腾讯入局之后的国内 GEO：从"抢位置"到"守信任"的一次行业换挡

本文由 莫潇羽@复源AI社区（bbs.fuyuan7.com）撰写，转载请注明出处。

快速摘要

腾讯这次推出的 AI 可见度分析产品，落点是企业服务线，不是搜索主战场。它真正改变国内 GEO 环境的地方有三处：第一，度量衡开始统一，"品牌在 AI 回答里的位置"从各家自说自话变成可横向比较的指标；第二，腾讯手里握着微信公众号、视频号这批外部爬虫抓不到的封闭语料，谁做监测谁就顺手掌握了这块语料池的仪表盘；第三，也是最关键的一点，这次入局发生在 2026 年 3·15 晚会曝光"AI 投毒"、市场监管总局把 AI 生成广告列为集中整治对象、中央网信办的"清朗"专项行动把"使用 GEO 技术恶意营销"直接写进 AI 数据投毒整治清单之后，这个先后顺序决定了后面的游戏规则——大厂带进来的不是流量红利，是合规成本。 对普通从业者和中小企业来说，结论其实挺朴素：靠批量发稿刷存在感的路正在被堵死，把官网和自有内容做成"可被正确引用的事实源"才是长期解。

下面我会从原理讲起，把 AI 回答的生成链路、腾讯落在产业链哪一格、监管这一年的完整时间线、合规红线清单、以及我自己跑基线监测的一套流程全部拆开。想看完整拆解，往下翻。

一、先把话说清楚：GEO 到底在优化什么

1.1 一句话白话解释

GEO 的全称是 Generative Engine Optimization，中文一般译作"生成式引擎优化"。名字听着唬人，说白了就一件事：当用户不再自己去翻搜索结果页，而是直接问 AI"XX 行业哪几家靠谱"的时候，想办法让 AI 的那段回答里出现你的名字，并且描述是准确的、正面的。

我第一次跟做传统优化的朋友解释这事，用的比喻是"考场换了"。以前是把卷子交上去排名次，谁分高谁靠前，用户自己挑；现在是老师直接念出三个名字，念不到就等于不存在。名次这个东西被折叠掉了，只剩下"念到"和"没念到"两种状态。

这里要先给新手拆两个词。

信源，指 AI 生成那段回答时实际参考、并且往往会在答案下方列出来的来源页面。可以理解成 AI 的"参考文献"。

实体，指 AI 在知识层面认得的那个"东西"本身——一个公司名、一个产品名、一个人名。实体清不清晰，决定了 AI 会不会把你和同名的另一家搞混，也决定了它敢不敢在回答里提你。

GEO 干的活，本质上就是同时经营这两样：让你的内容能进"参考文献"，让你这个"东西"在模型眼里边界清楚、属性明确。

1.2 一次 AI 回答是怎么生成出来的

理解 GEO 的原理，绕不开一个叫 RAG 的机制。RAG 是 Retrieval-Augmented Generation 的缩写，白话讲就是"先查资料再回答"。模型自己肚子里的知识是有截止日期的，也不见得记得住某个小众品牌，所以现在主流的 AI 搜索类产品，接到问题后往往先去检索一批网页或者站内内容，把找到的材料塞进上下文，再让模型基于这些材料组织语言。

整条链路大致长这样：

flowchart TD
    A[用户提问<br/>比如：华东做工业质检的服务商有哪些] --> B[意图理解与查询改写]
    B --> C[检索层<br/>全网索引 + 生态内私域语料]
    C --> D[候选材料排序与去重]
    D --> E[模型基于材料生成答案]
    E --> F[输出答案 + 标注引用来源]
    F --> G{用户追问?}
    G -->|是| B
    G -->|否| H[会话结束]

    style C fill:#e8f0fe,stroke:#4285f4
    style D fill:#e8f0fe,stroke:#4285f4

我把 C 和 D 两个环节标出来了，因为 GEO 能起作用的空间基本全在这两格里。你影响不了模型的参数，也影响不了它怎么措辞，但你可以影响"检索的时候有没有你"以及"排序的时候你排第几"。

这一点非常重要，值得多说一句。很多人对 GEO 的想象是"训练 AI"，觉得只要把内容铺出去，模型下次训练就会把这些内容学进去。这个理解偏了。大模型重新训练的周期以月甚至更长计，成本高得离谱，一家企业发的那点内容在训练语料里是可以忽略不计的噪声。真正在几小时到几天内就能影响 AI 回答的，是检索层——也就是说，AI 每次回答之前临时去搜的那一遍。这也是为什么 3·15 晚会上那个虚构产品能在两小时内被多个模型当成真事讲出来：它污染的不是模型的记忆，是模型的"临时资料架"。

1.3 GEO 和传统搜索优化到底差在哪

我做过一张对照表，新手可以先看这张：

表里最值得琢磨的是"答案会漂移"这一条。传统排名是稳定的，你今天查第三名，明天大概率还是第三名。AI 回答不是，同一个问题连问五次，可能有三次提到你、两次没有。这个特性直接导致了监测工具的必要性——没有工具做高频采样，你连自己现在什么状况都说不清楚。 这也是为什么整个 GEO 赛道最先跑出来的是监测类产品，而不是优化类产品。

1.4 为什么"零点击"让企业坐不住了

还有一层背景不能漏。传统搜索时代，就算你排在第八名，用户滑一下还是可能看到你。生成式回答把这个机会砍掉了：AI 通常只列三到五个选项，没进这个名单，用户根本不知道你存在。

这就是业内常说的零点击困境。用户的需求在 AI 那一段话里就被满足了，不再往下走。对内容方来说是流量流失，对品牌方来说是心智入口被截胡。企业决策者对 GEO 从观望转向投入，压力主要来自这里，而不是来自哪家服务商的话术。

莫潇羽@复源AI社区 的一个提醒：看到"超过 X 成用户已经改用 AI 做决策"这类数据的时候，不用太当真。这类数字在各家宣传材料里差异很大，口径也不透明，当趋势看就行，别拿来做投入决策的依据。真正靠谱的判断方式是拿你自己的行业词去几个主流 AI 里实际问一遍，看看答案里有没有你、有没有你的同行。这个成本极低，结论比任何报告都实在。

二、腾讯这次做的，是产业链的哪一格

2.1 先给整条产业链分格子

要判断一次入局的分量，得先知道这条链上一共有几个位置。我按实际交付物把它切成五格：

腾讯这次的产品，位置非常清楚：第一格。 它做的是品牌提及监测、引用信源分析、表述质量评估、竞品横向对照这一类事情，输出的是报表和看板，不是代你去发内容，更不是承诺把你送进某个位置。

这个定位有它的道理。第一格是这五格里唯一能纯做产品、不用堆人力、也基本不碰内容合规风险的位置。大厂的组织形态天然适配这一格，而后面三格是苦活累活，还得为客户的内容负连带责任，正经大厂不会去接。

2.2 "云业务的顺势延伸"比"战略级下场"更接近事实

外界容易把这件事读成"巨头正式下场做 GEO"。我的判断没那么大。

看几个信号就够了。第一，产品归属在企业服务与云业务的团队下面，不在搜索或者大模型团队下面。第二，产品能力围绕的是企业客户的营销诊断需求，和企业服务线原有的客户运营、营销云产品是一条线上的东西。第三，它没有触碰"帮你优化"这件事，也就意味着它没有和自家 AI 产品的答案质量形成利益冲突。

把这三点串起来，更合理的解读是：一家已经握着大量企业客户的服务商，给存量客户加了一个新的功能模块。 客户本来就在用它的客服、营销、CRM 系统，现在多了一个"看看我在 AI 里长什么样"的入口，销售路径几乎是零摩擦的。这是典型的存量业务加载新能力，不是新开一条战线。

这个判断为什么重要？因为它直接影响你对竞争烈度的预期。如果是战略级下场，中小服务商确实要紧张；如果只是企服工具箱里新增一格，那这件事对中小玩家的挤压其实有限，甚至是利好——大厂帮你把市场教育做完了。

2.3 内部先跑一遍，再对外开放

这类产品对外发布前，通常会先在内部业务上做验证。腾讯的产品序列里这个惯例一直存在，从早年的协作工具到近几年的各类 AI 产品都是这个路数。

内部先用有两层意思。往好里说，内部业务是最挑剔的客户，工具不好用当场就弃用了，能扛过内部验证说明基本功能是跑通的，"品牌在 AI 里的可见度可以被系统化测量"这条路径在真实环境里成立。往实里说，这也是一次成本极低的产品打磨——内部品牌不用签合同、不用做售前、出了问题直接找对面工位，试错效率比外部客户高得多。

我个人更在意的是第一层带来的行业效应："GEO 是不是伪需求"这个争论，可以基本结束了。 一个手里有几百万企业客户的服务商，愿意为这件事单独做一个产品并且拿自家业务先趟一遍，这个动作本身比任何一份行业报告都有说服力。

但要接着说清楚边界。

2.4 一个必须画清楚的边界：看见不等于变好

监测产品解决的是"我现在什么状况"，解决不了"我怎么变好"。

这个道理放在别的行业里大家都懂。体检报告告诉你血脂偏高，它不会顺手把你治好；行车记录仪告诉你路况，它不会替你打方向盘。GEO 监测工具也一样，它把提及率、引用来源、表述倾向这些指标摆在你面前，接下来怎么把不利表述扭过来、怎么让权威信源覆盖到你，仍然是内容和运营层面的活。

有意思的是，诊断工具越普及，专业执行能力反而越值钱。原因很简单：以前没人知道自己什么状况，投入多少全靠感觉，服务商说什么是什么；现在人人手里有报表，效果好不好一目了然，那些只会批量发稿凑数的玩法会被数据当场戳穿。工具普及不会消灭服务商，它会淘汰滥竽充数的那一批。

2.5 域名级别说明不了战略级别

顺带说一个我在同行群里反复看到的误读：有人拿产品挂在哪个域名下、给了几级子域名来论证重视程度。

这个思路是老搜索时代留下的惯性。那个年代网站是唯一门面，域名结构确实能反映资源分配。现在完全不是这么回事了。大厂手里同时有多个主域名，产品挂在哪个域下更多是团队归属和运维习惯的结果；真正体现重视程度的是产品在自家 App 里有没有一级入口、有没有独立的商业化团队、有没有出现在财报电话会的表述里。

我说这个不是抬杠，是因为判断失误会直接影响你的动作。把"新增一个企服模块"读成"巨头全面开战"，容易做出过激反应；反过来，把真正的战略投入读成小打小闹，也会错过节奏。看组织归属、看资源投放、看商业化设计，别看域名。

三、真正的变量不是这款产品，是腾讯手里的那批语料

3.1 一个被普遍低估的事实：中文互联网的语料是分块的

要说清楚腾讯入局对国内环境的影响，必须先承认一件事：国内几个主流 AI 入口，能看到的世界并不一样。

海外的 AI 搜索产品面对的是一个相对开放的网页世界，谁都能爬，差别在于索引质量和排序策略。国内不是。国内的优质内容大量沉淀在各家自己的围墙里——公众号文章、短视频平台的图文、电商平台的商品与评价、知识社区的问答，这些内容对外部爬虫要么完全不可见，要么只能看到很浅的一层。

结果就是每个 AI 入口都有自己的"主场语料"：

这张表是我根据各家公开的产品说明、实际提问测试的引用来源分布整理的，是一个粗略的相对判断，不是精确刻度。但方向是确定的：内容发在哪里，直接决定了它有机会在哪个模型里被看见。

3.2 微信生态这块语料的特殊性

腾讯的 AI 助手在联网检索时会优先调用生态内的内容，公众号、视频号是明确被提到的信源类型。财新、新华社旗下媒体在 2025 年报道该助手接入微信时，都提到了它能直接解析公众号文章这一能力；产品自身的介绍里，也把覆盖公众号、视频号等信源作为答案准确性的支撑之一。

这意味着什么？

微信公众号积累了十几年的中文长文内容，量大、质量参差但顶部内容相当扎实，而且这批内容对绝大多数外部检索是不可见的。你在别的搜索引擎里搜一篇公众号文章的标题，多半只能搜到各种转载和抓取站，原文页面基本不在索引里。

所以对企业来说，公众号内容长期以来的定位是"发给订阅者看的"。现在它多了一重身份：它可能成为某个 AI 入口回答问题时的引用来源。 一篇写得清楚、结论明确、事实可核验的行业分析，影响的不再只是那几千个订阅用户，还可能影响到成千上万次品牌相关的 AI 提问。

我自己做过一轮粗略验证。方法很土：挑了六个我熟悉的细分领域问题，在几个主流 AI 入口里各问三遍，把答案下方标注的来源域名记下来做分布统计。结论是腾讯系入口的答案里，来自其生态内的引用占比明显高于其他入口，而其他入口给出的来源里几乎看不到公众号原文。样本量很小，只能算一个方向性的观察，但足够说明问题——信源分布是分裂的，不存在一套内容通吃所有模型。

3.3 做监测的人，顺手拿到了仪表盘

把上面两件事叠在一起，腾讯做 AI 可见度监测这件事就有了另一层含义。

它不只是在卖一个 SaaS 工具。它是在自家语料池边上装了一块仪表盘，而这块池子恰恰是外部监测工具最难测准的部分。第三方工具测公开网页的引用情况没问题，测封闭生态内的召回情况就很吃力——你连原文页面都抓不到，怎么判断它有没有被引用？

这就形成了一个结构性的信息差。在腾讯生态内的可见度这件事上，腾讯自己的工具天然比第三方准。 这个优势不是靠技术堆出来的，是数据位置带来的。

对行业的影响是双向的。往好的方向看，企业终于有了一个相对可靠的口径去看自己在这块封闭语料里的表现，以前这是彻底的黑盒。往需要警惕的方向看，一家同时拥有语料、模型、分发渠道和监测工具的公司，客观上既是裁判也是选手——它告诉你分数，而分数的规则由它自己定。

我不认为这里存在什么阴谋，商业逻辑摆在那儿，任何一家大厂在这个位置上都会这么做。但作为使用方，你得知道这个结构存在，别把任何单一工具的数据当成客观真理。我的做法是至少交叉两个来源：一个平台方自己的工具，一个中立的第三方工具，再加上定期的人工抽查。 三者结论一致的部分才当真，冲突的部分标记为待观察。

3.4 这对内容策略意味着什么

顺着这个逻辑往下推，内容策略要做的调整就很清楚了。

别把所有鸡蛋放在一个语料池里。 只做公众号，你在腾讯系入口可能表现不错，在其他入口基本是隐形的；只做官网，你在开放索引里能被看到，但拿不到微信生态的那部分。合理的做法是核心内容一稿多态：官网放最完整、最结构化的那一版作为事实源，公众号放适合阅读的叙述版，其他平台放摘要或者拆解版，彼此之间形成互相印证的关系。

官网仍然是不可替代的那一环。 原因是所有平台都会变，规则会调，账号会有风险，只有自己的站点是产权清晰、结构可控、能长期沉淀的。AI 在做事实核验的时候，官方站点的权重通常高于任何第三方转述——这是一个跨平台的通用规律，不因为哪家模型的偏好而改变。

莫潇羽的实操建议是：把官网当成品牌的"事实数据库"来建，而不是当成宣传册。产品参数、服务范围、资质信息、常见问题、案例说明，这些东西要写得像词条一样准确、可核验、结构清晰。宣传性的形容词对 AI 几乎没有价值，可核验的事实才有。

3.5 一个容易被忽略的细节：内容的"可摘录性"

再补一个我踩过坑之后才想明白的点。

同样一篇文章，有的容易被 AI 引用，有的完全不会，差别往往不在内容质量，在能不能被干净地摘出一段来回答问题。

AI 组织答案的时候，需要的是一个能直接放进回答里的信息块：一句明确的结论、一组具体的数字、一段清晰的定义。如果你的文章是那种铺垫三百字才进入正题、观点散落在各处、结论藏在最后一段的写法，检索系统就算抓到了这篇文章，也很难从里面切出一块合用的内容。

所以内容结构上有几个具体做法值得照做：

可摘录性自查清单
├── 每个小节开头有没有一句能独立成立的结论句？
├── 关键数字有没有和它的口径、时间、来源放在一起？
│   （错误示范：市场规模超百亿）
│   （正确示范：某机构 2026 年发布的预测口径下，规模约为 XX 亿元）
├── 专有名词第一次出现时有没有一句话定义？
├── 有没有 FAQ 式的问答段落，直接对应用户可能的提问？
└── 段落长度是否适中，一段只讲一件事？

这套东西和写给人看的好文章标准其实高度重合。写得清楚的文章，人读着舒服，AI 也好摘。那些为了迎合机器而写得七零八落的内容，两头都不讨好。

四、把时间线拉长：为什么"入局"发生在这个节点

4.1 完整的时间脉络

判断一个动作的含义，看它发生在什么时候比看它是什么更有效。我把这一年多国内 GEO 领域的关键节点串了一条线：

timeline
    title 国内 GEO 环境的关键节点
    2025 上半年 : AI 助手接入微信生态<br/>生态内内容进入 AI 信源层
    2025 年 9 月 : 生成合成内容标识办法施行<br/>配套强制性国标同步生效
    2025 下半年 : 概念快速升温<br/>大量从业者涌入
    2026 年 1 月 : 全国广告监管工作要点发布<br/>AI 生成广告被列为整治重点
    2026 年 3 月 : 央视 3·15 晚会曝光 AI 投毒<br/>虚构产品数小时进入推荐位
    2026 年 4 月 : 互联网广告生态治理通知印发<br/>网信办启动清朗整治 AI 应用乱象专项行动
    2026 年 5 月 : 信通院推出可信 GEO 团体标准<br/>首批服务商通过专项评测
    2026 年 6 月 : 广告引证内容执法指南正式出台<br/>监管口径进一步细化
    2026 下半年 : 大厂监测类产品陆续对外<br/>行业进入合规与标准化阶段

看完这条线，一个判断就很自然了：大厂的监测产品不是在风口最高的时候进来的，是在监管落地之后进来的。

这个顺序非常关键。如果是在 2025 年下半年概念最热的时候进来，那叫抢红利；在 3·15 曝光和多份监管文件出台之后进来，性质完全不同——那是在一个规则已经开始清晰的市场里，做一件风险可控的事。

4.2 3·15 那一晚到底曝了什么

2026 年 3 月 15 日晚，央视 3·15 晚会把镜头对准了 GEO 领域的灰色操作。据当时多家媒体的报道，节目里最有冲击力的一段演示是这样的：调查人员虚构了一款根本不存在的智能穿戴产品，没有供应链、没有真实用户、参数全是编的，甚至给它编了一些明显不成立的技术卖点。随后用一套自动化系统生成十几篇围绕这款产品的推广内容——测评、榜单、用户反馈一应俱全——分发到多个自媒体账号和站点。

几个小时之后，再去问主流 AI"这款产品怎么样"，模型已经能给出一段像模像样的介绍，并且把那些虚构的卖点当成事实写进了答案。

节目里被曝光的服务商说得很直白，这类业务的关键就是在各类互联网账号上批量发稿。媒体后续跟进的报道还提到，这类服务不仅能做正向的"铺好评"，也能反向操作竞争对手的口碑。行业里还存在更隐蔽的手法，比如伪造权威认证和行业排名、把诱导性指令藏在网页代码或元数据里，让抓取系统优先采信编造的内容。

央视当时的评论里有一个说法我印象很深，大意是：这项技术本身只是信息分发的优化工具，问题出在被一部分人拿去牟利、把经念歪了。这个定性其实相当克制——它没有否定 GEO 本身，否定的是造假。 这一点对从业者很重要，后面第五章会展开讲边界在哪。

4.3 监管的四条线同时收紧

3·15 只是一个引爆点，真正塑造行业环境的是几条并行推进的监管线。

第一条是内容标识线。 网信办等四部门联合发布的《人工智能生成合成内容标识办法》自 2025 年 9 月 1 日起施行，配套的强制性国家标准《网络安全技术 人工智能生成合成内容标识方法》同步实施。核心要求是 AI 生成的文本、图片、音频、视频都要"亮明身份"：一方面在内容或界面上加用户能明显感知的显式标识，另一方面在文件元数据里加隐式标识。办法同时明确，任何组织和个人不得恶意删除、篡改、伪造、隐匿这些标识，也不得为他人实施这类行为提供工具或服务。

第二条是广告监管线。 市场监管总局在 2026 年 1 月底发布的《2026 年全国广告监管工作要点》里，把 AI 生成广告和直播电商广告、引证广告一起列为互联网广告监管的重点难点，明确要开展集中整治。到 2026 年 4 月，总局印发了《关于深化互联网广告生态治理工作的通知》和《互联网广告市场秩序整治重点任务》，首次提出"互联网广告生态治理"这一理念，从制度体系、平台主体责任、重点领域监管、监测执法能力、价值导向五个方面系统部署，同时决定开展为期半年的市场秩序整治行动，重点任务里明确包含"规范人工智能生成式广告"和"规范'矩阵式'广告投放"。到 6 月的例行新闻发布会上，官方对这套治理思路做了系统阐述，提到的问题里就包括"滥用人工智能、过度追求流量"这类新情况。

第三条是行业标准线。 2026 年 5 月，中国信息通信研究院依托人工智能产业发展联盟（AIIA）安全治理委员会召开了可信 GEO 专题会议，联合产学研多家单位制定了《生成式引擎优化（GEO）服务可信基本要求》技术规范，并基于该规范开展服务商可信专项评测，已有服务商通过首批评测。这里要说清楚性质：它是团体标准，不是国家标准，也不是行政许可。 市面上把它宣传成"国家级认证""官方牌照"的说法都不准确。它的真实意义在于给"什么叫合规的 GEO 服务"提供了一个可对照的框架，而不是让市场继续各说各话。

第四条，也是和本文话题最直接相关的一条，是网信内容治理线。 2026 年 4 月，中央网信办在全国范围部署了为期四个月、分两个阶段推进的"清朗·整治 AI 应用乱象"专项行动。第一阶段重点整治的七类问题里，"AI 数据投毒"被单列一类，官方对这一类的表述明确包含"通过篡改训练语料、伪造权威数据、使用 GEO（生成式引擎优化）技术恶意营销等方式实施 AI 数据投毒"，同时点名"炒作、教授 AI 数据投毒方法，或在电商平台兜售教程及工具"。第二阶段则转向 AI 生成的虚假信息、假冒仿冒、网络水军等内容侧问题，明确要依法处置违规账号、MCN 机构和网站平台。

这一条对从业者的分量比前三条更重。它是第一份把 GEO 这三个字白纸黑字写进整治清单的官方文件，而且落点不只是广告主，还包括提供工具和教程的一方。据官方 7 月通报，该行动第一阶段已累计处置违规 AI 产品一万四千余款、清理违法违规信息六百余万条、处置账号两万六千余个——这不是纸面部署。

四条线一叠加，行业环境的变化就很明显了——从"没人管"变成了"有法可依、有标准可对照、有专项整治"。 需要提醒的是，专项行动有明确的起止周期，但周期结束不等于回到从前，通常的路径是专项转常态。

4.4 市场规模数据要怎么看

这个话题绕不开规模预测，但我必须先给个提醒：这类数据的口径差异非常大，不同机构的预测能差出几倍，用来感受趋势可以，用来做决策依据不行。

公开可查的几个口径大致是这样：有研究机构提到 2024 年国内相关服务市场规模在数十亿元量级；有咨询机构预测 2026 年国内规模可能达到百亿元以上；有券商研究把全球市场的中期规模预测放到了更高的量级；还有分析机构预测 2027 年的国内规模会是 2025 年的数十倍。

这些数字之间互相矛盾吗？也不完全是。核心问题在于"GEO 服务"这个统计口径本身就没有共识——是只算专门的优化服务，还是把相关的内容生产、媒体发布、监测工具全算进去？把发稿费用算进去和不算进去，能差出一个数量级。

我的建议是把这类预测当成"行业热度的温度计"来看，别当成市场容量的刻度尺。真正对你有用的数据只有一个：你自己所在细分领域的客户，现在是不是真的会先问 AI 再做决策。 这个问题的答案不需要买报告，问十个客户就知道了。

值得警惕的还有另一面。有媒体在分析这个赛道时指出过一个风险：生成式 AI 的答案引用目前还处在规则不完全清晰的区间，一旦信源治理的政策继续收紧，比如强制要求标注商业内容或者限制商业内容的投喂，那些完全依赖"可被引用"这一条生存的玩法，可能在很短时间内失效。

这个提醒非常到位。任何建立在规则空隙上的打法，都是有保质期的；只有建立在真实产品和真实内容上的积累，才穿得过规则变化。 这也是我在下一章要重点展开的部分。

五、合规这条线必须先画清楚，再谈怎么做

5.1 为什么这一章要放在方法论前面

我见过太多人是这个顺序：先学怎么做，做出效果了，再回头看有没有风险。在这个领域这个顺序会出事。

原因很实际。GEO 的很多操作看起来只是"发内容"，但它同时踩在三部法规的射程里——广告法管的是商业宣传的真实性和可识别性，反不正当竞争法管的是虚假宣传和商业诋毁，生成合成内容的标识要求管的是 AI 产出物的身份披露。一个批量生成、批量分发的动作，可能同时触碰三条线而当事人毫无察觉。

更麻烦的是，这个领域刚刚被点名整治过，而且是被指名道姓地写进文件——网信部门在 2026 年 4 月启动的专项行动里，把"使用 GEO 技术恶意营销"列为 AI 数据投毒的典型情形之一；市场监管部门同期的整治重点任务里，"规范人工智能生成式广告"单列一项。在集中整治期做擦边动作，被查处的概率和平时完全不是一个量级。 所以我把合规放在方法论前面讲，不是为了免责，是因为它真的决定了你的做法要怎么设计。

5.2 三条法规红线

红线一：AI 生成内容必须标识。

《人工智能生成合成内容标识办法》自 2025 年 9 月 1 日施行，配套的强制性国标同步生效。落到具体操作上，你需要知道三件事：用 AI 生成的文本、图片、音频、视频发布出去，要有用户能明显感知的显式标识；文件元数据里要有隐式标识，包含内容属性、服务提供者信息、内容编号等制作要素；不得恶意删除、篡改、伪造或隐匿这些标识，也不得为别人干这事提供工具和服务。

国内主流内容平台在办法施行同期上线了 AI 生成的显式角标和隐式元数据功能，创作者发布时需要主动声明，平台也会自动检测补标。这意味着"用 AI 批量生成内容然后当成人写的发出去"这条路，在平台层面已经被技术手段堵了一道。

对做内容的人来说，实操上的建议很简单：AI 辅助写作完全没问题，但发布时该勾选的声明就勾选。这个动作的成本几乎为零，省下来的麻烦却可能很大。

红线二：商业宣传不能失真，广告要能被识别。

广告法对广告内容的真实性有明确要求，《互联网广告管理办法》则强调互联网广告应当具有可识别性，能让消费者辨明其为广告。这里的关键在于：内容的性质由它的实质决定，不由它挂在哪个栏目下决定。 一篇通篇在推介某个产品、带有明显商业目的的所谓"测评"或"榜单"，即便标着"分享"两个字，实质上仍然可能被认定为商业宣传。

《2026 年全国广告监管工作要点》里提到要出台的《广告引证内容执法指南》，已经在 2026 年 6 月以总局公告的形式正式发布。引证内容指的是广告里引用的数据、统计资料、调查结果、文献资料、榜单排名这类东西。这份指南有几条要求做 GEO 的人必须知道：引证内容应当真实、准确、合法，不得引用虚构、伪造或者无法验证的内容；广告主要对引证内容的真实性、准确性、合法性负责，并依法承担举证责任；引证广告应当如实表明出处，包括机构名称或文献题目及作者；引用的文摘、引用语要与原文意思一致，所引文献要真实存在且可查询。

指南里还专门针对业内俗称"萝卜坑冠军"的做法作了规定，指的就是自设一个范围极窄的口径，再宣称自己在这个口径里是第一。这条特别值得做 GEO 的人注意——编造行业排名、伪造第三方认证、给自己量身定制一个"细分品类销量第一"，正好落在引证内容的监管靶心上，而且举证责任在你自己身上。

红线三：不能编，也不能踩别人。

反不正当竞争法禁止经营者对商品的性能、功能、质量、销售状况、用户评价等作虚假或者引人误解的商业宣传，也禁止编造、传播虚假信息损害竞争对手的商誉。3·15 曝光里提到的那种"既能铺好评也能操作差评"的服务，前半段是虚假宣传，后半段是商业诋毁，两头都在法条里明明白白写着。

5.3 一张操作对照表

我把常见做法按风险等级排了一下，这张表建议直接存下来：

最后一行需要单独说一句。市场上确实存在"排名保前三、不达标退款"这类承诺，从商业角度看是给客户吃定心丸，但从合规角度看有两个问题：一是 AI 答案本身具有随机性，同一问题不同时间、不同用户问出来的结果不一样，"保前三"这个承诺在技术上就不成立；二是绝对化的效果承诺在广告表述上本身就有风险。作为甲方，看到这类承诺我建议提高警惕而不是放松警惕——能做出这种承诺的，操作手法多半在灰区。

5.4 平台侧的规则同样要遵守

法规之外还有一层，就是各内容平台自己的规则，这一层往往比法规更早发作。

主流内容平台普遍都有针对营销内容的规则：未经报备的商业推广会被限流或者下架，批量发布高度相似内容会触发去重和降权机制，用矩阵账号做同一主体的重复推广会被识别为异常行为。这些规则不需要监管介入，平台自己就执行了，而且执行得很快。

还有几类内容有专门的额外要求，做的时候要格外注意：

• 涉及医疗、药品、保健食品、教育培训、金融投资等特殊行业的宣传，多数平台有资质审核门槛，没有资质连发都发不出去；
• 使用 AI 生成的人声、人像、视频，除了要做 AI 标识，如果涉及真人的声音或肖像，还需要取得本人授权，冒用他人形象的风险极高；
• 内容里用到的图片、字体、背景音乐、视频素材，商用需取得正版授权，从网上随手下载的素材直接商用是很常见的侵权来源；
• 引用他人文章的观点和数据，应当注明出处并控制引用比例，成段搬运是著作权问题。

5.5 关于境外 AI 产品的说明

这篇文章里提到 GEO 这个概念时，绕不开它最早是从境外的研究和实践里发展出来的，一些境外的模型产品和监测工具在讨论中也经常被提及。

这里做一个科普性质的说明：境外的相关产品和方法论，作为行业知识了解、作为研究对象参考是有价值的，很多结构化内容的思路是通用的。但需要明确的是，境外模型与相关服务的使用需遵守国内网络与内容管理的相关规定，企业在实际业务中应当以国内合规可用的产品和渠道为准。做面向国内市场的优化，用国内的主流 AI 入口做监测和验证，无论从合规角度还是从数据准确性角度，都是更合理的选择——毕竟你的客户用的就是这些。

涉及跨境业务的企业情况会复杂一些，涉及数据出境、内容合规等多方面要求，这部分建议直接咨询专业的法律顾问，不在本文的讨论范围内。

5.6 我自己的一条内部准则

说了这么多条款，最后给一个我自己在用的、可以一秒钟做判断的准则：

假设你做的每一件事，明天都会被完整地摆到一篇媒体报道里。你还愿意做吗？

这个准则比任何合规清单都好用。补充官网的产品参数——愿意；写一篇真实的行业分析——愿意；花钱让一百个账号发同一款产品的虚假好评——不愿意。判断在一秒内就完成了。

莫潇羽@复源AI社区 在这件事上的态度一直比较硬：这个领域最大的风险从来不是没效果，是做了会出事的事情还不知道自己在出事。 前者浪费的是时间，后者赔进去的是主体资格。

六、腾讯入局给国内环境带来的五个实际变化

6.1 度量衡开始统一

这是最直接、也最容易被低估的一个影响。

在此之前，效果评估是一笔糊涂账。服务商 A 说"我们让您的提及率提升了 XX"，服务商 B 说"我们的 AI 曝光指数增长了 XX"，两家用的指标定义不一样、采样方式不一样、覆盖的平台也不一样，甲方根本没法横向比较。这种状态下，采购决策靠的是销售话术而不是数据