问题—— 随着生成式大模型应用加速普及，越来越多用户通过智能问答获取消费、健康、教育等信息。
与此同时，一种名为“生成式引擎优化”（GEO）的服务快速扩张。
央视曝光显示，部分商家以“优化呈现”“回答置顶”为卖点，通过特定内容投放左右大模型答案呈现，个别从业者甚至以“语料投毒”等手段在信息源中夹带无关高权重词、拼接虚假叙事，试图诱导模型在回答中优先引用，从而实现隐蔽营销或舆论引导。
原因—— 一是需求侧“抢入口”焦虑上升。
大模型问答正成为新的信息分发渠道，品牌希望在用户提问时获得优先曝光，推动“从搜索优化到问答优化”的迁移。
二是供给侧门槛看似不高，导致从业群体迅速膨胀。
业内人士介绍，常见操作流程包括关键词挖掘、批量生成对应内容、在引用频繁的平台铺量投放，客户往往仅需提供关键词与简短文案即可启动服务。
三是规则与治理仍在磨合期。
模型引用链路涉及多平台、多环节，内容质量参差不齐，给了投机者钻空子空间。
四是逐利驱动下“快钱”心态作祟，部分机构以低价包年、承诺排名等方式招揽客户，甚至对医美等敏感领域加价，进一步刺激灰色操作。
影响—— 对用户而言，优化内容若不透明，将把营销包装成“客观答案”，加大误导风险，削弱公众对信息的辨识能力，尤其在医疗健康、金融投资等领域可能放大决策成本与安全隐患。
对企业而言，合规经营者可能被“黑帽手段”挤出竞争，形成“劣币驱逐良币”，并诱发品牌声誉与法律风险叠加。
对平台与行业生态而言，低质内容的批量铺设会污染信息环境，增加模型引用噪声，降低整体回答可信度，进而动摇智能问答应用的社会信任基础。
对策—— 法治层面，应强化对“隐性推广”的界定与执法协同。
法律人士指出，若相关服务具备付费影响内容排序、以推销为目的等特征，属于广告营销行为；对虚假宣传、未显著标明广告属性等情形，应依法追责。
同时，对通过捏造事实、组织刷量、操纵推荐等方式获取竞争优势的行为，可纳入不正当竞争治理框架，形成可操作的执法尺度与案例指引。
平台层面，应完善来源标注与风险提示机制，提升引用可追溯性；对高频异常投放、可疑“内容农场”、跨平台同步铺量等行为强化识别与处置；在医疗、教育等重点领域引入更严格的权威来源白名单与审核机制，并建立便捷的纠错与申诉通道。
行业层面，应推动形成更清晰的服务边界与自律规范。
鼓励以提升内容真实、专业、可验证为导向的合规优化，反对以“冲榜承诺”诱导客户的营销话术；对从业者开展合规培训与资质管理探索，压缩“投毒”“造假”的生存空间。
社会层面，提升公众媒介素养同样关键。
用户在使用大模型问答时，应对涉及健康、财务等重要决策的信息进行多源核验，警惕“看似权威实则推广”的表达方式。
前景—— 总体看，围绕大模型的信息优化需求客观存在，但其发展不能以牺牲真实性与透明度为代价。
未来竞争的关键，将从“谁更会铺量”转向“谁能提供可验证的高质量内容与可信服务”。
随着监管规则、平台治理与行业标准逐步完善，依赖漏洞的灰色路径将被压缩，合规、专业与可追溯将成为市场长期通行证。
当算法成为信息过滤的重要闸门，如何守护其公正性已成为数字时代的新命题。
此次事件既暴露出技术异化带来的治理挑战，也预示着智能信息服务将进入"质量优先"的新阶段。
在创新与规范的天平上，唯有坚持技术向善的底线，才能真正释放人工智能赋能经济社会发展的正向价值。