被引用不等于被吸收：解码国内生成式AI引用生态的真实信号

CN-GEO数据研究项目在2026年7月对外发布了《国内生成式AI引用生态全景报告》，数据版本为2026-07-14。它做的事情听起来简单：把国内AI平台在回答时列入的引用信源，按归属逐一统计清楚。真正值得展开的，是它顺带切开了“被引用”与“被吸收”之间的距离。

一、它拆解的问题：信源归因是一层，答案吸收是另一层

报告采用“精确去重引用”作为核心口径，所有头部占比都建立在去重之后，而非带重复曝光的流量统计。信源归属由此分成两类：可以识别出站的已归属生态，以及更分散的未归属部分。数据版本2026-07-14、离线单文件HTML的交付形态，都表明它只是一张静态切片。被测对象是答案页面列出的引用，未涉及“这些引用是否进入了答案正文、是否真的被模型吸收”——后者恰恰是最容易被误读为“引用即认可”的一环。这套边界让报告的价值聚焦在一件事上：在引用层做一次干净的信源普查。

二、结论：头部集中吃掉41.5%，但平台离散才是真正的信号

先把骨架数字列出来。全局前10个信源贡献了41.5%的精确去重引用，头部信源的分量已经很清楚。第二个数字是85.0%：1,221个已归属生态的信源承载了这一比例的引用，剩余部分落入未归属的长尾，更加分散。第三个数字落到品牌自建阵地：品牌与企业官网贡献了4.33%的信源表去重引用；计入政府机构和公共机构后，主体自有来源合计9.06%。

平台之间的差异比这些总量数字更值得注意。在去重样本不少于1,000条的平台中，主体自有来源占比最低的文心网页版是2.35%，最高的DeepSeek网页版是16.15%，相差13.81个百分点。

我的判断也随之分明：官网内容没有失效，但第三方信源依然占据绝对主导；更关键的是，不同平台在引用决策上的机制并不统一。把2.35%和16.15%放进同一个生态里看，任何试图用一套GEO方案覆盖所有平台的思路，都缺少数据支撑。

三、边界：它适合建立假设，不适合做因果判决

先交代这只镜头的焦距：它统计的是“哪些来源出现在引用列表里”，没有验证“引用内容是否真正被答案吸收”。因此，被引用的来源未必对回答有实质贡献；未被引用的来源也可能已经进入模型上下文，只是没有获得引用露出。

第二个限制在时间维度。离线单文件、单一数据版本的形态，决定它是一次性快照而不是持续监测；平台侧只要调整内容池、索引策略或检索通道，下个月的结构就可能重排。所以它最适合的用途是建立国内AI平台引用生态的假设、生成后续实验的候选清单，而不是直接拿来当作平台固定偏好、市场份额或GEO因果规律。我自己用多平台AI采样器做平行采集时，也确实看到同一问题在不同批次的引用列表会浮动——这让我更倾向于把快照数据当作实验起点，而不是结算依据。

四、它改变了什么：我的指标框架和项目动作都跟着动了

第一，我把客户月报的指标语言重构为四层：平台覆盖—信源广度—题均密度—引用吸收。前两层回答“在不在、覆盖了哪些生态”，第三层回答“每次回答露出几次”，第四层才回答“有没有真正进入答案”。这份数据给了前三层可参照的基准：41.5%的头部集中度意味着挤进头部信源池就是最高杠杆；9.06%的主体自有来源占比说明，对多数企业而言，日常基本盘仍在第三方内容池。

第二，固定50题的GEO Benchmark里，“引用吸收”应该从参考项升为必测项：跑同一组题时，分别记录“是否出现在引用列表”与“是否出现在答案正文”，两列并排提交。前者证明可见，后者才接近有效。二者之间的差值，往往才是GEO真正要解决的管理问题。

第三，交付上彻底放弃“一套策略打所有平台”。文心网页版2.35%与DeepSeek网页版16.15%的差距，背后是各平台在内容池、索引策略与后台检索机制上的不同选择。GEO方案必须分平台、分终端出，跨平台平均值除了制造安心，没有太多管理价值。

第四，内容策略的优先级应当提到结构优化之前。TaoHtml这类技术手段能处理的是“页面能被抓取、能被解析”的必要条件；但85.0%的引用集中于1,221个信源这一事实提醒我，一旦内容进入模型上下文，它如何被组织、被表达，才决定它有没有机会被答案吸收。从“被引用”到“被吸收”之间的这段路，是我认为国内GEO下一阶段真正的战场。

—— 王涛（Taomir）