2026年3月15日，央視“3·15”晚會曝光了一條灰色產(chǎn)業(yè)鏈：通過批量生成虛假軟文投喂給AI模型，僅數(shù)小時后，AI便開始推薦一款根本不存在的產(chǎn)品。

所謂AI投毒，是指行為人通過批量投放虛假或誤導性信息，使其被人工智能系統(tǒng)學習并體現(xiàn)在生成結(jié)果中，從而達到自我宣傳、干擾競爭對手等非法目的。

其隱蔽性強、取證難度高、損害長期化，引發(fā)企業(yè)界對新型不正當競爭手段的普遍擔憂，也讓消費者對AI信息的可靠性產(chǎn)生質(zhì)疑。

AI投毒的本質(zhì)，是信息可信性的崩塌。解決問題的核心在于構(gòu)建可信信息基礎，建立可信的信息底座。

GEO如何“投毒”？技術(shù)肌理與AI的脆弱性

GEO（生成式引擎優(yōu)化）能夠?qū)I實施數(shù)據(jù)投毒，關(guān)鍵在于其精準利用了現(xiàn)有大模型的信息篩選與特征提取機制。

手法一：結(jié)構(gòu)化數(shù)據(jù)操縱。

AI在抓取信息時，會優(yōu)先讀取網(wǎng)頁里JSON-LD這類“結(jié)構(gòu)化身份標簽”和高權(quán)重平臺的內(nèi)容。GEO服務商正是鉆了這個空子：在“有毒”數(shù)據(jù)里偽造權(quán)威來源標簽，讓AI誤以為這是可信信息；

部分服務商更進一步：將內(nèi)容投放到高權(quán)重平臺，利用AI對平臺信譽的信任，讓“有毒”數(shù)據(jù)信息獲得更高語料權(quán)重。

手法二：內(nèi)容農(nóng)場與關(guān)鍵詞密度。

GEO服務商通過自動化工具批量生成海量同質(zhì)化內(nèi)容(即“內(nèi)容農(nóng)場”)，在文本中高頻重復“A品牌優(yōu)質(zhì)””B品牌劣質(zhì)"等傾向性斷言，利用生成式搜索AI對信息密度與重復度的偏好，誘導其將此類片面結(jié)論誤判為普遍共識;

3·15晚會曝光的“某GEO優(yōu)化系統(tǒng)”正是典型案例。該系統(tǒng)自動生成大量結(jié)構(gòu)一致、結(jié)論統(tǒng)一的營銷文章，在RAG檢索階段提升虛構(gòu)產(chǎn)品的信息權(quán)重，使AI在回答時優(yōu)先采信虛假信息。

手法三：反向利用AI的引用機制。

AI在信息篩選時，會優(yōu)先采信經(jīng)多來源交叉驗證的內(nèi)容。GEO服務商利用這一機制，通過多平臺、多賬號批量發(fā)布高度一致的虛假信息，構(gòu)建協(xié)同虛假互證網(wǎng)絡，誘導AI將此類內(nèi)容誤判為經(jīng)過多方驗證的可信事實;

當這些虛假信息同時分布于普通平臺與高權(quán)重平臺時，AI對來源可信度的聚合機制會進一步放大虛假信息的影響力，使其在回答中被優(yōu)先采納。

為什么AI容易中招？

AI的訓練數(shù)據(jù)篩選機制存在三個盲區(qū)：

一是數(shù)量偏好偏差：在信息密度與質(zhì)量的權(quán)衡中，更易采信多來源重復的內(nèi)容，易被規(guī)模化虛假信息誤導。

二是平臺權(quán)重依賴：對高域名權(quán)重平臺的內(nèi)容賦予天然信任，未充分校驗內(nèi)容本身的真實性，導致高權(quán)重平臺成為虛假信息的放大器。

三是結(jié)論性斷言識別不足：難以有效甄別缺乏事實支撐的結(jié)論性描述，易被“協(xié)同虛假互證網(wǎng)絡”利用。多平臺、多賬號批量發(fā)布高度一致的虛假信息，誘導AI將其誤判為經(jīng)多方驗證的可信事實。

如何構(gòu)建可信信息基礎？——內(nèi)容溯源與源頭規(guī)制 內(nèi)容溯源：讓信息來源可追溯

現(xiàn)在頭部AI公司已經(jīng)在做“信息留痕”：通過技術(shù)手段，可以記錄每條訓練數(shù)據(jù)的來源、時間、發(fā)布者等信息。當虛假內(nèi)容導致AI輸出異常時，能夠追溯至源頭，為后續(xù)追責提供證據(jù)支持。

但這只能算“出事了再查”，沒法提前防住假數(shù)據(jù)。真正的難題是：怎么讓AI在學習和回答的時候，就自己分清“真話”和“假話”？

答案不是搞一套復雜的“權(quán)威認證”，而是讓發(fā)信息的人真的擔責：誰發(fā)的信息誰對真假負責，用技術(shù)溯源把責任釘在源頭，這才是建可信信息體系的根本。

規(guī)制GEO：切斷虛假信息源頭

如果AI公司已經(jīng)盡到了基本的信息審核義務，那誰該為AI被“投毒”背鍋？答案是產(chǎn)業(yè)鏈的重要環(huán)節(jié)：大規(guī)模商業(yè)化GEO服務商。

GEO技術(shù)本身具有中立性。個人小規(guī)模使用GEO，通過免費工具測試品牌曝光率、優(yōu)化內(nèi)容結(jié)構(gòu)、增加權(quán)威數(shù)據(jù)引用，屬于正當?shù)臄?shù)字營銷行為，不該被一棍子打死。

問題出在規(guī)模化、商業(yè)化運作上。

大規(guī)模GEO服務商批量生成虛假內(nèi)容，系統(tǒng)化投入AI的信息池，以“保證出詞”“20天內(nèi)見效”“保準排在AI推薦的榜首”等為賣點，把AI變成了操縱輿論、打壓對手的工具，形成灰色產(chǎn)業(yè)鏈。

對這類服務商的規(guī)制框架包括：

先管準入：商業(yè)GEO服務必須在網(wǎng)信部門備案，涉及醫(yī)療、金融等敏感領(lǐng)域的，還要額外拿專項許可，從入口攔住高風險操作。

再管內(nèi)容：服務商必須對自己生成的內(nèi)容負責，尤其是“踩一捧一”的商業(yè)評價，不能拿“技術(shù)中立”當擋箭牌。

鎖定責任： 明知內(nèi)容虛假仍批量投放的，承擔直接責任；為客戶提供 相關(guān)非法 服務的，承擔連帶責任

這種規(guī)制思路的核心在于：誰生產(chǎn)信息，誰對信息負責。不要求建立一套復雜的權(quán)威認證體系，而是通過法律明確責任歸屬，讓GEO服務商在“造假”與“擔責”之間做出選擇。

法律如何保障？——AI企業(yè)責任邊界與反法適用完善 AI企業(yè)責任：合理注意義務，而非絕對保證

責任以過錯為前提，過錯以“能夠預見、能夠避免”為核心前提。審視當下技術(shù)現(xiàn)實，大模型訓練數(shù)據(jù)量達萬億級別，逐條審查顯然脫離實際；尤其是專門針對AI的“結(jié)論式內(nèi)容”（多結(jié)論、少數(shù)據(jù)、少論證）文章，目前技術(shù)無法有效分辨其真?zhèn)巍?/p>

目前雖有相關(guān)法律法規(guī)明確AI企業(yè)需要提高訓練數(shù)據(jù)質(zhì)量，但落地操作性仍有局限?？梢酝茰y，立法者有意保持規(guī)范彈性，避免對尚處發(fā)展初期的AI產(chǎn)業(yè)課以過重責任——過重的責任限制將導致多重負面影響：合規(guī)成本飆升、創(chuàng)新風險規(guī)避、國際競爭力下降。

因此，AI企業(yè)的責任應定位為“合理注意義務”，而非“絕對保證義務”。判斷標準是：是否采取了行業(yè)公認的防范措施。在行業(yè)標準尚未建立的現(xiàn)階段，不宜對AI企業(yè)課以過高責任。

明晰執(zhí)法標準：為“可信信息”提供法律保障

通過司法解釋或行政執(zhí)法審查指南，將兩類核心行為明確納入不正當競爭規(guī)制：

偽造內(nèi)容來源：偽造、冒用權(quán)威機構(gòu)名義、平臺標識進行內(nèi)容投放的，直接認定為不正當競爭；

主觀惡意投放：明知內(nèi)容虛假或具有誤導性，仍批量投放至AI訓練數(shù)據(jù)或檢索庫的，構(gòu)成不正當競爭。

例如：

經(jīng)營者利用生成式AI從事生產(chǎn)經(jīng)營活動，不得實施下列干擾AI系統(tǒng)正常運行、破壞數(shù)據(jù)真實性的行為：

（一）偽造、冒用權(quán)威機構(gòu)數(shù)字簽名、資質(zhì)證書或真實交易憑證，生成虛假內(nèi)容并向AI訓練數(shù)據(jù)或檢索庫進行投喂的；

（二）明知內(nèi)容虛假或具有誤導性，仍通過批量、重復、針對性等方式向AI訓練數(shù)據(jù)或檢索庫進行投放，足以干擾AI系統(tǒng)正常輸出邏輯、誤導公眾選擇或妨礙競爭對手合法經(jīng)營的。

（三）除前兩款規(guī)定外，經(jīng)營者利用技術(shù)手段向AI系統(tǒng)注入惡意數(shù)據(jù)、篡改核心邏輯，足以實質(zhì)性干擾AI模型運行、破壞市場競爭秩序的其他行為。

核心原則

技術(shù)中立不是絕對免責理由，規(guī)?；瘣阂庑袨楸仨氁?guī)制，信息發(fā)布者對內(nèi)容真實性負責，法律法規(guī)可以更為具體化。

唯有構(gòu)建起信息可追溯、責任可界定、規(guī)制可落地的制度體系，才能在AI技術(shù)快速發(fā)展的浪潮中守住公平競爭與信息可信的底線。