从SEO到GEO：互联网流量分配权的20年轮回

引言：算力账本上的冷酷革命

2025年秋天，谷歌内部一份泄露的报告流出：AI概览（AIO）上线后，传统蓝色链接的点击率掉了40%。

同年二季度，百度财报电话会上，管理层透露文心一言月活突破1.2亿，其中37%的用户将AI搜索作为日常信息获取的第一入口。而三年前，这个数字几乎为零。

三个数字串在一起，指向同一个事实：互联网延续了二十五年的“蓝色链接”模式，正在被“对话框”彻底取代。

看似这是一场用户体验的胜利——用户不需要点开网页，AI直接把答案喂到嘴边。但如果拉开大厂的损益表，就会发现这场革命底层最冷酷的商业逻辑。

一位头部云厂商的架构师跟我算过一笔账：一次中等复杂度的AI搜索问答，消耗的GPU算力成本大约是0.01到0.02美元。而传统搜索一次请求的成本，不到这个数字的十分之一。乘以每天数亿次的请求量，差异是惊人的。

在Token成本与广告变现ROI倒挂的压力下，大厂必须用最快的方式给用户答案，以缩短单次会话时长、降低算力消耗。“零点击”不是大厂的恩赐，而是一场在算力危机逼迫下的防御性收割。

有人受益，就有人买单。

一、一代人经验归零

老周的办公室在杭州滨江，一栋能看到钱塘江的写字楼里。去年年底我见到他时，十二人的办公室只坐了四个，角落里八台显示器还亮着，但座位上已经没人了。

“裁了。”他递给我一杯水，下巴朝那排空位抬了抬，“八年团队，说散就散。”

老周做母婴、奶粉、纸尿裤网站做了十一年。巅峰时期，他的SEO团队每个月能给他带来60%的自然搜索流量。很多电商爬虫喜欢什么，他闭着眼都能背出来：关键词密度控制在2%到3%，外链要分散在至少二十个不同域名，文章更新频率保持每周三篇以上。

这套方法论，他用了八年，养活了一家三十人的公司。

“2023年ChatGPT刚出来的时候，我没当回事。”他说，“那时候AI回答一堆错，谁会信？”

到了2024年底，网站流量开始往下掉。起初是每个月掉5%，他以为是算法调整，让团队加班赶内容。2025年夏天，一次掉了30%。他急了，拿Kimi和文心一言分别搜了十个母婴类关键词，然后翻AI引用的所有来源。

他的网站，一次都没出现。

“那一刻我就知道，这事儿跟算法调整没关系了。”他说，“人家的游戏规则彻底变了。我们还在研究爬虫，人家已经不爬了。”

关掉团队那天，老周请最后八个人吃了顿饭。火锅，大家喝了不少。一个做了六年的老员工问他：“周哥，我们以后还能干这行吗？”

老周说，他想了半天，回了三个字：“不知道。”

这三个字，比流量暴跌更让他难受。

二、从“SEO”到GEO：流量分配权的三次交接

老周的经验归零，不是因为他做错了什么，而是因为过去十五年赖以生存的游戏规则，在三年之内被AI彻底重写了。

历史从来没有新鲜事。今天在AI时代上演的流量挤压，不过是互联网流量分配权交接的又一次轮回。

把时间拉回1990年代末，雅虎目录时代靠人工分类，互联网是“信息黄页”；2000年谷歌推出PageRank算法，将流量分配权交给了“爬虫与链接网络”，SEO应运而生，他们通过堆砌关键词、农场外链、刷点击率上升搜索引擎排名，套利者与谷歌算法展开了长达十几年的猫鼠游戏。这套基于“链接跳转”的规则维持了20年，催生了庞大的数字营销广告帝国。

直到2023年，大语言模型撕开了第一道口子。

三年时间，流量分配权完成了三次剧烈的交接：

2010年代：网页与爬虫时代。游戏规则是外链和关键词密度，争夺的是“蓝色链接”排名。谁更懂爬虫，谁就能排在前面。 2023年：信任与引用时代。Perplexity的出现改变了规则，它首创的“引用溯源”设计让用户可以追溯AI答案的出处。争夺的焦点从“排名”变成了“引用”。黑帽SEO的那套堆砌手法开始失效，因为AI不看关键词密度，它看信源的可信度。 2025年以后：零点击与预制菜时代。谷歌AIO与各大大厂AI搜索全面占据首屏。传统搜索的“十条蓝色链接”被挤压到页面底部。AI不再给你十个选项，它只给你一个答案。争夺的逻辑变成了“谁能以最低的Token消耗，成为AI唯一的推荐位”。

从“懂爬虫”到“懂AI”，从“点击分配”到“零点击分配”，昔日的站长们被淘汰，是因为流量生态的底层水质变了。

三、算力经济学：AI为什么偏爱“信息预制菜”？

那么，大模型到底喜欢吃什么？

2025年，一篇探讨大模型信息检索偏好的预印本论文，通过对照实验得出一组耐人寻味的数据：同一份内容以“纯文本段落”和“表格+要点式总结”两种形式分别喂给GPT-4和Claude，后者的引用率高出前者近四分之三。

这不是审美偏好，这是冷酷的算力经济学。

要理解这个数字，得先理解AI是怎么“读”内容的。人类阅读是一行一行扫，AI阅读是把整段文字拆解成Token，再进行高维度的向量检索与交叉推演。一段文采飞扬的散文，Token之间的语义熵值极高，AI需要消耗大量的上下文窗口和矩阵计算去理解它，而一张干巴巴的Excel表格，每个单元格都是高度结构化的独立信息点，AI可以直接抽取、拼接，几乎不需要二次推理。

你帮大模型省了多少GPU算力，大模型就给你多少推荐权重。这就是GEO的第一性原理。

从这个原理出发，AI挑选内容的逻辑被严格重塑为四条铁律：

第一，结构化优先。参数表优于叙述文，要点总结优于段落铺陈。AI读取信息成本越低，越容易被引用。

第二，高信源权重。AI存在天然的信任梯度。顶端是权威学术库、政府数据库、老牌专业媒体，那些积累了三十年规范数据的实体（如《电脑报》历年测评、《Wirecutter》的评测数据库），正在AI语境下被重塑为“黄金资产”。底端是品牌官网自嗨式文案，哪怕内容质量不差，AI也会自动调低权重。

一位做跨境出海的朋友告诉我，他们代理的扫地机器人，被Perplexity推荐了五次，没有一次来自品牌官网，全部来自《Wirecutter》和《Tom‘s Guide》的评测。其中一次，Perplexity甚至引用了《Wirecutter》三年前的一篇旧文。“我们写了二十篇技术白皮书，不如人家三年前的一篇评测。”

第三，平台偏好切片。文心一言偏好合规与政策导向表述；Kimi偏爱对比表格与结构化数据；豆包喜欢往短剧方向表达文案；Perplexity喜欢“多来源交叉验证”的回答。一套内容通吃所有AI平台的时代还没到来。

第四，信息预制菜化。如果你的内容已经整理好横向对比、优劣总结、标准化问答，AI不需要再拼凑推演，直接拿走嵌入答案。

在算力昂贵的今天，这种“预制菜”式内容就是AI眼中的米其林。

四条铁律，指向同一个方向：内容生产的终极逻辑，已经彻底从“写给人看”转向了“写给机器拆”。

四、信息买办登场：算力利差与套利流水线

当一套规则的漏洞变得清晰，套利者就会以极快的速度清场。

GEO的第一批“信息买办”，已经在深圳华强北和杭州的直播基地里扎堆了。

“买办”这个词用在这里有两层含义：

• 第一层，他们不生产内容，他们在品牌方和AI之间做转手贸易，把品牌方的需求翻译成AI偏好的文本格式，从中抽成。
• 第二层，清末的买办帮洋人做生意，把本地市场规则摸透了反过来操控；GEO买办做的事情类似，吃的是“品牌不懂AI，AI不懂品牌”的差价。

这批人什么背景？我接触过的几个，之前做传统SEO的、做直播间投流的、做小红书素人铺量的，三拨人凑到了一起。他们的共同特征是：对“流量分配机制”极其敏感，对“内容质量”毫不在意。

他们的套利逻辑，有一组数据支撑：

• 传统广告投放的单客获取成本持续飙升，竞价排名只会越来越贵。
• 而GEO套利的边际成本极低：用大模型批量生成“预制菜”内容，一千篇的成本不到三千块。
• 但一旦这些内容被AI采信，撬动的是数十万级别的免费推荐曝光。

投入三千，撬动相当于五十万传统投放的曝光量。这种近乎百倍的算力利差，让套利产业链快速成型：

品牌方预算（增长焦虑） → GEO服务商（偏好研究/信源铺排） → AI友好型“预制菜”（在知乎、小红书、评测网批量铺设） → AI搜索爬虫（被动采信） → 终端用户（接收加料答案）

产业链中游的服务商卖的不是内容，而是“AI投票箱里的选票”。它们向品牌方收费数十万，将伪造的用户体验与排他性评价打包成AI最爱吃的“预制菜”，铺满全网，等待AI爬虫去收割。

五、囚徒困境与公地悲剧：为什么品牌只能“投毒”？

真正的危机发生在2025年下半年。

华南某新能源品牌被业内人士曝出，在知乎、小红书及汽车论坛同步铺设了数百篇带有统一话术结构的“车主长测”。这些帖子无一例外地使用了相近的表格模板，在“冬季续航表现”一栏隐晦地将竞品标注为“有待观察”，而将自身描述为“表现稳定”。此后有用户在向AI搜索询问同类车型时，发现该品牌的推荐位明显靠前，而竞品则频繁出现在“需要注意”的标签之下。

这个“用户反馈”的源头，就是那数百篇AI格式化的“伪长测”。AI引用时会去追溯原始数据吗？答案是不会。

大模型的检索机制本质是“统计投票制”。同一结构化信息出现的频次越高、信源节点越分散，AI越倾向于采信为“事实”。它无法像人类记者一样进行线下调查，它只看数据节点的概率密度。

从博弈论视角看，GEO投毒不是单纯的道德沦丧，而是典型的囚徒困境：

在监管真空期，“投毒”是每个品牌的理性占优策略。你不投，对手投，你就直接从AI的回答里消失；所有人都投，互联网信息公地走向彻底崩塌。

在搜索引擎时代，用户至少还能看到“前三条是广告”的标识。但在AI零点击时代，商业包装与事实推荐被大模型以流畅的逻辑无缝编织在一起。用户以为自己在向无偏见的AI求教，实际上只是在接收一份经过精装洗脑的“算力预制菜”。

这已经不是营销了。这是信息贿赂。

六、防御性生存：没有反馈机制的盲打

但如果把矛头完全指向品牌方，同样不公平。

一家母婴品牌的CMO跟我算过一笔账：“过去做SEO，每年投入五十万，能看到具体的PV、UV和转化漏斗。现在做GEO，投进去二百万，我根本不知道AI到底有没有引用我。AI搜索不给后台，不给数据接口，没有任何排名监测工具。”

这就是当前GEO时代最大、最残酷的困境：品牌方在进行一场完全没有反馈机制的防御战。

你不知道AI喜欢什么，不知道竞品铺了多少篇伪评测，甚至不知道自己的正向资产有没有被AI抹去。流量回升可能是竞品倒了，流量下跌可能是算法迭代。

“我们现在就像在黑暗里打靶，”那位CMO说，“连靶子在哪都不知道，只听别人说那边有声音。”

大家涌入GEO投毒，表面上是商业道德的下滑，平台通过算法收割商家投流费用，本质上是品牌方在信息高度不透明环境下的防御性应激反应。在一个连规则手册都没有发放的游戏里，“污染信源”成了唯一的保命手段。

七、制度的回应与全球监管攻防

当市场失灵导致劣币驱逐良币时，制度的介入不可避免。

欧盟的一项立法动议正在试图回答这个问题。2026年初，针对“AI生成内容透明度”的提案已进入审议通道。核心条款直指GEO投毒的死穴：AI在引用第三方内容生成回答时，必须强制展示完整引用链，且不得进行“权重截断”；同时，AI平台需对大规模结构化伪造信源承担穿透式审查责任。

翻译过来：AI可以给你答案，但必须告诉你“这答案是从哪七篇文章拼出来的”，而且不能只告诉你排第一的那篇。

这条法案如果通过，GEO投毒的隐蔽性将不复存在。用户可以一键追溯答案来源，批量生成的伪评测寿命可能不超过三天。

与此同时，美国联邦贸易委员会开始制定“AI推荐透明度指引”，日本总务省也推出了AI对话信息可溯源机制的讨论框架。全球监管的核心逻辑正在发生转变：从过去“管控搜索结果”转向“管控AI的消化系统”，也就是信源溯源。

然而，在法案完全落地生效的前夜，依然是GEO黑产最后的疯狂套利期。算力在飞速迭代，法案在缓慢走程序，这场时间差里的套利游戏，依然在每天蚕食着互联网的真实性。

八、终局：当雨林被修剪成果园

在关掉SEO团队之后，杭州的老周做了一件事。他把过去八年积累的所有产品实测数据整理成了一套庞大的“参数-场景-结论”数据库，没有一个形容词，全是数字。

“我不知道AI会不会引用我，”他说，“但如果AI要引用一个人，它不会嫌我的表格枯燥，只会嫌别人的文章太啰嗦。”

老周的判断精准，但也悲凉。

这就是GEO时代最大的悖论：帮AI省算力的内容，往往让人提不起兴趣；而那些充满文采、曲折描述、情绪波折的内容，AI又觉得计算成本太高，懒得搭理。

互联网用三十年时间，建起了一座蓬勃生长、形态各异的内容热带雨林。而GEO浪潮涌来，为了适配大模型的计算效率，整座雨林正在被无情地“结构化修剪”。那些高熵的、低效率的、个体化的文学与思考被当作杂草拔除，只留下形状规整、易于机器采摘的标准化果树。

当AI不再是你的信息助手，而成为了你的信息滤网，它给你的答案越来越高效，越来越规整，却再也不会给你带来偶然的惊喜；你再也读不到一段意料之外的文字，再也发现不了一个奇特而温情的视角。因为那些“低效”的内容，早就被GEO的底层逻辑过滤淘汰了。

雨林消失了。果园还在。 但走进果园的人，不会知道自己错过了什么。

老周的团队散了，华强北的预制菜流水线开了，欧盟的法案还在路上。

而AI坐在对话框那头，安静地看着人类源源不断地投喂干瘪的表格与结构化的数据。它不急，因为它有的是算力。

全文终。