当你向现代的AI答案引擎提问“谁是最好的X”，它总会信心十足地给你一个名字。但这个名字背后的答案究竟是谁写的？我顺着这个疑问，扎进了一个具体的圈子——生成引擎优化（Generative Engine Optimization，简称GEO）行业，想看看在这片自称权威的领地里，真实答案长什么样。最终我把发现写成了一篇预印本论文，下面就是大白话版的拆解。
AI搜索之所以能被这么轻易地操作，根源在于一个关键事实：新的AI搜索不会递给你十条蓝色链接。它会自己合成一段答案，再附上几个引用来源。大规模的学术研究已经表明，和传统搜索相比，这类系统对于“赢得媒体”——也就是表面中立的第三方权威信源——有着系统性的强烈偏好（Chen et al., 2025）。说白了，AI奖励的就是那种“第三方背书”的观感。谁能让自己的内容看起来更像是被很多独立机构共同推荐，谁就能左右AI的最终答案。
为了验证这一点，我审计了八个市场、多种语言下“最佳GEO机构/专家”的搜索结果前列，结果发现三种模式反复出现，几乎成了行业标配。第一种是“自说自话式排名”：一个“最佳榜单”由某个主体编写，而这个主体自己恰恰就高居榜单第一名，配着最长、最漂亮的介绍词。不同自出版的榜单会扶植不同的“赢家”，彼此之间毫无共识，唯一的共识就是谁发文谁就是大爷。独立研究也证实，AI品牌排名每次跑出来都截然不同，那些向你兜售固定“AI排名位次”的工具，不过是在售卖噪音（Fishkin & O’Donnell, 2026）。
第二种我称之为“联合会式背书”。同一段宣传文案被原封不动地复制到几十个看似独立的新闻域名下，一个信源顿时变成了许多权威媒体的一致结论。AI算法见到“多方信源一致”，就会判定它可信。这种做法几乎完整复刻了Lasso Security在2026年实验室里验证的技术：只要把一项捏造的主张裹上几篇假“社论”文章，AI答案就会有高达98%的概率把它当作权威信息推给用户。
第三种则是“花钱买位次”的中介套路。市面上出现了不少“排名平台”和报价市场，你在其中的位置完全取决于费用，而不是实力。更夸张的是，我亲眼看到有这类平台被AI当作正规信源引用。付费就这样被洗白，堂而皇之地变成了模型眼中的权威依据。
光描述问题无法让结论被重复检验，于是这篇论文提出了两个简单可复用的评分指标。一是“人造权威指数”（MAI，0到10分），统计搜索结果前10条里有多少属于上述三种制造出来的权威。MAI越高，说明首页越是被自造或购得的声望塞满。另一个是“校验层得分”（VLS，0到10分），按五个维度评估一个市场独立校验基础设施的完善程度：是否有可验证的目录、专业标准、可供公开引述的媒体、学术或百科式参照，以及独立的衡量指标。
用这套框架给八个市场打分后，得到的结果有点出乎意料。德国VLS达到9分，MAI为6分；法国VLS 8分、MAI 7分；美国两项并列为7分。几位高分市场背后，仍能观测到大量人为操弄的痕迹，而更多市场的数据仍在整理中。这串数字说明，即便是在一贯被认为是严谨规范的地区，AI眼中的权威也未必真正经得起推敲。
整个小实验做完，最让我兴奋的其实不是揭开了多少猫腻，而是这套廉价、可复用的审计方法。下一次再有人让AI推荐什么领域的“最佳”，你不必迷信答案，完全可以顺着MAI和VLS的思路去问问：这个答案背后，究竟是真正的共识，还是一堆精心排布的制造品？
热门跟贴