洞察 · 发布于 2026年10月
作者：Marin Tintchev，GeoSynapse 与 China GEO EU 创始人
当 AI 从未听说过你的公司时，它会怎么回答
2026 年 9 月，在我们公司的网站上线之前，我们向五个 AI 平台询问了这家公司。它们很少说自己不知道。它们把名字理解成别的东西，在不同的日子给出不同的错误答案，还给出了自信满满、却没有我们的名单。
一家公司刚成立时，AI 系统对它说的第一句话，往往就是它在公众面前的第一印象，而且没有人看到过。我们查看了自己的情况。2026 年 9 月 11 日至 15 日，在公司自己的网站上线之前，我们向五个 AI 平台（ChatGPT、Claude.ai、Gemini、Perplexity 和 Grok）提出了六个固定问题，每个平台在三个不同的日期各问一遍。其中四个平台使用一个全新的测试账号；Perplexity 在不登录的情况下运行。本文只涉及西方平台。中国平台是另一项测试的对象，本文的任何内容都不应被理解为针对它们的结果。
我们没有发现彻头彻尾的捏造。我们发现的情况更平常，也可能更普遍：名字被理解成别的东西，事实是真的但已经过时，答案一天一个样。
当我们问这家公司是什么时，发生了什么？
FACT
在按名称询问这家公司的十五个“平台-日”中，只有一个答案正确识别了它：Gemini，在第一天。第二天和第三天，同一个平台面对同一个问题，没能识别出来。
FACT
其余的答案把名字理解成了别的东西。在各平台上，我们至少看到了五种不同的含义：地球观测领域的国际合作、一项关于地理标志的贸易协定、中欧地缘经济关系、欧盟一项毁林法规中的地理定位规定，以及一家工程公司。在我们这个领域，GEO 这个缩写指的是生成式引擎优化（generative engine optimization，GEO），但它还有许多更早的含义，各平台就在这些含义中做出了选择。
FACT
至少有一次，ChatGPT 和 Perplexity 做对了：它们列出了可能的含义，并询问指的是哪种语境。
错误的答案至少保持一致吗？
FACT
没有。Grok 第一天把它锚定为地球观测，第二天是地理标志协定，第三天又回到地球观测。Gemini 的三天先是正确答案，然后是两个不同的错误答案。ChatGPT 在同一天里，一种模式下给出了创始人的详细履历，另一种模式下却说没有找到可靠的信息。
FACT
在一个关于该领域主要服务商的问题上，ChatGPT 和 Claude.ai 在第三轮中把 GEO 理解为“名义雇主”（employer of record），回答的是薪酬和人事外包公司。而在前两轮中，它们针对同一个问题回答的都是正确的领域。Gemini、Perplexity 和 Grok 在全部九次运行中都把它理解为 AI 可见度。
INFERENCE
这种失败不是一个只需纠正一次就能修复的稳定错误认知，而是每次都重新在几种理解之间做出的选择。这也是为什么我们在对任何答案下结论之前，都会在多个日期重复每个问题（见[5]）。
那些属实的事实呢？
FACT
当我们询问创始人时，五个平台中有三个（ChatGPT、Claude.ai、Perplexity）把他过去的一个职务当作现任职务给出。这个职务是真实的，出现在他公开的职业资料中；只是他已经不在那里工作了。还有一个答案把那家前雇主放在了错误的国家。Grok 完全没有给出最近几年的任何信息，只有一次较早的讲座和一份旧的社交媒体简介。Gemini 三天都给出了当前的情况，并引用了一个第一方页面。
INFERENCE
这些不是捏造。它们是过时但真实的公开信号排在了当前信号之前，而最可能的共同来源是一份公开资料，其中最新的一条记录尚未描述当前的工作。关于单一共同来源的证据是间接的。
各平台有没有说它们不知道有哪些服务商？
FACT
在关于该领域服务商的三个问题上，45 个“平台-日”答案中没有一个提到这家公司，而各平台总共列出了 80 多个不同的机构。在其中三个平台上，名单每次都大不相同。
INFERENCE
当被要求列出服务商时，系统倾向于给出一份名单，而不是报告没有合适的结果。这类名单不应被当作对市场的稳定看法（见[5]）。
这些是已知的吗？
FACT
部分是。OpenAI 与佐治亚理工学院 2025 年的一篇论文认为，在训练数据中罕见或只出现过一次的事实，为模型出错的频率设定了一个下限；而且常见的基准评分不会为“我不知道”给分，因此猜测会得到奖励[1]。2024 年的一项研究发现，当一个名称可能指代多种事物时，模型常常选错，并且不能一致地运用它们所掌握的知识[2]。一个基于维基百科消歧义页面构建的基准发现，当多个实体共用一个名称时，模型常常只回答其中一个，或把不同实体的事实混在一起[3]。在另一项任务（识别新闻文章）中，Tow Center 2025 年的一项研究发现，搜索工具对超过 60% 的查询回答错误，大多带着十足的把握，而且很少拒绝回答[4]。
INFERENCE
我们的观察与这些文献相符，并没有增加新的机制。它们提供的是一个具体案例：一家处于狭窄 B2B 领域的新公司，在还没有自己的信息来源之前，在五个平台眼中是什么样子。这一结果是上线前的基线，而不是对之后任何变化的结论。
任何公司可以从中得到什么？
INFERENCE
有四项核查普遍适用。按名称向每个主要平台询问你的公司，在多个日期进行，并保存答案。看看你的名称或缩写，对没听说过你的人来说可能意味着什么。检查你的公开资料，找出那些仍然排在最新信息之前的最旧事实。并且把任何单个答案，无论好坏，都只当作一个样本，而不是事情的现状。
参考资料
- Kalai, Nachum, Vempala, Zhang, "Why Language Models Hallucinate," arXiv:2509.04664，2025 年 9 月 4 日——arxiv.org。
- Sedova, Litschko, Frassinelli, Roth, Plank, "To Know or Not To Know? Analyzing Self-Consistency of Large Language Models under Ambiguity," Findings of EMNLP 2024——eprints.cs.univie.ac.at。
- Lee, Ye, Choi, "AmbigDocs: Reasoning across Documents on Different Entities under the Same Name," arXiv:2404.12447——arxiv.org。
- Jaźwińska、Chandrasekar, "AI Search Has A Citation Problem," Tow Center for Digital Journalism, Columbia Journalism Review，2025 年 3 月 6 日——cjr.org（任务：识别新闻文章，而非实体）。
- 《为什么 AI 的回答每次运行都不同——这对衡量可见度意味着什么》，China GEO EU，chinageo.eu（2026 年 9 月）。
常见问题
这是否意味着 AI 平台会捏造关于公司的事实？
在我们观察到的情况中没有。我们检查的答案是误读、过时的真实事实和前后不一的选择，而不是凭空编造的说法。其他研究记录了在其他情境下的捏造现象。
这是中国或这个领域特有的现象吗？
不是。名称和缩写的冲突、过时的公开资料以及每次运行之间的差异都是普遍现象。我们的案例处于一个缩写拥挤的狭窄 B2B 领域。
China GEO EU 是否提供针对特定公司的修正服务？
本文描述的是当前 AI 回答环境的一个特征，并非服务推介。
关于 AI 回答为何在不同运行之间变化，见《为什么 AI 的回答每次运行都不同——这对衡量可见度意味着什么》[5]。
相关洞察
洞察
超越 B2B 与 B2C：你的 AI 可见度策略适合你的业务吗？
B2B 或 B2C 只说明交易对象是谁，并不说明 AI 系统必须回答谁的问题。本文提出一个四层框架，用来审视 AI 可见度策略。
研究
从斯图加特到深圳：第一通电话之前，你的买家可能已经向 AI 问过你了
在欧洲和中国，采购委员会都会先求助于 AI；不同的是，它在哪里核实答案。本文梳理了西方和中国的调查数据。
洞察
我们依靠 AI 可见度，从零开始发展了一家 B2C 企业。在 B2B 中，这套方法效果如何？
一家游艇企业从零开始依靠 AI 可见度成长。随后，我们把同一套方法用于一家没有广告的 B2B 公司：基线审计、夯实基础、再次审计。
关于作者
Marin Tintchev 是 GeoSynapse 与 China GEO EU 的创始人。他在信息通信技术及国际商务领域拥有 30 余年经验，足迹遍布中国与欧洲，毕业于清华大学，精通普通话。