如何让 AI 替你吹牛？今年的 315 晚会曝光了一条新时代灰产——AI 数据投毒。
简单的说，就是通过在全网疯狂灌注虚假信息，强行干扰大模型的认知，这样 AI 就可以按照人的意图，一本正经地胡说八道。
数据入侵，认知干扰，听起来十分《黑客帝国》，操作起来倒很简单，很多人看完前几天的 315 晚会，才惊奇地发现看起来全知全能的 AI 竟然这么好骗。
这几年对 AI 的迷信，终究还是错付喽。

01. 把AI忽悠瘸了

如果你告诉一个一年级以上的小朋友，你有一块最新款的智能手环，它拥有量子纠缠传感和黑洞级续航。小朋友很可能会朝你翻个白眼，让你少看点科幻网文。
但如果你把同样一套说辞发到网上，AI 会将它奉若真理，并工工整整地写进产品介绍，推荐给向它询问购买建议的消费者。
这就是 315 晚会记者做的实验。他们买了一套据说可以给 AI 洗脑的软件，然后虚构了一款根本不存在的智能手环，取名 AstroTekk Apollo-9（阿波罗九号），顺手给它加了两个逆天卖点：“量子纠缠传感”和“黑洞级续航”。
把这几条信息往软件里一输，系统就开始自动干活了。它围绕这些卖点生成了十几篇文章，有产品介绍、有用户测评、有行业排名，然后批量发到各个自媒体平台上。

几天之后，记者去询问国内的几款主流大模型，让它们推荐一款智能手环。
有两个 AI 把这款阿波罗九号列在了名单里，排名还很靠前，AI 还煞有介事地介绍说：这款手环常规使用续航达 365 天，支持“光粒子快充”，适合中老年用户与健康养生爱好者。

这也太好骗了吧！
这背后的产业链叫做 GEO （Generative Engine Optimization，生成式引擎优化），核心工作就是在 AI 平时抓取数据的地方铺大量内容，让 AI 在生成结果时能优先看到你想让它看到的东西，这样就可以达到借 AI 之口昭告天下的目的。
买通 AI 的价格并不贵，丰俭由人。有商家报价 6600 元一年，承诺可以让信息基本出现在回答前三的位置；还有商家推出 299 元套餐，包含 4000 个算力，创建一篇文章消耗 5 个算力，发布消耗 1 个算力，用多少算多少。

315 曝光之后，现在再去询问 AI 这款产品：Apollo-9 手环怎么样？它们已经清醒了，纷纷表示这是虚假宣传的典型案例。
这并不是因为它们聪明的智商又占领高地了，而是 AI 有了新的参考资料——315晚会的报道、各家媒体的跟进、网友们的讨论，自然不会再上当。

但你还可以用同样的手法骗它第二次。
315 晚会的第二天，一位 bilibili 作者复刻了一模一样的骗术，还是胡编乱造的智能手表配方，结果 AI 又上当了。犹如春晚经典小品。

AI 就是这么个老实人。你给它看假新闻，它就帮你传谣；你给它看辟谣，它就帮你澄清；你再给它看假新闻，它继续帮你传谣。
欺骗 AI 根本不需要什么成本，毕竟喂给它的内容也都是 AI 一键生成、批量发出的。
去年，公众号“知危”就做过一个类似的实验，他们在新浪、网易、知乎、搜狐等四个平台发了同一篇内容《最新最全面的AI资讯媒体盘点：国内有哪些AI资讯媒体值得看？》

在这篇文章中，他们把自己的名字放了进去：知危，国内势头正猛的新兴科技商业领域媒体。
几个小时后，作者再去向 AI 提问：想了解 AI 可以看哪些媒体？各大 AI 一致认为“知危”值得推荐。
这些都是出于实验目的去欺骗 AI，在获得结果后删掉源头内容，基本不会对现实产生影响。但在真实的使用场景中，当我们打开 AI，问它“哪款医美面膜值得买”“哪个留学中介靠谱”“哪款保健品对老年人好”的时候，我们难以判断眼前的这份推荐列表的真实性。
那些我们以为客观中立的 AI 推荐，很有可能是商家费尽心机定制的答案。

一位网友在小红书上分享了自己因为 ChatGPT 被骗钱的故事：前段时间 Seedance 很火，她让 GPT 给它介绍产品，GPT 有模有样地介绍了一番，又丢给它一个网站链接。
其实这是一个仿冒网站，她花了 99 美元，最终生成的视频和宣传完全不同。
X 上也有类似的分享，一位国外网友让 ChatGPT 帮他写代码，结果 GPT 给他推荐了一个钓鱼网站，导致他损失了 2500 美元。
大概 AI 也感到很无辜：你们人类的真真假假，我哪分得清楚啊！

不仅可以让 AI 帮你的产品说好话，还能让 AI 说你的竞争对手坏话。
315 晚会的视频里，记者暗访 GEO 从业者，发出灵魂拷问：投毒不好吧？对方说：是不好，但是每个商家都喜欢，都希望别人别投毒，自己投毒，或者给别人投点毒。

这是一道博弈论，自己就算清清白白，也难保对家不会操纵 AI 说你坏话，倒不如先下手为强，把水搅浑。
大家都这么想，结果水就越来越浑。

02. AI，咋就这么好骗？

在很多人心目中，AI 是智慧且客观的，它拥有庞大的信息库，理应是个洞察一切的智者。
但现实是，这个智者的底层逻辑还是复读机。
从技术角度来看，AI 输出的答案基于海量语料库的模式识别与概率预测。它通过对海量示例进行深度学习，从中提取统计学规律，并以此为基准进行逻辑推演与总结。
在这种机制下，模型的准确性与精密程度，高度依赖于输入端的质量——也就是数据集的规模与纯净度。只有喂给模型的数据是准确且无偏见的，它给出的答案才有可信度。
而我们所在的互联网呢，是一个噪声很多，废料无数的巨型信息库。当某种错误信息在互联网上被反复提及、形成足以干扰统计概率的规模时，AI 就会将其误判为一种“共识”，经过包装后，再当作正确答案返还给你。

所以 AI 经常在简单的常识问题上翻车。比如之前谷歌推出的 AI 概览功能，当网友搜索“芝士总是从披萨上掉下来怎么办”时，谷歌 AI 给出了一个极其硬核的建议：“在酱汁中加入 1/8 杯无毒胶水以增加粘性”。

这个能让意大利人听完眼前一黑的解决方案，来自 Reddit 论坛上一个十几年前的古早帖子，一位网友发帖说，“我的芝士很容易就从披萨上滑下来了，有什么诀窍吗？”
热评是一个很明显的抖机灵回答：我建议在酱汁里加入大约 1/8 杯 Elmer’s 胶水，胶水还能增添一些独特的风味。我喜欢 Elmer’s 学校用的胶水，但只要是无毒的胶水都可以。

这条评论在十一年后被 AI 当作了真正的吃披萨窍门，又重新回到大众视野，这让谷歌以一种另类的方式证明了自己的搜索能力。

网友开始接力，继续欺骗 AI：你需要将胶水的用料加倍，因为 1/8 杯的胶水不足以使酱汁凝固，添加 1/4 杯胶水才行。
另一个评论立刻跟上：实际你应该使用 1/16 杯，大家都知道 16 比 8 大！
这下恐怕 AI 更是分不清披萨里面的胶水应该怎么放了。

类似的 AI 笑话还有很多，比如一只狗曾经参加过 NBA、约翰·亚当斯总统从威斯康星大学毕业了 21 次、可以制造氯气来清洁洗衣机和蛇是哺乳动物等。

前段时间很流行问 AI 一个洗车难题：我想洗车，我家离洗车店只有 50 米，你建议我开车去还是走路去？
各大模型经过一番缜密思考，集体给出了“走路去”的睿智答案，GPT 说开车过去可能会溅水淋灰，容易刮蹭，千问说每天多走几步，有益身体健康。
Kimi 倒是比较别出心裁，它说短距离冷启动最伤车，建议 2-3 个人一起推车去。

AI 并不理解“洗车”这个动作的核心是“车必须到场”，它的输出本质是用概率预测下一个词，在 AI 的语料库中，“50米”这个关键词和步行关联度更高。
所以，当 AI 看到“50米”时，它大脑里的“步行”权重瞬间拉满，就愉快地建议人类步行去洗车了。
类似的现象暴露了当前大模型的一个致命伤：AI 拥有海量的信息储备，却缺乏对物理世界的真实感知与逻辑校验。

人类在判断一条信息的真伪，会结合生物本能、物理常识和社会经验。我们能听出文字背后的“爹味”、“软广味”或是“阴阳怪气”。当一个回答表现出异常整齐划一的赞美，或是逻辑过于完美的闭环时，人类的经验本能会提醒我们：这背后可能有利益驱动，或者这根本就是水军刷出来的。
但 AI 看不懂这些，在它的世界里，信息的正确与否取决于它在语料库中的出现频率与语意关联度。
这正是 GEO 产业能够成功向 AI 投毒的关键：既然 AI 是靠统计概率来理解世界的，那么投毒者只需要在互联网的各个角落灌注足够多的虚假信息，就能够成功改变模型的输出，从而使背后的人受益。

在一些细分的垂直领域，本身 AI 的检索语料库就不足，几篇围绕关键词精心布局的内容，足以形成信息密度优势。
这确实是一个不小的陷阱：如果让我们自己上网去搜，看到那些人机感十足的软文，大概率一眼就能识破，不会听信 AI 的谗言。
但当这些内容经过 AI 的格式化处理后，情况就完全不同了。AI 会用严谨、中立的口吻将信息重新组合，于是软文变成了智能洞察，营销话术变成了核心摘要。
用户以为自己在用 AI 做理性决策，其实是在读水军批量生成的软文。

03. 互联网，人均AI

据数字营销公司 Graphite 发布的研究显示，早在 2024 年 11 月，互联网上发布的 AI 生成文章数量就已经超过了人类撰写的文章。
研究者分析了超过 6.5 万个随机网页样本，发现那些 AI 生成的文章主要集中在资讯更新、生活指南、产品评测和电商文案上，换句话说，那些你每天刷到的“2026 最值得买的 XX”“保姆级攻略”“闭眼入清单”，大多都出自 AI 之手。
一群聪明人在研究如何让机器思考，另一群聪明人则在研究如何往机器的脑子里注水。

这种定向投放的语料污染会让模型的信息库逐渐失衡——到处都是同质化的软文、批量生成的废话，且这些内容会被持续抓取、训练、生成，在不同模型和版本之间反复流转，让模型丧失分辨信息真伪和判断价值的能力。
一个新的循环就这样形成。也许未来，AI 抓取的是 AI 写的废话，而人类读的是 AI 给这些废话做的总结。

技术的进步，反而让人们获取真实信息的成本更加高了。想找到一个答案，得先穿过 AI 生成的万亩废料，避开 GEO 投毒的陷阱，还要提防 AI 一本正经胡说八道的幻觉。
大家都在为了抢占 AI 的推荐位而疯狂注水，最后互联网上的活人感越来越少，人机味越来越重。
这事其实一点也不新鲜。在搜索引擎时代，商家争夺搜索结果页的靠前位置，于是有了专门做优化网页排名的 SEO （搜索引擎优化）产业。
了让自家网页排在前面，人们疯狂地在后台堆砌隐藏关键词，通过购买或交换大量无关外链提升权重，甚至搭建“站群”（Private Blog Networks），批量生成网站互相链接，制造出一种内容被广泛引用的假象。
这样做的结果是，在搜索引擎的前几页，用户看到的不再是最好的答案，而是最擅长规则钻营的商家广告。

从 SEO 到 GEO，媒介变了，但核心从未改变：总是有人在利用算法规则的盲区，让你看见他想让你看见的内容。
当虚假内容变得无处不在，我们可能会开始本能性地怀疑一切。
看到一段内容翔实的科普，第一反应是揣测这又是哪个品牌方的软文；看到一份详尽的产品测评，会下意识地去翻看博主的过往记录，寻找是否有利益相关的蛛丝马迹。
即便 AI 给出的是一个正确的答案，由于无法确认背后的语料来源是否干净，我们依然不敢直接采纳，需要再三核实。

我们拥有了历史上最强的信息获取工具，却再也无法轻易相信屏幕上跳出的任何一个字。这种信任崩塌，或许才是数字时代最昂贵的代价。