6 亿人在问 AI，你的品牌在答案里吗？

6 亿人在问 AI
你的品牌在答案里吗

一份关于中国市场 GEO 的冷静观察

2026 年 5 月 11 日，千问与淘宝全面打通。

有人试着对它说：帮我挑一款黄色马克杯，要小猫图案，容量 300 毫升左右。

几秒钟后，三款商品推到面前，可以直接下单。

现在假设你是卖马克杯的商家。请回答一个问题：怎么让自己出现在这三款里？

你大概会想到去找一家「GEO 服务商」。然后你会看到一堆很提气的数字：中国 GEO 市场 2026 年规模 30 亿、180 亿、286 亿，渗透率 71%，超六成企业已经布局，复合增速三位数……

先别急。这几个数字之间，差了将近十倍。

一、先把水分拧干

关于中国 GEO 市场规模，不同机构给出 30 亿、180 亿、286 亿三个版本。同一年、同一个市场，差了近一个数量级。

更要紧的是它们的出处。这些数字大量出现在《XX 科技 GEO 全链路交付体系解析》《XX GEO 以行业知识图谱构筑 AI 信源新基建》这类文章里——都是 GEO 服务商自己投放的营销稿。

这不完全算欺骗，更像一种行业本能。一门生意如果核心能力是「让你看起来值得被引述」，那它最顺手的应用对象就是它自己。看到满屏的「行业爆发」「超六成企业已纳入预算」时，你看到的未必是市场报告，很可能只是这门手艺的样品展示。

而且在中国，这层包装下面还有一层更老的东西。

国内 GEO 行业相当一部分的实际交付物，是「央媒 + 门户 + 行业媒体」的稿件投放，加上结构化改写和百科词条维护。剥掉 AI 的外衣，这是做了二十年的软文发稿生意。这不是我的刻薄评价，你去看这些服务商的产品清单就明白了：发稿套餐、媒体资源库、稿件代写、收录查询。

这门老生意在 AI 时代确实获得了新的溢价——因为 AI 确实偏好第三方信源，尤其是有权威背书的信源。但溢价不等于质变。

监管已经注意到这件事。2026 年 4 月，中央网信办启动「清朗·整治 AI 应用乱象」专项行动，在「AI 数据投毒」这一条里明确点名「使用 GEO（生成式搜索引擎优化）技术恶意营销」；＊＊阶段处置违规 AI 产品 1.4 万余款，清理违法违规信息 600 余万条。

注意措辞的边界：被定性的是「恶意营销」，不是 GEO 本身。同一份文件里还有一句方向相反的要求——平台要整改「对引用信源缺乏交叉验证」的问题。

一句话翻译：要打的是造假，要奖的是可验证。这两者之间的地带，才是 GEO 真正的生存空间。

所以本文不采用任何一个来自 GEO 服务商软文的市场数字。地基是假的，上面盖什么都是歪的。

二、真实的地基：6 亿人在问，但 AI 自己还没赚到钱

剥掉泡沫，地基还在吗？在。但中国的情况比海外更矛盾——需求侧热得发烫，供给侧冷得出奇。

先看需求侧。CNNIC 第 57 次《中国互联网络发展状况统计报告》（2026 年 2 月发布）的数据：

网民规模 11.25 亿，普及率 80.1%

生成式 AI 用户规模 6.02 亿，普及率 42.8%，半年增长 3.53 亿（增幅 141.7%）

其中 4.57 亿用户习惯用 AI 解答专业、商业、生活类问题

网络购物用户 9.37 亿，2025 年全国网上零售额 15.97 万亿元

已完成备案的生成式 AI 服务 748 款

6 亿人在用 AI 问问题，其中 4.57 亿在问「该选哪个」。这个规模下，品牌在 AI 答案里的存在与否，不可能不重要。

再看应用格局（QuestMobile 2026 年 6 月数据）：豆包月活 3.82 亿居首，通义千问 1.67 亿第二，DeepSeek 1.3 亿第三；腾讯元宝月活 1.14 亿、日活超 5000 万。

现在看供给侧，画风突变。

据《晚点 LatePost》报道，2026 年上半年 DAU 已达 2 亿的豆包，每天收入不足 100 万元，主要来自内嵌抖音商城的电商佣金；而它每天消耗的算力成本是数千万元量级。2026 年 5 月，豆包才＊＊次在 App Store 上线付费订阅，＊＊＊年费 5088 元。

把国内头部模型公司的收入摆在一起看，会更清楚：

（以上为媒体与机构报道口径，各家公司披露程度不一，只能作为量级参考。）

看出来了吗？中国大模型＊＊梯队，本质上是一支「B 端卖铲子的队伍」。它们几乎都不靠 C 端流量赚钱。

这个事实，决定了中国 GEO 的整条逻辑链。请记住它，后面每一节都会回到这里。

三、中国没有「广告位」，只有「分佣」

这是中美市场最根本的一处结构差异，也是最容易被忽略的一处。

海外是怎么走的？OpenAI 在 2026 年把 ChatGPT Ads 做成了 10 亿美元年化收入的生意，但同时把一条原则写进了官方说明：广告不影响 ChatGPT 给出的答案，广告系统与聊天模型运行在相互隔离的系统上。于是海外形成了清晰的两层结构：

答案层（不可购买，靠 GEO 争取）+ 广告位（可购买，靠预算争取）

这正是 SEO 与 SEM 关系在 AI 时代的重演。GEO 的价值，很大程度上来自「答案层买不到」这件事。

中国不是这个结构。

中国的 AI 应用至今没有形成成熟的广告变现。豆包只有抖音商城的电商佣金；DeepSeek C 端免费；Kimi 甚至因算力紧缺暂停过 C 端新用户订阅。

那么中国的 AI 平台怎么从 C 端赚钱？目前＊＊跑通的路径是：AI 导流 → 电商成交 → 分佣。

这个差异带来的后果，比表面看起来严重得多：

＊＊，「答案层买不到」这个前提，在中国并不成立——但也不是以广告的形式。

中国的 AI 答案层和商业化是深度绑定的，不是隔离的。千问推荐淘宝商品、豆包推荐抖音商城商品，背后是同一家公司的交易闭环。你很难指望平台在「推荐什么」这件事上保持与自身电商利益完全无关的姿态。

反过来说，中国平台也没有像 OpenAI 那样必须维护「答案中立性」的商业动机——因为它根本没在答案旁边卖广告，它靠的是成交。

第二，链路短到可怕，所以位置更值钱。

海外：ChatGPT 推荐 → 用户可能点出去 → 辗转下单。
中国：千问推荐 → 直接在淘宝下单，支付宝付款，全程不离开对话。

有报道称，支付宝在 2026 年 2 月单周处理了 1.2 亿笔 AI Agent 交易。当「被推荐」到「被购买」之间只剩一次点击，这个位置的商业价值，比海外更高，而不是更低。

第三，也是最容易误解的一点：这恰恰意味着，传统意义上的「内容优化」，可能不是主要杠杆。

下一节展开。

四、一个反直觉的判断：在 AI 购物里，GEO 可能不是主要变量

这是本文最想说的一句，也是和市面上大部分 GEO 说法冲突最厉害的一句。

当千问要在 40 亿商品的淘宝库里挑三款马克杯，它依据的是什么？

不是某篇软文，不是百科词条，也不主要是结构化标记。它依据的是电商平台的内部数据：商品标题与属性是否规范、价格、销量、评分、评价内容、退货率、发货速度、店铺权重、历史转化率。

这些全是电商经营指标，不是内容指标。

换句话说：

在中国的 AI 购物场景里，「GEO」已经在很大程度上被「电商运营」吸收了。
你优化不了 AI，你只能优化自己的商品力和店铺数据。

这一点，平台自己比谁都清楚，而且已经在替商家做了：

天猫把「生意管家」升级为 agentic AI，等于给每个卖家配了一支 AI 团队，覆盖店铺分析、广告投放、视觉生成、客服、售后

京东免费开放十余款 AI 工具，覆盖选品、客服、直播、运营；数字人 JoyStreamer 累计服务超 7 万商家

阿里妈妈「AI 万相」＊＊经营智能体在 618 全面落地

据报道，淘系商家中约 70% 已在使用 AI 工具辅助经营

平台自己就把「让商家被 AI 选中」这件事产品化了，而且是免费的。

那么第三方 GEO 公司在这里的空间在哪？我的判断是：不大。这跟海外很不一样——海外好歹还有 Shopify 生态的第三方服务商空间，而中国的＊＊平台是全包式的。

商务部研究院副研究员洪勇有一个提法我很认同：AI 可能让电商竞争的底层逻辑，从「流量竞争」转向「决策权竞争」。

如果竞争的是「决策权」，那么决定胜负的是决策依据——而决策依据，握在平台的商品库和算法手里。

五、那中国的 GEO 战场到底在哪

既然电商场景被平台内化了，那 GEO 在中国还能做什么？

我的判断是：真正有价值的战场在非交易场景。这些场景没有商品库、没有销量排序、没有一键下单，AI 只能依靠语料和信源来判断——这才是内容真正起作用的地方。

战场一：B2B 与专业服务选型

「国内有哪些靠谱的 CRM 供应商」「XX 行业的 ERP 该怎么选」「这家咨询公司口碑怎么样」——这类问题没有销量数据可依，AI 只能综合全网信息给出判断。多伦多大学 Chen 等人的研究发现，AI 搜索的引用严重偏向第三方内容（多个垂直领域 67%–92%），在 B2B 和软件品类上尤其明显。这是 GEO 真正有效的战场。

战场二：本地生活

美团把 AI 助手「问小团」直接放在 App 顶部搜索框，解决的是「吃什么、去哪儿、怎么安排」这类模糊决策。这类需求高度依赖评价内容、社区讨论和实时信息，同样不是商品库能直接覆盖的。

战场三：品牌认知与舆论

「XX 公司怎么样」——这类问题 AI 会给出一个综合性描述，而这段描述可能由几年前的一条差评、一篇旧报道、或者竞对的负面物料主导。这是每个品牌都无法回避的资产，而且一旦形成很难扭转。

战场四：医疗、教育、金融、法律等高决策成本领域

这些领域的共同点是：用户会反复问，AI 的回答高度依赖权威信源，而错误信息代价极高。这既是机会，也是监管最关注的地带。

中国市场还有两条特殊规则必须单独讲：

其一，权威信源的定义不同。在中国，央媒、政府背景媒体、行业主管机构、上市公司公告、司法与监管信息的权重，远高于一般商业媒体和自媒体。这既是机会（合规路径清晰），也是陷阱（它与「发稿生意」只有一线之隔）。

其二，入口高度分散。DeepSeek、豆包、通义、元宝、Kimi、文心各有各的性格和信源偏好，同一个问题在不同 App 里可能得到不同答案。这意味着中国的 GEO 天然是多平台的，工作量比海外大得多，也更难做出统一的效果承诺。

六、一个正在发作的行业病：没人能证明自己有用

说完战场，必须说这个行业最要命的问题。而且这个问题在中国可能比海外更严重。

AI 的答案，是不可复现的。

2026 年 1 月，Rand Fishkin 与 Gumshoe.ai 做了一次规模空前的实验：600 名志愿者，把 12 个品牌推荐类 prompt 在 ChatGPT、Claude 和 Google AI 上跑了 2,961 次。结果是——两次得到相同品牌列表的概率不到 1%；得到相同列表且顺序相同的概率接近千分之一。

Fishkin 的结论很不客气：任何提供「AI 排名位置」的工具都是胡扯。

这不是孤证。一项 arXiv 研究发现，同一 prompt 重复运行，返回品牌的重叠度只有 45%–59%。Ahrefs 发现 Google 的 AI Mode 与 AI Overviews 对同一查询引用不同来源的比例高达 87%。

根源在于语言模型不是查表系统，它逐 token 生成，每个词都从一组「说得通的选项」里采样。加上联网检索，随机性又被放大两次。

噪声比效应大。同一项 arXiv 研究给出的置信区间典型跨度是 3 到 7 个百分点——这意味着看板上「AI 可见度从 8% 涨到 11%」，与随机波动无法区分。

有人给这种做法起了个名字：精度洗白（precision laundering）——把空洞的测量跑得足够频繁，让噪声互相抵消，产出一个带小数点的、看起来很科学的数字，冒充知识。

为什么我说中国可能更严重？因为多平台分散。海外主要盯 ChatGPT 和 Google 两家，中国要同时盯六七个入口，每个入口的采样量和稳定性只会更差，而服务商往往还承诺「全平台覆盖」。

再加上归因天然的困难：AI 曝光大多是零点击的，大量影响决策的交互不留下任何 referral 痕迹。

结果就是一句话：国内多数 GEO 项目的续费，靠的是信任和焦虑，而不是数据。在预算宽松时这没问题，一旦收紧，这是＊＊个被砍的科目。

这才是 GEO 当前真正的瓶颈。它跟 AGI 无关，不用等未来——现在正在发作。

七、AGI 不是那个开关

现在可以谈 AGI 了，但得先把概念拆开。

「AGI 什么时候来」是个糟糕的问题，因为没有人对 AGI 是什么达成共识。OpenAI 用五级框架，DeepMind 用六级，Anthropic 用安全等级；Yann LeCun 认为当前 LLM 架构根本走不到 AGI；Sam Altman 本人说 AGI「不是个有用的词」——每次模型跨过一条线，终点就被重画一次。

预测的分歧大到近乎荒谬：从「2026 年底」（马斯克）到「研究者中位数 2047」（AI Impacts 对 2,778 名研究者的调查），中间散布着 Amodei（2026–2027）、Suleyman（2027）、Hassabis（2031–2036）。国内几家（DeepSeek、智谱、月之暗面）近期的公开表述也都相当激进，但同样只是表述。

在这种分歧下，任何「AGI 到来后 GEO 就会……」的断言，都是伪精确。

更有用的问法是：哪些具体能力在侵蚀旧的 GEO 方法论？我的答案是三条独立曲线，它们的时间常数完全不同：

曲线一：抗操纵与交叉验证能力。驱动力是模型的常规迭代、平台的主动反制、以及监管——不需要 AGI。你在 50 个站点发同源稿件，在旧模型眼里是 50 个独立背书，在新模型眼里是 1 篇稿子的 50 个副本，甚至可能被识别为操纵信号而负向加权。

曲线二：Agent 工具调用与商业协议成熟度。也不需要 AGI。这一条中国跑得比海外快：千问 × 淘宝、豆包 × 抖音商城、美团「问小团」、京东「京言」、微信「小微」、支付宝「阿宝」——＊＊ App 把发现、沟通、支付、履约放在同一个环境里，AI Agent 能走完全流程。相比之下，海外 ChatGPT + Shopify 的组合，购买流程往往还要跳出到独立站点。结构上看，中国的闭环更完整。

曲线三：效果可证明性。仍在低谷，而且是当前最紧的约束。

所以真正会发生的事，不是某天 AGI 降临、行业应声崩塌，而是这三条曲线各自推进，在不同时间点把不同的玩家挤出局。

对中国的 GEO 公司来说，还有一个额外变量：监管的权重更大。清朗行动已经点名 GEO 恶意营销，中国商务广告协会也在推进 GEO 团体标准。在中国做这门生意，合规不是成本项，是生死线。

八、那国内的企业现在该做什么

市面上很多 GEO 建议有个通病：正确但没法用。务实一点，按类型分：

如果你是电商商家

最重要的一句话：别把 GEO 当营销项目，把它当商品数据治理项目。

在千问推荐淘宝商品、豆包推荐抖音商品的逻辑里，能影响的变量是：商品标题与属性是否规范完整、主图与详情是否信息充分、价格是否有竞争力、销量与评分、退换货与发货表现。

这些全是电商基本功。平台（天猫生意管家、京东 AI 工具）已经在免费帮你做了，先用起来。

如果你还想在 AI 问答场景里增加曝光，那属于品牌动作，不属于效果投放——用品牌的预算和心理预期去做，不要用效果投放的 ROI 去考核它。

如果你是 B2B、专业服务、医疗教育金融

这是 GEO 真正有效的战场。按信号建立的先后顺序来：

1. 先把实体定义建清楚——你是谁、做什么、服务谁、和什么相关。官网、百科、行业数据库、工商信息保持一致。

2. 再获取第三方验证——真实的客户案例、可查的行业报告、可交叉验证的数据。注意，同源稿件发五十遍，在新模型眼里是一篇稿子的五十个副本，不是五十个背书。

3. 最后培育真实的社区讨论——知乎、垂直论坛、行业社群里的真实讨论，权重可能超出你的预期。

顺序很重要：先有实体，后有验证，最后有讨论。跳过＊＊步，后面很难复合。

所有企业都适用、却被严重低估的一条：防御

如果只能从这篇文章带走一个动作，我建议是这条。

绝大多数 GEO 讨论的是「怎么让 AI 推荐我」，但有一半价值在防守：

纠正事实错误：AI 把你的产品参数、成立时间、资质、业务范围说错了

对抗陈旧叙事：几年前的一条差评、一次旧报道，可能至今仍在主导 AI 对你的描述

清除投毒：识别并反击恶意信息注入

跨平台一致性监控：同一个品牌在 DeepSeek、豆包、通义、元宝里的说法，可能完全不是一回事

为什么值得单独说：

合规正当性无懈可击。你不是在收买守门人，是在纠正记分牌上的错字。在监管、平台和用户眼里，性质完全不同。

需求是持续性的。模型每次更新、检索策略每次调整，都可能产生新的错误描述。这是常态运维，不是一次性项目。

而且它大概率随模型变强而增值。模型对准确性和可验证性的要求越高，「确保事实被正确采信」就越重要。在整个 GEO 版图里，这是少数不太可能因模型进步而贬值的方向——当然，这也只是我的判断。

采购 GEO 服务时，问一个问题就够了

「你能保证什么？如果保证了，请说明用什么方法、跑多少次采样来区分效果与随机波动。」

答不上来的，大概率是在卖焦虑。

尾声：一句实话

回到最初那只黄色马克杯。

我的判断是：这门需求不会消失，而且在中国，它的长期价值可能比多数人估计的更高——因为 6 亿人在问，因为链路短，因为决策权正在迁移。

主要来源

官方与监管：CNNIC 第 57 次《中国互联网络发展状况统计报告》、中央网信办「清朗·整治 AI 应用乱象」专项行动及＊＊阶段进展、商务部等六部门《关于更好服务实体经济 推进电子商务高质量发展的指导意见》

市场与平台数据：QuestMobile 2026 年 AI 应用月活数据、《晚点 LatePost》关于豆包 C 端收入的报道、虎嗅等媒体关于国内大模型 ARR 的报道、公开报道的 AI 购物进展（千问 × 淘宝、豆包 × 抖音商城、美团「问小团」、京东「京言」、支付宝「阿宝」、微信「小微」）

测量方法论研究：Rand Fishkin 与 Gumshoe.ai 的 2,961 次运行实验、相关 arXiv 研究、Ahrefs 引用来源差异研究、《Earned Media Bias in AI Search》（Chen et al.，多伦多大学）

本文未采用任何来自 GEO 服务商营销稿的市场规模数据。文中行业判断均为作者观点，已尽量标注不确定性。