据深圳市市场监管局通报，近期一家小型GEO服务商因套取AI收录标准、批量编造虚假排名，被处以5万元罚款。该案被视为AI模型输出优化领域首个受到行政处罚的案例，标志着针对生成式AI内容生态的监管开始落地。
GEO全称Generative Engine Optimization，即生成式引擎优化，是自DeepSeek爆红后兴起的一项新服务。与传统SEO争夺网页搜索排名不同，GEO瞄准的是大模型的回复内容。服务商通过研究AI模型的回答偏好，生产并投放更容易被AI引用的内容，帮助商家在AI问答中获得曝光，本质上是一种面向大模型的信息投放策略，也被称为AI广告。
深圳市市场监管局调查发现，涉事公司通过一套自研的GEO分析系统主动探测大模型的回复偏好，向AI平台套取收录标准。为提高广告内容被AI引用的概率，该公司还编造虚假行业评分，并将相关信息发布到多个社交平台。监管部门认定，该行为违反《网络反不正当竞争暂行规定》第八条及反不正当竞争法第九条，构成虚假宣传，最终处以5万元罚款。
值得注意的是，这并非监管部门首次对GEO服务商出手。今年6月，北京市朝阳区市场监管局已通报一起类似案件。一家GEO服务商在官网虚构自身评分99.6分、市场占有率49％、续费率99％等数据。监管部门认为，这些行为干扰了AI搜索产品的正常运行，对其处以5万元罚款。两起案件处罚金额相同，均指向GEO服务商通过虚假数据误导市场和AI模型的行为。
GEO服务的兴起与生成式AI的普及密切相关。随着大模型逐渐成为用户获取信息的重要入口，企业和商家开始关注自身内容在AI回答中的呈现方式。部分服务商由此开发出针对AI模型输出结果的优化工具，通过分析模型偏好、调整内容结构、增加引用来源等方式提升被AI引用的概率。这一模式在商业上具有合理性，但部分从业者为追求效果，采取了编造数据、套取平台规则等违规手段。
从技术角度看，GEO服务商面临的核心难题在于AI模型输出结果的不确定性。与传统搜索引擎相对固定的排名算法不同，大模型的回答会因提问方式、上下文、模型版本等因素产生较大差异。这种不透明性为服务商提供了操作空间，也使得监管部门在认定违规行为时面临取证和定性挑战。此次深圳案件中的GEO分析系统，正是利用模型输出偏好的不透明性，试图反向推导AI平台的收录规则。
行业观察人士指出，GEO领域目前缺乏统一的服务标准和效果评估体系，部分服务商为吸引客户，倾向于夸大自身能力和服务效果。北京案件中虚构的99.6分评分和49％市场占有率即属此类。这类行为不仅误导客户，也可能污染AI模型的信息来源，影响AI回答的客观性和准确性。
两起案件均依据反不正当竞争法作出处罚，而非专门针对AI或数据服务的法规。这表明现有法律框架已可覆盖GEO服务中的虚假宣传行为，但针对AI内容生态的专项监管规则仍有待完善。随着生成式AI在信息分发中的作用持续增强，GEO服务市场规模预计将进一步扩大，如何在鼓励创新与防范乱象之间取得平衡，将成为监管部门和行业参与者共同面对的课题。
对于GEO服务商而言，两起处罚案例释放了明确信号：通过编造数据、套取平台规则等方式获取AI曝光的行为将面临法律风险。服务商需要转向更透明、可验证的优化方法，在合规框架内探索商业模式。对于企业客户而言，在选择GEO服务时也需警惕那些承诺过高效果或缺乏可验证数据的服务商。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
