你上一次问AI"哪款洗发水好用"，是什么时候？
那个回答，你有没有想过——它是怎么来的？
有一类公司，专门回答这个问题。但不是去测产品，不是去做用户调研。他们的方法是：大量生产夸大其词甚至无中生有的内容，把它们投喂给AI。
一位自媒体人士深入这个行业，在一家GEO（生成式引擎优化）公司卧底了30天，记录了他看到的一切。他记录到的东西，比你想象的更荒诞。
一个洗发水品牌的稿件写着：使用该品牌产品，平均每日生发2厘米。一个月就是60厘米。AI引用了。
这不是意外。这是一套工业化的流程。
这不是某个行业的个案。这是AI搜索时代，一个系统性漏洞被系统性利用的故事。
01 AI到底在信什么？
要理解为什么AI会被骗，得先理解AI的"信任机制"和人的"信任机制"有什么根本区别。
人在判断一个品牌可不可信，用的是"核实逻辑"——我去查它有没有实体店，去问朋友用过没，去看评论真不真实，去搜媒体有没有负面报道。这个过程耗时耗力，但它能把大量假信息过滤掉。
AI判断一个品牌可不可信，用的是"密度逻辑"——这个品牌被提到的次数够不够多，描述它的内容够不够一致，信息来源够不够分散。
核实逻辑（人）：寻找矛盾 → 矛盾越多，可信度越低
密度逻辑（AI）：寻找密度 → 密度越高，引用率越高
两种逻辑对造假的抵抗力，是截然不同的。
人的核实逻辑，造假成本很高——你得让假信息在真实世界里经得起查。
AI的密度逻辑，造假成本极低——你只需要让假信息在网络上分布得足够广、足够一致。
这是两种完全不同的攻防逻辑。那位卧底记者看到的发稿系统——每天批量生成上千篇内容，分发到数十个平台——正是针对AI密度逻辑设计的。
那个写"每日生发2厘米"的稿件，人看到会觉得荒唐，但AI看到的是：关于这个品牌，有一篇正向内容。
02 可信度，是可以被工业化生产的
卧底记录里，有一个词被反复使用——"丰富"。
客户提供基础材料包，服务商负责在上面"丰富"一下。"丰富"的意思是：加数据、加权威机构名称、加用户反馈比例。
那些被加进去的东西，往往查无出处。
"连续三年获得中国健康产业协会最佳创新品牌称号"——这个协会，不存在。 "97.3%的用户使用28天后肤质明显改善"——这个数据，没有任何来源。
但这没关系。因为AI不会去查。
这套逻辑用一句话概括：
在AI的信任机制下，可信度不是真实性的函数，而是密度和一致性的函数。
我把这种现象称为"可信度制造"——它不是欺骗AI的偶然行为，而是一个可被标准化、可被批量执行的工业流程。
这个流程由三个环节构成：
环节一·内容生产：用大模型批量生成稿件，加入虚构数据和不存在的认证机构
环节二·密度投放：通过自动发稿系统，将内容覆盖到AI能抓取到的各类平台
环节三·一致性维护：所有稿件口径统一，让AI看到的信息高度一致、相互印证
三个环节完成，一个品牌的AI"可信度"就建立起来了。和这个品牌的真实质量，没有必然关系。
03 这件事为什么是个囚徒困境？
你可能会说：那些真正好的品牌怎么办？
这里有一个残酷的结构性问题。
如果你是一个诚实经营的品牌，你拒绝夸大数据、拒绝虚构机构、拒绝批量发稿——你的AI曝光率，会低于那些造假的竞争对手。
消费者在AI搜索里看到的，是密度更高的那个品牌。不是质量更好的那个。
卧底记录里有一句内部人的话，说得很直接： "公司要的是让客户觉得我们很努力，一天一千篇听起来比十篇厉害多了。" "真正管用的，可能一篇就够了。但一篇卖不出价格，一千篇可以。"
这句话揭示的不只是行业潜规则，而是一个经典的囚徒困境：
如果你造假，竞争对手不造假 → 你在AI里的曝光率远高于对手，赢
如果你不造假，竞争对手造假 → 你的曝光率远低于对手，输
如果大家都造假 → AI推荐系统整体失真，所有人都输，但在这个输的结构里，
率先退出造假的那个仍然是输最多的那个
守规矩的人，在AI时代的搜索流量里，正在以一种安静的方式被淘汰。
这和漳州杨梅的故事是同一个结构——违规者被罚了，但守规矩的果农先砍树喂了猪。
04 你现在能怎么办？
说完机制，说一些实用的东西。
在AI推荐的内容里，有几类信号值得提高警惕：
精确到小数点的效果数据，但没有注明研究机构和样本量
"连续N年获得XX奖项"，但搜不到这个奖项的主办方
多个平台、多篇内容，表述高度雷同（很可能来自同一模板）
权威背书来自你从未听说过的协会或机构名称
这不是说AI的推荐完全不可信。而是说，在AI密度逻辑被大规模利用之前，它值得被作为参考；在它被工业化利用之后，它需要被作为起点，而不是终点。
AI告诉你"这个品牌好"，可以作为你开始了解它的理由。不宜作为你购买它的唯一理由。
05 这件事还和谁有关？
① 正在用AI搜索做购买决策的消费者
AI推荐已经开始影响你的日常消费选择。化妆品、保健品、母婴产品、教育课程——这些领域竞争激烈、信息不对称严重，正是GEO最活跃的战场。你需要的是把AI答案当作索引，而不是判决。
② 正在评估GEO服务的中小品牌
如果你是一个真正有产品力的品牌，而你的竞争对手在大量购买GEO服务，你面临的是一个短期不公平、但长期有机会翻盘的处境——因为AI公司本身也在不断优化对虚假信息的识别。你需要的是找到那些真正能提升AI引用质量而非数量的服务商，两者现在已经不是同一批人。
③ 正在研究AI治理的从业者和政策制定者
GEO现在还是一个相对新的领域，监管框架基本处于空白。但它揭示的问题——AI的输出质量依赖于它所接触到的内容质量，而这个质量是可以被人为系统性操控的——这个问题会随着AI搜索渗透率的提升而变得越来越重要。现在是讨论规则的好时机。
AI正在成为新的信息中介，但它的信任机制还没做好被系统性操控的准备。
写在最后
这篇文章有一个我没有解决的问题——AI公司自己有没有办法反制这套"可信度制造"体系？
理论上有：通过更好地识别内容来源的多样性、时间分布、跨平台一致性来过滤协调性批量内容。部分AI公司已经在往这个方向走。
但军备竞赛的节奏历来如此——攻的永远比守的快一步。SEO和搜索引擎对抗了二十年，至今没有终局。GEO和AI搜索的对抗，大概也不会例外。
在这场对抗里，消费者多一分识别能力，就少一分被误导的概率。这篇文章如果有一个用处，希望是这个。
本文来自微信公众号 “BT财经”（ID：btcjv1），作者：BT财经，36氪经授权发布。
