问题—— 近期，多家媒体调查发现，面向大模型应用的生成式引擎优化服务需求上升。
其主要做法是研究模型内容抓取偏好，通过内容布局、话术模板、站群投放等方式，让模型在回答问题时更易引用含品牌信息的材料。
对用户而言，原本为了获得中立建议而咨询智能工具，却可能在不易察觉的情况下接收商业推广，出现“像在听推销”的体验。
与传统广告投放相比，这种“融入式”“答案式”的传播形态更隐蔽，是否构成广告、如何标识、由谁负责等，成为新的治理考题。
原因—— 一是流量入口迁移带来商业跟进。
搜索时代有围绕排名规则的内容优化服务，如今用户注意力向对话式产品集中，企业自然寻求在新入口中获得曝光与转化。
二是技术机制增加识别难度。
大模型通常综合多源信息生成答案，引用链条长、呈现方式自然，商业信息容易被“客观表达”包装，从而弱化广告边界。
三是行业竞争催生“擦边”冲动。
部分服务商将“让模型更爱引用”作为卖点，在内容生产中夸大效果甚至捏造事实，以博取模型抓取与用户信任。
四是监管体系尚在适配。
既有互联网广告监管多偏重结果端与事后处置，而大模型相关内容生成涉及“数据投喂—训练/对齐—检索生成—呈现交互”等环节，治理链条更长、专业门槛更高，制度与技术工具仍需完善。
影响—— 从消费者权益看，广告可识别性是基础。
广告法明确提出广告应当具有可识别性，便于消费者辨明其为广告。
若商业推广被包装成“中立答案”，可能侵害知情权与选择权，误导消费决策。
尤其在智能体应用逐渐普及、替用户点餐购物等场景增多的背景下，若推荐机制成“黑箱”，用户在确认付款前已被引导完成筛选，风险更隐蔽、后果更直接。
从市场秩序看，若通过编造背书、虚构测评、操纵口碑等方式吸引模型引用，可能涉嫌虚假宣传与不正当竞争，挤压守法经营者的公平空间，造成“劣币驱逐良币”。
从技术生态看，大模型迭代离不开高质量数据。
若大量同质化、强商业导向内容持续涌入公共信息环境，容易污染训练与检索语料，降低答案可靠性与多样性，长远看不利于产业健康发展，也削弱社会对新技术的信任基础。
对策—— 完善治理需要把握“既放得活又管得好”的原则，在鼓励创新与维护公共利益间形成可执行的边界。
其一，推动规则前置，明确“答案式推广”认定与标识标准。
针对对话式产品和智能体场景，研究制定可操作的广告识别与提示规范，强化显著标识、来源说明与利益关联披露，让用户一眼可辨、可追溯、可退出。
其二，压实主体责任，厘清服务商、平台与广告主边界。
对提供GEO等服务的机构，要求其留存业务记录、来源链路与客户信息，禁止伪造事实、虚构背书等行为；对提供大模型服务的平台，完善内容安全与商业合规审核机制，建立申诉纠错通道和快速处置机制；对广告主，强化对营销外包的合规管理，避免以“技术服务”之名规避法律责任。
其三，强化全流程监管与技术治理。
治理不仅盯结果，更要覆盖数据来源、内容生成、展示交互等关键环节，探索“以技治技”：提升推荐与生成逻辑的透明度与可解释性，完善水印、溯源、引用标注、风险提示等技术手段；对高风险行业与高影响场景，可引入分级分类管理与强制审查机制，形成可验证、可问责的闭环。
其四，形成多方协同共治格局。
新问题专业性强、变化快，需要监管部门、行业组织、平台企业、研究机构和消费者组织共同参与标准制定、案例研判与公众教育，推动形成可持续的治理生态。
前景—— 中央已提出完善人工智能治理。
面向生成式应用快速渗透的趋势，治理思路需要从“堵漏洞”转向“建机制”，从“事后纠偏”转向“预防为先”，从单一监管转向协同共治。
可以预期，随着制度规则、技术工具和行业自律逐步到位，AI信息服务有望在更清晰的边界内实现良性竞争：商业推广回归可识别、可监管、可追责的轨道，用户获得更可信的决策支持，产业也能在稳定预期中释放创新动能。
AI"打广告"的现象，本质上是技术进步与社会治理之间的一次"对话"。
技术的发展往往超越现有规则的覆盖范围，这既是挑战，也是机遇。
关键在于我们如何应对——既要保持对创新的尊重和鼓励，也要坚守对消费者权益的保护。
这需要监管者的敏锐洞察和及时跟进，需要企业的自律和担当，更需要全社会的理性思考。
唯有在观点的交锋和利益的平衡中不断反思和完善，才能确保技术向善，让人工智能真正成为造福全社会的工具，而非沦为商业操纵的手段。