互联网信息生态正面临新的挑战。继搜索引擎优化（SEO）之后，针对生成式AI系统的"生成式引擎优化"（GEO）黑灰产业应运而生。该新型乱象的出现，暴露了当前AI内容生产链条中存的结构性风险。 从问题表现看，GEO乱象的危害程度超越了传统互联网虚假广告。过去的网络虚假信息主要在"曝光位置"上做文章，用户仍能识别出"这是广告"。而当前的GEO操纵则从AI的"思维方式"入手，试图扭曲整个模型的信息生产逻辑。不法商家仅需支付少量费用，就能通过技术手段向大模型注入虚假信息，最终让AI以"总结建议""推荐答案""整理共识"等看似客观的形态，向用户推荐假冒伪劣产品。这种隐蔽性更强、欺骗性更大的操纵方式，使用户难以察觉。 从原因分析看，GEO乱象的产生根植于生成式AI系统的结构性漏洞。AI模型只能通过"引用来源""统计数据""表达流畅度"等标签来机械识别数据的可信度，这决定了其"信任机制"天然存在缺陷。研究数据表明，当训练数据集中仅含0.01%的虚假文本时，模型输出的有害内容就会增加11.2%；即使虚假文本比例低至0.001%，有害输出也会上升7.2%。这说明AI系统对数据污染的敏感度极高，极少量的虚假信息就能显著影响模型的输出质量。 从影响评估看，GEO乱象若任其蔓延，将对互联网内容生态造成严重破坏。大模型可能在被污染的数据"回音壁"中不断进行"再生产"，导致虚假信息在AI系统中被反复强化和传播，最终形成劣质化的信息生态。这不仅威胁用户的知情权和消费权益，更可能动摇公众对AI技术的信任基础。 对此，需要采取多层次、全方位的应对措施。首先，模型企业应强化技术自律，建立健全数据真实性与可靠性的内部防线，通过技术手段识别和过滤虚假信息。其次，监管部门需要多层次发力。一上要尽快推进涉及的领域的立法工作，明确将"故意污染AI数据"定义为违法行为，建立明确的法律边界。另一方面要加大执法力度，显著提高违法"污染"的成本，形成有效的威慑力，遏制行业乱象蔓延。 从更深层的视角看，GEO乱象也给社会提出了一道新的"信息治理"课题。在信息爆炸时代，许多人已习惯将记忆任务交给搜索引擎，将判断思考能力交给机器。但当前的现实表明，AI检索、数据抓取、模型训练等环节并不如想象中那么可靠。用户不能轻信或过度依赖"一键AI"的结果，而应保持清醒的反思意识，掌握自己思考、认知、判断的主动权。这要求用户在享受AI便利的同时，培养更强的信息辨别能力和批判性思维。
真实是信任的基础，判断是选择的前提。随着生成式AI深入社会生活——"可信"应优先于效率——"可验证"应重于流畅。防范"AI污染"需要企业守底线、监管有力度、公众保持清醒——让技术真正服务公共利益，而非成为欺骗工具。