HUIYOU GEO「AI 到底引用了什么」，中文引擎第一次有了成规模的学术测量。近期被多家行业媒体密集解读的论文《What Do Chinese-Language Generative Search Engines Cite and Surface? A Large-Scale Empirical Study》（Tao Zhen 等，arXiv:2607.15771，2026 年 7 月 17 日提交）覆盖 DeepSeek、阿里千问、字节豆包、腾讯元宝四个国内主流助手的网页版与移动端共 8 个入口，跑了 614 个问题、每问 3 次，清洗后得到 160,860 条引用记录。两个数字最扎眼：DeepSeek 与元宝界面展示的来源链接里，39.3% 从未支撑过任何一句回答——只是搜索过程的残留；而被引用页面里共识别出 632,256 次品牌提及，最终被写进答案的只有 8.3%。被「检索到」和被「用上」，中间隔着一条大多数品牌从未测量过的鸿沟。研究者把这批链接称作「搜索残留」：检索层为了兜住召回率会多抓页面，界面把全部候选都摆给用户看，但生成模型真正读进去的只是其中一小部分——对用户这是透明度的折扣，对品牌则意味着被挂出来不等于被引述。
复旦大学团队的另一项研究把「引用偏向谁」摊开了看：120 个问题跑遍 ChatGPT Search、Perplexity、Google AI、DeepSeek、豆包、Kimi、文心等 10 个 AI 搜索平台，17,211 条引用涉及 6,356 个独立信源域名。集中度远超直觉——单个平台排名前 20 的域名可占该平台引用量的 20.5% 到 70.8%，最集中的文心搜索里，百家号一个域名就占 20%；千问引用的站点 96% 是中文站，豆包 25.9% 的引用指向字节系自有资产。更关键的是跨平台：任意两个引擎排前 20 的信源平均只有约 20% 重合。中文引擎读的是另一张网，把英文市场验证过的 GEO 打法直接平移过来，大概率打偏靶心——国内的主战场在百家号、公众号、知乎、B 站这类中文平台生态。复旦团队把这组现象概括为一条「引用治理缺口」：AI 搜索决定哪些站点算权威信源，却控制不了谁能在这些站点上发内容，两者之间的缝隙就是低成本内容影响答案的空间。
同一款产品自己读的甚至都不是同一张网。同一条提问，千问网页版与 App 返回链接的重合率只有 1.4%，DeepSeek 为 40.8%、豆包 31.0%、元宝 9.7%——只盯桌面网页做监测的品牌，看不到手机端 AI 在引用什么。内容侧还有两条反直觉的规律：答案里 13.02% 的名称在当次引用的页面上根本找不到（提问越模糊比例越高，达 27.5%，DeepSeek 网页版为 16.9%），预训练记忆会在宽泛问题上压过实时检索；而传统域名权威（收录量、站点权重、域名年龄）在 11 个引用因素里只排第 10——一个名称只出现在 1 个检索链接里，进答案的概率是 2.1%，出现在 11 个以上独立链接则接近 60%。「被多少个独立中文站点同时提到」，比单站权重更能决定答案里有没有你。这组数字也解释了为什么同一台设备上换个入口问同一个问题，得到的品牌名单可能完全不同：检索、重排、生成三步在任何一端的细微差异，都会改写最终答案的构成。
机制层的解释同样有硬数据。10 月上传 arXiv 的另一篇论文（Chen 与 Koudas，编号 2610.15033，158,099 条回答、468,037 条引用）发现：被引用的页面 100% 先被引擎自身的检索返回过，而这套检索落在 Google 自然结果前 50 名的比例只有 3%——传统排名既不保证进检索集，更不保证被引用；不过在检索集内部，排第 1 位的被引用率 43.8%，第 11 到 20 位只剩 3.5%。三份研究拼出同一张地图：中文 AI 搜索的引用战，拼的不是某一家官网排多高，而是可核验的品牌事实在多少个独立中文站点重复出现、App 与网页两端是否同时在场。研究者也留了口径说明：审计只读取页面正文、跳过弹窗与页脚，13.02% 的「幽灵提及」有一部分可能来自页面元数据，并非全部是模型记忆。另有测量研究提醒：外部代理工具只能还原约四分之一的被引用 URL，各平台「AI 可见度」读数差异很大，先问清测量方法再横向比较。
信息来源：The NextGen Tech Insider《Study Reveals Massive Discrepancy Between AI Search Results and Actual Citations》（2026-10）；BitTide《研究者追踪了 DeepSeek 和 Qwen 在联网搜索时的真实行为》（2026-10）；GEOToolHub《AI 搜索引用正在变得脆弱》（2026-10）；AI Digest（复旦大学 10 平台引用审计报道，2026-10）；搜狐科技《AI 搜索优化启动前，企业手上得先有什么》（2026-10-23）；arXiv:2607.15771 与 arXiv:2610.15033（论文原文）。
这批审计最值钱的发现，是把「在场」重新定义了一遍。很多品牌的第一反应是「我们的官网要排上去」，但数据说的是另一回事：展示的来源近四成没用上、单站权威只排第 10、真正把概率从 2.1% 拉到接近 60% 的，是品牌事实在多个独立中文站点上的重复出现——官网只是这些站点中的一个，而不是全部。同样不能忽略端侧差异：App 和网页各读一张网，监测只做一端，等于一半的曝光盲区。广州汇有信息科技在给工厂与品牌方做 GEO 搜索推广时，第一步先盘的就是这张「站点×平台×端」的矩阵：哪些中文平台在替你说话、哪些端的引用你看不见、每句话有没有第二第三个独立出处。想让 AI 引用先从可核验的事实底座开始，可以先约一份免费的《品牌 AI 可见性诊断报告》，把 DeepSeek、豆包、元宝、Kimi、ChatGPT 各端的差距逐项看清，再决定预算往哪投。
