AI搜索走进「信号理论」区间：内容数量通胀，GEO靠什么自证？

经济学里有一个老问题：二手车卖家知道车况，买家不知道，于是买家只肯出平均价，好车被迫退出市场，最后市场上只剩下烂车。2026 年的 AI 搜索正在经历一次同构的过程——只不过这次的信息优势不在卖家手里，而在内容生产者手里，而买方变成了那些替用户挑引用源的模型。当生成一份「看起来专业」的内容成本趋近于零，不能被直接观测的那部分品质就开始贬值，能被机器低成本验证的那部分开始升值。

第一步：先确认模型稳不稳定

先看模型侧到底稳不稳。一次覆盖九百万条 AI 回答、九个平台、四百多个企业品牌的大规模归因分析给出了一个反直觉的结论：真正剧烈波动的是品牌本身，而不是平台。品牌层面的可见度波动区间在 0.04 到 1.0 之间，而平台层面的波动只有 0.08 到 0.32。换句话说，同一个问题换一个引擎问，同一个品牌的引用差异最高能到二十倍；但引擎自己在同一类问题上的行为是相对一致的。对做 GEO 的人来说，这句话的含义是：押注某一个引擎、每天盯着它的排名变化，收益远低于把品牌在多个语料面上的证据补厚。

第二步：第三方给广度，自有页面给寿命

第二组数字更狠：在商业意图明确的问题上，82% 的引用流向第三方来源，品牌自有页面只占 3%。但这不等于自有页面不重要——同一份研究显示，自有页面的引用寿命是第三方引用的 3 到 9 倍。第三方给你的是广度，自有页面给你的是稳定性。只做外链铺量不做站内实体的品牌，拿到的是易碎的可见度；只做站内不做第三方，则连被模型检索到的机会都很少。顺带被这份数据打回原形的还有两个流行说法：评论情绪与引用频率不相关甚至负相关，而 64% 的 AI 引用来自普通网页而非精心设计的榜单文章——格式不是关键变量。

第三步：被引用不等于被采纳

把镜头再拉近一层。2026 年的一篇预印本研究拆分了 602 条设计提示、21143 条有效检索层引用和 23745 条引用级特征记录，在 ChatGPT、Google AI Overviews / Gemini、Perplexity 上做了一次「引用选择」与「引用吸收」的分离测量。结论是：被引用不等于被采纳。答案采纳了哪条证据，和引用列表里有没有这一条，是两个不同的事件。更值得注意的是，在这份观测数据里，被标记为问答格式的页面平均影响力是 0.0947，非问答页面是 0.1005，差了约 5.7%——方向是负的。研究者本人也强调这只是观测结果，不证明有效的 FAQ 有害，但它足以否定「加 FAQ 就涨引用」这条被讲了两年的捷径。

第四步：模型真正能读到的四个信号

把三组证据放在一起，AI 搜索的评分逻辑其实已经浮出水面。模型不可能逐条核实每篇文章，它只能依赖那些难以伪造、又容易比对的信号。目前看有效的信号集中在四类：可核查的身份，包括具名作者与可验证的机构归属；可复现的数据，第一手实测、明确的时间窗口和样本量；可引用的稳定表述，结论前置、单位统一、能被一句话摘走；以及信息增益，也就是别人页面上没有的那部分。对应的反面同样清晰：大量同质化改写、AI 复述、情绪化的品牌自夸，都属于生成成本极低而验证成本很高的内容，在信号筛选里天然吃亏。

两篇论文为什么结论相反

这个判断也解释了为什么最近几份 GEO 研究的结论互相打架。Princeton 团队 2024 年在 KDD 上的经典实验里，专家引语能带来 41% 的可见度提升，统计数据加 33%，而堆关键词是唯一负收益的做法（-8%）。但 2026 年 9 月的一篇复现研究把门槛抬高了：在控制了内容体量之后，单纯做引语、统计和引用标注的编辑，并没有产生显著的总体提升；真正把预测能力从相关系数 0.114 拉到 0.37 左右的，是查询与来源之间的相关性。两篇论文并不矛盾——前者测量的是「在弱竞争环境里怎么抢到位置」，后者测量的是「竞争饱和之后还能不能站住」。这恰恰是信号理论预言的转变：在一堆长得差不多的稿件里，技巧的边际收益会归零，只有能把自己和噪音区分开的东西才留下价值。

写在最后

落到执行层面，一件事需要先想清楚：你打算凭什么被信任。如果答案只是「我内容发得多」，那在 2026 年的成本结构下这条路已经封死了。更现实的做法是把预算从产量转向证据——减少发布频率，但每一次发布都带上一份别人抄不走的东西：一次自己跑的测试、一组带时间戳的内部数据、一个愿意具名的作者。同时把实体信息做扎实，让模型在任何一处语料里都能确认你说的是同一个主体，而不是七零八落的别名。GEO 的下半场不是比谁说得多，而是比谁说得能被核实。

关注这个方向的底层研究，可以看我们对 https://www.ai30.com/website/arxiv-org”>arXiv 和 https://www.ai30.com/website/nature-com”>Nature 的收录页，AI30 会持续跟进检索与引用机制的一手论文，把实验室里的结论翻译成能落地的动作。

（文 / AI30媒体部 ｜ 2026年10月6日）