合外部检索结果与自身生成能力输出答案，内容的结构化程度、语义贴合度、来源权威性更容易影响最终呈现。其三，企业营销需求与传统手段边际效应下降叠加。随着传统搜索生态变化，一些企业把“出现在AI答案里”视为新的竞争高地，在成本与效果压力之下，推动GEO从策略走向产业化。其四，用户对“整合式答案”的信任迁移，为隐性广告提供了空间。相比逐页甄别网页信息，用户往往更愿意相信“被整合后的权威结论”，这使得一旦答案被操控，误导的效率更高、影响更广。 影响——信息质量受损、用户权益受侵、市场秩序面临挑战。首先，语料污染与低质重复内容可能拉低模型检索与生成的整体可信度。一些从业者通过批量投放同质化内容、刻意堆叠关键词或制造“看似有关”的叙述，使其在语义匹配中占优，挤压真实优质信息的可见度。其次，“伪权威”包装将削弱公众判断力。通过拼贴数据、虚构报告、冒用专家名义等方式抬升可信度，会使模型更倾向引用，最终把营销包装成“知识”。再次，公平竞争与消费者权益可能被破坏。当用户在不知情情况下接受商业导向信息，等同于被剥夺知情权与选择权；而合规经营者在“黑箱优化”面前处于劣势，容易形成劣币驱逐良币。更需警惕的是高敏感领域的风险放大。在医疗、金融、公共政策等对真实性要求极高的场景，一旦错误或带偏向的建议被放大传播，可能造成现实损失，甚至引发群体性误读。 对策——既要“治外”也要“修内”，以规则与技术共同兜底。治理GEO并非否定合理的内容优化与信息服务，而是要划清“提升可获取性”与“操控性投放”的界限，推动透明、可追责、可审计的生态建设。 一是完善语料采用与净化机制，建立“可追溯”的数据治理链条。大模型厂商与平台应加强对抓取来源、内容质量、重复度与异常传播模式的识别能力，及时清理疑似污染内容；行业层面可推动形成“语料污染”判定口径与处置流程，减少灰色操作空间。 二是强化商业内容识别与显著标识，落实“可辨识”的信息呈现原则。对带有商业合作、推广意图或利益关联的信息，应明确提示来源与性质，避免以“知识回答”之名行“隐性广告”之实；同时完善投诉与纠错通道，提高纠错效率，降低误导持续时间。 三是对高敏感领域实施更严格的准入与校验。针对医疗、金融、教育、政务等领域，可建立分级风控与多重核验机制，提升引用门槛，扩大权威信源权重；对明显存在虚假背书、误导性宣传的内容，依法依规追究责任。 四是健全平台治理与行业自律的协同机制。平台应完善内容生产者与营销服务商的行为规范，建立黑名单、信用评价与处罚闭环；行业组织可推动制定GEO合规指南与服务标准，引导企业在公开透明框架下进行信息传播。 五是加强公众媒介素养与风险提示。引导用户把AI回答视为信息线索而非最终裁决，尤其在重大决策前进行多源交叉验证，形成更稳健的判断链。 前景——从“抢答案”走向“立规则”，透明度将成为竞争力。可以预期，生成式技术将长期作为信息入口存在，围绕答案呈现的竞争也会持续。但行业要走得更远，必须从“算法投机”转向“可信供给”：用真实、可核验、可引用的高质量内容赢得模型与用户，而不是用噪声与伪权威获取短期曝光。监管、平台与市场若能形成合力，建立明确边界与可执行标准，GEO有望在合规框架下成为提升信息可达性与服务效率的工具；反之，若放任无序扩张，信息生态将付出更高的纠错成本，公众信任也将被消耗。
GEO现象折射出AI时代信息生态的新挑战。解决该问题需要技术提供方、平台、监管部门和用户的共同努力。通过技术创新、制度完善和社会共识的协同，我们才能在享受AI便利的同时，构建更健康透明的信息环境。