摘要：生成式引擎优化据其行为模式可归纳为信源优化型、长尾覆盖型、声誉控制型、模型干预型等四类，相较搜索引擎优化提出了新的规制需求。结合经济法原理和生成式引擎优化实践，可总结出真实性、透明性、正当性、合比例性四项合法性评价标准，继而结合不同生成式引擎优化类型予以分别判断。通过对经济法不实宣传规范群、广告标识义务规范群、互联网不正当竞争条款、反不正当竞争法一般条款等相关规范的解释适用，可构建起生成式引擎优化的规制体系。推进执法机构、司法部门、人工智能服务提供者、消费者等多元主体之间的协作配合将进一步夯实规制效果。
关键词：生成式引擎优化;人工智能;经济法;反不正当竞争法;广告法
作者：葛江虬(法学博士，复旦大学法学院副教授)
来源：《法学家》2026年第3期“专论”栏目。
因篇幅较长，已略去原文注释。
目录
引言
一、生成式引擎优化的类型及其合法性危机
二、生成式引擎优化合法性边界厘定与类型化评价
三、生成式引擎优化规制的规范适用与机制协调
结语
引言
随着人工智能技术的不断发展，越来越多的消费者在购物时会先询问人工智能的意见。即便是传统网页搜索服务的提供者，也已在产品中深度集成了人工智能模型：搜索服务不再局限于返回链接列表，而是通过人工智能实现对话式响应、实时摘要和个性化推荐等功能。研究人员发现：人们用得越多，越依赖人工智能;商品越复杂，越信任人工智能——以往“在多个App间反复横跳、筛选碎片化信息”的低效路径，正飞速转向“遇事不决、先问AI”这一高效入口。
“流量在哪里，生意就在哪里。”在这种背景下，一种新的商业服务模式应运而生，即“生成式引擎优化”(Generative Engine Optimization，即“GEO”)。它的核心是在人工智能环境下，通过影响其内容生成和引用倾向，提升特定商业内容在人工智能答案中的曝光度。相较于关注关键词与网页结构、意图让网页在搜索引擎结果中排名靠前的“搜索引擎优化”(Search Engine Optimization，即“SEO”)，生成式引擎优化更侧重于使信息能够被人工智能有效识别和利用，旨在使品牌信息直接出现在人工智能回答中。一些业界人士将生成式引擎优化称为“Act II of search”(搜索的第二幕)，认为它标志着从页面排名竞争转向模型引用竞争的新范式。
新生的生成式引擎优化实践引发了法律评价的不确定性。2026年3·15晚会曝光的“AI大模型遭‘投毒’”直指生成式引擎优化乱象，引起了社会各界的广泛关注。由于人工智能模型的工作机理、用户体验与传统搜索存在显著差异，现有的规制框架难以直接套用。尤其在经济法领域，生成式引擎优化可能导致市场信息不对称加剧、竞争秩序失衡、消费者权益受损等问题，目前仍无明确的产业共识和规范指引。法律体系如何更新以适应生成式引擎优化实践发展，在不致扼杀技术与产业创新积极性的前提下保障数字市场的良性竞争、保护广大经营者与消费者的合法权益，真正实现“既放得活又管得好”，亟待深入论述。
本文第一部分将通过类型化方法梳理生成式引擎优化的实践现状，并结合搜索引擎优化相关司法实践阐明其合法性危机。第二部分结合经济法原理，尝试构建生成式引擎优化合法性评价的指标体系，并对不同类型逐一进行合法性分析。第三部分检视现有制度资源，基于我国既有立法的解释论探讨对生成式引擎优化的规范适用及执法协调。通过这些论证，本文期望为这一新兴实践提供系统的经济法规制框架。
一、生成式引擎优化的类型及其合法性危机
生成式引擎优化的具体做法五花八门，既包括企业营销的“白帽”策略，也不乏钻算法空子的“黑帽”手法。欲构建生成式引擎优化规制的法律框架，有必要基于类型化方法勾勒出当前实践的图景，明确其内涵外延，继而通过对比考察我国司法机关对于搜索引擎优化的法律评价，指明尚待解决的问题、锚定讨论生成式引擎优化规制的基本出发点。
(一)生成式引擎优化的类型和具体表现
结合国内外出现的案例和技术发展现状，本文将各种生成式引擎优化分为以下四个类型。
1.信源优化型
这一类型着眼于研究人工智能模型的推荐算法，通过调整和校准等方法，优化信源的呈现样式、文本风格和内容，提高信息于生成式引擎中的可见性(visibility)。申言之，人工智能在整合信息时偏好出处权威、组织良好、语义密集、易于解析的内容。因此，经营者可以调整页面形式，如增加摘要、要点列表、FAQ问答等，使内容层次清晰、重点突出;给图片添加alt文本、为视频配写字幕、提供多模态说明、多平台分发，使人工智能更有机会识别相关内容。有研究证实，“权威表达风格(Authoritative)”“添加量化数据(Statistics Addition)”“插入直接引文(Citation Addition)”“添加可靠来源引用(Quotation Addition)”“简化语言(Explainable)”“提升流畅性(Fluent)”“增添术语(Technical)”等九种具体的生成式引擎优化方法均能够有效提升人工智能可见性，其具体效果因领域而异。实践中，一家优化公司通过知识图谱对齐、权威信源建设等方式，成功让一名多伦多豪宅地产中介的网站和名字出现在Gemini答案的第一名。
2.长尾覆盖型
这一类型聚焦于通过模板加数据批量产出成千上万个页面，力图在人工智能搜索涉及的各类“长尾问题”上都占据一席之地。随着生成式人工智能的兴起，搜索查询变得更长、更具体，所谓长尾问题大幅增加。为捕获这庞杂的流量，企业采用程序化内容生成策略，即自动生成海量网页以覆盖各种细分问答场景。例如，旅游平台生成各景点的冷门组合攻略文章，满足人工智能回答中特定组合问题的需要。程序化生成的实践者认为，此举有助于构建内容矩阵，让企业在传统搜索和人工智能搜索中均形成“内容帝国”。然而，其负面影响也不容忽视：程式化生成的用户评价实际上并非来自于真实的消费体验，很可能被评价为虚假宣传。即便没有真实性问题，大规模自动生成内容还可能导致信息冗余以及质量下降，若缺乏审核把关，容易出现重复、拼凑乃至错误的信息。这些信息不仅无法获得流量，容易被平台判定为垃圾信息(Spam)，还有“信息灌水”之嫌，可能损害互联网生态和用户体验。此外，如果批量生成的内容包含未经授权的数据或抄袭他人作品，也可能引发著作权和数据合规问题。
3.声誉控制型
这一类型旨在淡化负面信息、凸显正面宣传，属于搜索引擎优化时代“负面压制”做法的延续。考虑到生成式人工智能会根据实时检索来回答用户提问，企业往往希望通过影响人工智能获取到的信息集合，达到“扬长避短”的目的。一种方式是大量发布积极内容(软文、好评等)，以淹没或顶替负面报道，使人工智能检索阶段抓取到的主要是正面材料。与本文总结的第一类信源优化型不同，这一类型相较于优化自己发布的内容更侧重于第三方内容管理。例如，在用户撰写评论时引导其写得更长、更具体，并且于多平台撰写，形成“可信信号网(web of trust signals)”，从而取得人工智能信任。这种方法在实操时与传统正规途径的负面信息压制方法——例如向平台举报、与负评作者协商、向法院起诉等——往往并用，以实现声誉控制的最佳效果。更隐蔽的方法是利用模型的敏感词屏蔽规则，将某些负面事件的关键词设法与违禁词挂钩，诱导人工智能因内容安全考虑回避相关话题。这些声誉控制型手段有的属于正常公关(如及时发布澄清说明以纠正不实传闻)，但有的则与“有偿删帖”或“负面压制”并无本质区别：两者都是人为扭曲信息生态，影响了公众对真相的获取。
4.模型干预型
这一类型直接利用人工智能模型的工作机制，通过精心设计输入或植入隐蔽信息来干扰输出。典型手法如提示词注入(Prompt Injection)，它通过多种途径注入恶意指令，使LLM在生成结果时偏向某一个对象。已有研究通过实践操作证实，这种攻击方法可绕过人工智能的安全机制，导致推荐偏差和评审操纵。相较之下，在网站或产品描述中嵌入策略文本序列(Strategic Text Sequence, STS)的手法则更为隐蔽。研究者发现，借助对抗攻击算法生成的STS插入商品页面后，LLM驱动的推荐系统会在生成结果时偏向该商品，令其排名显著上升。由于STS并非人类可读懂的自然语言，而是经自动对抗优化后得到的乱码，因此不仅能批量化、规模化生产，还很难被人工审查发现，非常难以防御。除了以上两种方法，与人工智能内部人员勾结牟利、在模型中内置某品牌偏好，以及有意识地污染模型训练所用数据源等行为，同样属于模型干预型优化手段。以上这些超越正常内容与结构优化范畴、以操控模型输出为直接目的的手段，具备一定的欺骗性和干扰性，可能被视为生成式环境下的“黑帽”手法。
(二)生成式搜索引擎优化的合法性危机：以搜索引擎优化时期的司法裁判为参照
从技术角度来看，生成式引擎优化可以被视为搜索引擎优化理念在新技术环境下的延伸：二者都试图影响信息检索系统的输出，以提高特定内容的曝光度。生成式引擎优化在一定程度上沿用了搜索引擎优化的套路，例如关键词布局、内容优化、点击诱导等，只不过应用场景从“排名列表”变为了“人工智能答案本身”。因此，尽管目前尚无针对生成式引擎优化的司法判例，在探讨其规制路径之前，有必要先考察我国既有司法实践对搜索引擎优化的处理方式。
搜索引擎优化作为互联网时代的重要营销手段兴起于20世纪末。其实质是通过改进网站内容和结构、提升外部链接等方式，提高网站在搜索引擎中的自然排名，以获得更多流量。多年以来，搜索引擎优化已经形成了较为成熟的产业实践。故在不少案件中，法院并不十分关心具体的优化行为，而是出于评价后续合同义务履行情况的需要，径予认可约定内容的效力。例如，对于约定关键词优化、网站站内优化、外链建设、SEO效果分析等服务的合同，我国法院认为其并不违反法律、行政法规的强制性规定，合法有效。基于同样的逻辑，只有在优化实施过程中侵害了第三人合法权益(如著作权、商标权)而引起损害赔偿的场合，法院才会就具体的侵权行为作出判断。在这些案件中，以改变搜索结果为核心的搜索引擎优化本身的合法性判断并不是法院关注的焦点。
近年来开始有法院意识到，当事人约定的搜索引擎优化服务虽然确属双方真实意思表示，但实际上可能具有损害市场竞争和消费者福祉的负外部性。因此，即便没有当事人主张，法院也可以直接介入并否定合同效力。在上海长宁法院2021年审理的一起案件中，双方签订合同约定由被告实施搜索引擎优化手段，实现百度搜索结果前5页无负面内容。法院明确指出，此类以营利为目的人为干预搜索排序的“负面信息压制”违背了诚实信用原则，侵害了消费者知情权和其他经营者的合法权益，构成不正当竞争，因此认定合同无效。此后，约定“关键词霸屏”的SEO合同亦被法院认定为无效，理由是：“通过技术手段不正当地排斥其他经营者的优先展示机会，实现对用户的密集信息覆盖，垄断与用户的链接关系渠道，尽量限制，甚至剥夺用户在相关内容项下的多样性知情权与选择权。该合同目的自始就与百度搜索引擎算法的基础逻辑相违背，脱离了正当商业竞争手段的范畴，引发了逾越合理边界的技术手段风险。”
除合同纠纷外，作为优化效果实施对象的搜索平台有时并不乐见对于搜索结果的干扰。在这一类搜索平台起诉搜索引擎优化服务公司的案件中，法院需要对具体优化行为的合法性作出评价。例如，法院在一起案件中查明，被告通过软件和员工重复搜索点击特定网站，制造虚假流量以“算法突破”提升其排名。法院认为该行为干扰、破坏了搜索引擎的正常运行，因为搜索排序应基于真实用户需求和点击，而虚假点击扭曲了排序机制，损害了搜索引擎运营者的竞争优势和用户体验。同时，此举也使消费者难以获得客观匹配的搜索结果，侵害了消费者合法权益。据此，法院认定应用该技术刷点击的搜索引擎优化行为构成不正当竞争，依法判令被告停止行为并赔偿损失。
上述司法实践表明，我国法院近年来愈发关注搜索引擎优化本身的合法性，而内容真实性和手段正当性是评价其合法与否的关键标准。在本文看来，将这一立场延续至生成式引擎优化殊为必要：无论形式如何翻新，凡通过非正当手段干预搜索结果、误导公众的行为，都应纳入法律禁止之列。然而，这在理论和实践中至少还面临两方面的挑战。
其一，生成式引擎优化并非搜索引擎优化的简单升级，而是信息中介机制发生结构性转换后的新样态，以至于规制理念与武器库均需更新。例如，前文提到的长尾覆盖型优化即属新鲜物什，其涉及的“信息垃圾围城”是不同于搜索引擎优化时代的全新问题。而且，尽管两者都是围绕信息呈现进行博弈，以技术和内容手段影响受众注意力的分配，但是生成式引擎优化语境下的博弈更加复杂。一方面，搜索引擎优化时代的互联网用户本就对搜索操纵侵害竞争秩序不敏感，亦缺乏检测搜索操纵或确定搜索偏见的动机和能力，人工智能时代更是如此：略去逐页浏览这一过程进一步降低了用户的警惕性，他们在时间与注意力约束下更倾向于将人工智能答案视为权威结论，因而商业操纵对消费者决策的边际影响显著上升;另一方面，人工智能回答的形成不仅依赖模型和训练数据，更取决于人工智能的检索增强、联网搜索、知识库调用、RAG(检索增强生成)等多个环节，针对这些环节的外部干预往往更加隐蔽难测，传统监管手段很难及时察觉。如不根据生成式引擎优化特点调适规制体系，违法行为很可能死灰复燃。
其二，当前司法实践主要是围绕个案展开分析，法院在说理过程中均援引了我国市场规制立法中与不正当竞争及侵害消费者合法权益有关的规范，并基于其论证经营者行为的合法性。然而，这种以经济法为基座的评价框架在经济法内部反而关注寥寥。不仅行政执法实践数量稀少，学界也未给予充分关注。对于生成式引擎优化行为的具体评价体系究竟应该如何构建、评价标准如何细化，仍待进一步研究。比如，虚构点击量从而推高网页排名的做法已被认定为违法，那么实践中大量存在的“好评返现”同样涉及对企业商誉的维护，其合法性如何认识?与之对应的声誉控制型优化的行为边界究竟应当如何厘定?此外，评价体系如何结合具体经济法制度解释适用，各类型的法律责任应当如何协调、各法律执行机构应当如何配合，亦须给予体系化考量。
二、生成式引擎优化合法性边界厘定与类型化评价
从前文不难发现，当前生成式引擎优化实践可能对公共利益、市场竞争秩序和第三方(包括其他经营者和消费者)权益产生不良影响。这种情况下需要经济法的规制来抑制产业发展过程中的消极效应。因此，有必要基于经济法理论，推演优化行为合法性评价体系，并根据行为样态和危害程度对不同类型的生成式引擎优化予以区别对待。
(一)经济法语境下生成式引擎优化合法性的评价体系
在经济法语境下，法律规制市场主体行为的正当性基础首先在于发现市场运作中的缺陷并予以纠正，即服务于对市场失灵的矫正、弥补私法的不足。若一种行为制造了市场缺陷或加剧了市场失灵程度，则可认定其具有违法性。其次，合法性判断还聚焦于该行为是否妨碍了市场秩序。这一维度意在贯彻经济法对实质公平、秩序维护和弱者保护的价值追求，展示的是经济法不迷信市场机制、体现市民社会公共性的另一面。在本文看来，围绕信息不对称的矫正与竞争秩序的维护，可抽取“真实性、透明性、正当性”三项行为边界标准，并以比例原则调节治理强度与责任配置，形成“合比例性”这一约束性标准。以上四项标准共同作用，将形成生成式引擎优化行为的合法性评价体系。
1.真实性
这一标准将“不得虚假陈述”明确为对生成式引擎优化最基本的要求。不实宣传不仅是对真实情况的扭曲，扩大了信息不对称、加剧了市场失灵，同样是对合法经营的其他经营者以及消费者的伤害，严重损害市场秩序。因此，无论通过何种手段实施优化，只要输出的信息内容涉及虚假、误导，导致人工智能生成了与客观事实不符的答案，即应认定为违法。例如，有公司出售可生成数万份虚假用户评价的人工智能写作助手，被域外监管机构认为会欺骗意图据此作出购买决策的消费者，同时这一行为也可能污染市场，导致其充斥大量虚假评论，从而损害消费者与诚实的竞争对手的利益。当然，经济法规制的前提应包括行为人主观过错，以及虚假陈述行为与错误结果之间的因果关系。若错误信息是由大模型幻觉抑或其他当前技术水平无法控制的原因导致，不应苛责于优化行为人。在我国语境下，对于真实、准确与否的判断亦须结合监管实践，予以个性化考察。
2.透明性
这一标准聚焦于评估生成式引擎优化行为是否使消费者陷入信息误区或受到不当引导。“知情权是确立以人为本的人工智能善治的前提与基础，不论是在何种场景下，个人的知情权均应受到尊重。”即使优化信息本身真实准确，但若呈现方式有意隐瞒“商业意图”，让消费者误以为人工智能推荐的就是客观最佳选择，而不知道背后有商业运作，则值得法律的介入审视。质言之，生成式引擎优化须满足“透明性”要件：当其属于商业推广性质时，应有适当的提示或标识;不得隐瞒其商业属性，致使消费者将营销内容当作中立信息。比如，若通过聊天机器人设置“只有好评才能返现/提供赠品”的机制，由于人为操控了消费者真实评价，即便其内容可能并非虚假，也可能对其他消费者形成误导，在实践中应明示其属于“商业信息”。在消费者决定使用人工智能以及决定基于人工智能推荐信息作出购买决策的这两个关键时刻，提示其“内容由人工智能生成，可能包括商业推广信息”尤为重要。
3.正当性
这一标准指向优化手段本身不得侵扰他人合法权益或公共秩序，是前述经济法合法性衡量之“妨害市场秩序”维度在生成式引擎优化规制领域的具体表现。在搜索引擎优化时代，网络搜索引擎的网络生态秩序因其关系到广大不特定经营者与消费者用户的利益，被法院在适用转介条款时被认为是法律保护的“公共秩序”。此立场应被延续至生成式引擎优化时代，既于经济法评价发挥作用，又可借由转介条款进入合同效力评价领域。具体而言，生成式引擎优化不得以技术方式妨碍竞争对手信息的正常露出(如让人工智能屏蔽他人内容)，亦不得破坏平台算法规则以攫取优势(如攻击或绕过平台的反作弊系统)。正当性标准强调竞争手段要合法合规，不存在扭曲竞争的情形。像点击欺诈、数据投毒、贿赂平台等手段明显不正当，应一律禁止。反之，通过提升自身内容质量来赢得算法青睐，无干扰他人产品服务正常运行之行为，则属于正当手段。值得注意的是，有些手段表面不侵权却隐性妨害秩序，应尤其警惕。例如，批量生成垃圾内容虽然不直接针对特定主体，但若达到污染信息环境、增加用户检索成本的程度，便有法律介入规制的空间。
4.合比例性
这一标准指向生成式引擎优化规制过程中的利益衡平，避免矫枉过正。经济法的谦抑性思想认为，基于对市场在资源配置中发挥决定性作用的尊重，国家对市场的干预应当以一种克制和谦逊的品格嵌入市场失灵的边界当中。生成式引擎优化在一定程度上满足企业信息展示和消费者获取个性化内容的需要，具有积极的一面。构建行为合法性评价体系时应确保其禁止的是滥用和作弊，而非正常的营销技术创新。因此，比例原则仍应贯穿于评价优化行为的整个过程：对于可能有负面影响但程度轻微的优化行为，应谨慎评价，不宜一刀切为违法;对于诸如策略文本攻击LLM这类明显扰乱算法决策、负面影响重大的优化行为，应严厉规制。比例原则还要求执法时考虑主观恶意与危害程度。如果企业确实为提升用户体验而优化内容，哪怕无意中提高了自身曝光，也不应苛责;相反，明知有欺骗之虞仍为之，则应认定其不法。
(二)生成式引擎优化的类型化评价
1.信源优化型
这一类型旨在通过改进网站内容、格式以适配人工智能模型需求，例如增加清晰摘要、结构化数据等。其特点是不改变信息实质，只提升呈现效果。根据本章第一节提出的标准，此类行为在手段上只是优化自身内容而不干扰他人，且其本就是自有内容推广，通常不涉及隐瞒商业意图。对消费者而言，生成式引擎优化的效果是使他们获取了更精炼、准确的信息，其选择未受不良影响。它类似传统营销中企业改进产品说明书、官网FAQ等做法。在我国法院看来，这些做法的效果都是直接改变企业的宣传内容本身，“是对搜索对象的改变，并没有妨碍某度搜索引擎算法收录和排序规则发挥作用，上述手段也难以认定具有不正当性。”
2.长尾覆盖型
程序化批量生成页面以覆盖长尾搜索，本身是一种技术创新，其合法性取决于生成内容的质量和用途。如果自动生成的内容仍保持真实性、相关性，只是规模庞大，并不会直接伤害消费者利益，也未对竞争对手实施针对性干扰，那么从法律上不宜定性为违法。不少情况下，程序化内容满足了用户的细分需求，属于服务改进。例如地图导航软件批量生成各小区到商圈的公交方案页面，方便人工智能回答路线问题，这显然对用户而言有正向收益。
然而，这一类型的风险在于内容质量参差不齐、重复冗余，甚至可能包含错误或搬运内容。一旦大量低质页面充斥搜索结果，用户体验将下降，且真正有用的信息被淹没，这就侵害了消费者公平获取信息的权益以及整个社会的信息多样性，无法满足本文提出的正当性标准。此外，如果生成页面在形式上看似普通资讯，实则暗含推广意图，也涉及透明性问题。例如，若一家酒店预订平台程序化地生成了上万个“某地十佳酒店推荐”页面，里面全部推荐自家合作酒店，但页面并未表明这一商业性质，用户可能误以为是中立排行。此时，虽然内容是真实酒店信息，但由于缺乏必要的立场披露，亦有误导之嫌。
综合来看，以批量生成为目标的生成式引擎优化目前应被谨慎对待：法律不必全面禁止技术本身，但应强化对其输出内容的监管，确保符合真实性并对商业导向有所标明。与此同时，对生成信息的质与量持续作实质评估，确保其不会引起“信息垃圾围城”。
| 
下一篇：
