乌鲁木齐不锈钢保温施工 当AI被广告侵蚀，我们该怎么办？｜ 锋面评论

深夜，一位年轻母亲在屏幕前焦虑地输入：“三岁宝宝吃什么鱼油好？”几秒后，AI给出详尽的成分分析、适用年龄建议，并在末尾“贴心”荐了几款“业婴幼儿营养品牌”。

她不知道的是，这些看似客观的荐，可能源于某个营销团队精心设计的“数据投喂”；她更不知道，这个在回答中显得颇具的品牌，或许在现实市场中寂寂无名，甚至只是某个工厂的贴牌产品。

据媒体报道，当生成式AI以“万能助手”的姿态渗透日常生活，一场围绕认知与影响的暗战已悄然打响，有人弹眼落睛地将之称为“给AI投毒”。

的确，过去商家在搜索引擎打广告，我们还能看出那是广告。现在情况变了。AI直接给出答案，不显示搜索过程，这让“谁被荐”变得格外重要。

于是，新的生意出现了——有人门帮企业把品牌“放”进AI的回答里。他们研究人们会怎么问AI，比如“什么牌子好”“A和B哪个靠谱”，然后提前在网上铺好相关内容：企业介绍、产品测评、行业分析……

一位做这行的营销人员说得直白：“你只要告诉我们想广什么词，其他的我们全包。”更让人担心的是，这套方法对虚假信息几乎不设防。有媒体记者做了个实验：编造一个根本不存在的“智能水杯”，取了个讽刺的名字叫“泉嘉德”（谐音“全假的”），描述了一些听起来高级但荒唐的功能。按照市面上一些“AI优化系统”的方法，记者给这个虚拟产品创建资料，生成“测评文章”，分发到一些网站。几小时后，当在不同AI问答应用里问“荐有社交功能的智能水杯”时，AI真的荐了这个不存在的水杯，还补充了价格、适用场景等信息，说得有模有样。

听起来荒诞，但仔细想想，悚然而惊。以前在搜索引擎，我们看到的是多条结果，知道自己要判断。但AI直接给“终答案”，这种形式本身就显得更。而且AI荐时常伴随着“理分析”——不是直接说“买这个”，而是讲成分、比参数、分析趋势，听起来很客观。正是这种“客观感”，让我们更容易放下戒心。

调查显示，目前“生成式引擎优化”（GEO）已形成精细化产业链：从模拟用户提问、分析AI数据偏好，到批量生产“内容”、定向投放至易被抓取的平台，每一步都经过精密计算。更有甚者，出现了“系统化投喂”工具，号称能“统治所有AI搜索”。

如果只是荐个水杯、鱼油，问题可能还没那么严重。但这事已经蔓延到更重要的领域。据报道，一些不法分子开始用类似方法伪造金融机构客服电话。当有人在AI里问“××银行客服电话是多少”时，AI可能给出被“优化”过的假号码，直接把咨询者引向诈骗陷阱，国家安全部门去年就提醒过，通过伪造、篡改数据来影响AI，会干扰模型训练，削弱其准确。哪怕训练数据中只有0.01%的虚假内容，AI的有害输出就会明显增加。这就像在水源里下毒，AI喝下被“污染”的数据，吐出的答案然有问题。

材质适配工况

天然橡胶（NR）：弹优异（拉伸强度≥10MPa）、耐低温（-30℃无裂纹），适配内陆常温、无腐蚀的民用建筑 / 地下管廊；氯丁橡胶（CR）：耐候耐臭氧（5000h 老化后弹保持率≥80%），适配暴露场景（隧道洞口、桥梁承台）或轻微油污环境；三元乙丙（EPDM）：耐腐耐高低温（-40℃~80℃）、寿命≥30 年，铝皮保温适配沿海、化工区、水电站等高要求工程。

更深层的影响在于，它正在腐蚀社会信任的底层基础设施。互联网时代，公众已学会对明显广告保持警惕，但对“技术”仍存有惯信任。生成式AI凭借其强大的信息整能力和拟人化交互，容易建立“数字”形象。一旦这种被系统利用，便可能引发连锁反应：用户对AI可信度的怀疑，将蔓延至整个数字信息环境，后果不堪设想。

面对这种新情况，现有的管理方式有点跟不上。业人士认为，从法律上讲，这种影响AI回答的服务就是广告行为，应该遵守广告法，如果商业广不明确标识，就可能违规，通过给AI“喂”虚假信息来打压竞争对手，也可能构成不正当竞争。

但问题在于，这种行为太隐蔽了。传统广告一看就知道是广告，但这种是藏在“客观回答”里的。责任链条也长——内容是谁生产的？谁分发的？AI平台有没有责任？这些都不容易搞清楚。一些提供这类服务的系统，虽然页面上用小字写着“内容要真实”“不荐用于某些行业”，但也就是写写而已，没有实质审核。用他们自己的话说：“至于报告是不是真的，AI也无法核实。”

单纯封堵非治本之策。在技术与社会深度融的当下，我们需要更具前瞻的治理思维。

先，须动AI的“认知透明”革命。当前AI回答往往像魔术表演——输入问题，输出答案，中间过程不可见。未来应探索“可解释的生成机制”，例如在回答商业荐类问题时，披露主要数据来源、各来源权重，甚至存在争议的观点，从而建立基本的“信息溯源”机制。

其次，应建立AI内容的“分层标识”体系。对于明显具有商业意图的信息，须强制标识；对于可能受商业影响的内容（如产品对比），应提示“可能存在商业信息影响”。这种标识不能流于形式，而需贯穿于AI交互的整个过程。

第三，需重构训练数据的治理模式。当前AI严重依赖互联网公开数据，但这些数据空间已被商业力量高度渗透。未来或需探索“清洁数据池”机制，对于健康、金融等高敏感领域，建立经过验证的数据源，限制对未经审核的开放网络数据的依赖。

在完善规则和技术之前，我们普通用户该怎么办？几点建议可以参考：

第一，别把AI当“标准答案”。 尤其是涉及健康、财务、重要决定时，AI的建议只能作为参考之一。多问问真人家，查查渠道。

第二，试着追问。 如果AI荐了某个产品，可以接着问“为什么荐这个”“有哪些替代选择”“这个品牌的负面评价有哪些”。多角度提问，能得到更全面的信息。

第三，关注信息来源。 有些AI工具开启“联网搜索”后，会显示参考了哪些网页。看看这些来源是否可靠，是媒体还是普通网站。

第四，保持基本判断。 如果某个品牌在AI里被夸得很好，但在常规电商平台销量很少、评价不多，那就要打个问号了。

回望历史，技术的进步总是带来新便利，也带来新问题。保持清醒的头脑，不盲目相信任何单一信息源，这可能是我们在AI时代需要的能力之一。