【今日观察】3·15 撕开 AI 黑产：当答案本身被操控，我们还能信什么？
今年 3·15 晚会曝光了黑产通过 GEO（生成式引擎优化）技术给 AI"投毒"的事件。
被点名的力擎 GEO 优化系统，可以通过批量制造虚假信息、伪装内容来源，直接影响 AI 的推荐结果。更夸张的是，这项服务还提供抹黑竞品功能，通过向 AI 投喂虚假信息，干扰竞争对手的搜索表现。
这已经不是传统意义上的"软文"了，而是对"答案本身"的操控。
从"搜索排名"到"答案塑形"，风险升级了
过去我们熟悉的 SEO，争夺的是搜索结果里你会点哪一条。用户至少还能看到一长串链接，知道自己正在挑选信息。
但现在，生成式 AI 直接给你一个结论。
当你问 AI："哪款手机更值得买？"。它不再给你 10 个链接让你自己看，而是直接说："根据多方评价，XX 品牌综合表现更佳。"
看起来好像更智能了，但如果这个答案所依据的材料本身被动过手脚呢？
用户接收到的，不再是信息里混进了广告，而是答案本身被提前塑形了。
为什么这比传统广告更危险？
传统广告的伤害是显性的，你看到推广、赞助字样，自然会保持戒心。
但生成式内容不一样，它更像一个已经替你想过、整理过、做了初步判断的答案。它不只是把信息推给你，而是在替你完成理解这一步。
会导致：错误信息更像答案，而不是更像广告。
这正是它对普通人最危险的地方。
污染是如何发生的？
一条典型的操控链路是这样的：
- 制造内容：虚构产品卖点、伪造口碑评价；
- 批量分发：把内容投到不同站点，伪装成"多源存在"；
- 进入模型：在训练、检索或知识库接入阶段被 AI 吸收；
- 输出答案：用户看到的，是已经被加工过的"推荐结论"。
以前我们担心的是信息池子里有脏东西。现在更需要担心的是，脏东西会被系统挑出来，包装成一个更像共识的答案。
这不只是技术问题，而是公共风险
当 AI 开始承担越来越多帮人判断的工作时，数据污染就不再只是技术瑕疵。它影响的是：
- 消费者权益：被误导的购买决策
- 信息环境可信度：公众默认参考的答案基础设施
- 治理边界：当推荐、检索、生成功能合并，监管框架也需要调整
后续值得关注的三个问题
1. 来源标注能不能更透明？
现在的引用链接只是点缀。真正有用的标注，应该让用户知道，这段结论依据了什么来源？哪些是原始材料，哪些是转述？哪些来自商家自述，哪些来自第三方？
2. 异常审计能不能跟上？
平台需要识别某些品牌是否异常高频进入推荐，某些"独立来源"是否实际出自同一投放网络，负面风险信息是否被系统性忽略？
3. 责任链能不能说清楚？
当用户因为 AI 的回答去买东西、做选择时，平台的“技术中立”这套说辞，将越来越站不住脚了。
结语
3·15 这次撕开的，表面上是一条 AI 黑产链，实质上是一个更大的问题：
当 AI 开始替我们做判断时，我们凭什么相信它的答案？
来源能不能被看见、异常能不能被审出来、责任能不能追得清楚？这三件事，将决定 AI 到底是帮用户节省时间，还是在看不见的地方增加判断成本。
技术本身没有立场，但使用技术的人有。
当"答案"可以被买卖，我们每个人都成了潜在的买家，更可能是受害者。