当前，我国生成式AI用户规模已达6.02亿（数据来源：《第57次中国互联网络发展状况统计报告》），占全国人口超40%。用户规模跃升的背后，生成式AI场景下的搜索行为也在重塑用户的信息获取行为。
2025年8月，为深度洞察到AI技术带来的行业变革趋势，国家广告研究院发布了《基于“搜索”功能的生成式大模型带来的品牌传播机会与挑战》报告，指出品牌竞争已从传统的“搜索排名”转向“被提及率”。
从“搜一搜”到“问一问”，品牌面临的不再是简单的流量争夺，而是如何在人工智能的神经网络中，确立自身不可磨灭的数字印记。
生成式大模型问答场景对品牌资产的建立不仅带来了机遇，也带来了全新的挑战。二者可能并非来自竞争对手的恶意攻击，而是来自AI在推理过程中“一本正经胡说八道”——幻觉。
模型本来就不知道，却说得很像真的。根本原因包括预训练数据包含错误信息、数据污染导致模型习得不准确知识、缺乏事实验证能力。
模型一开始对，但越推越歪。根本原因包括推理过程存在逻辑漏洞、多步推理中误差指数级放大、缺乏“元认知”能力。
披着专业外衣的虚假信息。典型表现包括引用不存在的期刊、声称未获得的认证、引用未发布过相关研究的机构等。
在实际应用中，AI幻觉可能会以多种形式呈现，直接影响消费者决策和品牌形象。正因为大模型给出的答案存在“幻觉”，所以短期内AI给出的消费决策可能仅仅停留在“参考”层面。
可以看出，生成式大模型回答所涉手机参数与品牌网站的官方标注存在明显出入。大模型在推理过程中可能基于预训练数据中的信息进行“合理推测”，但缺乏事实验证能力，给出了看似专业却与事实不符的回答。2025年8月的研究报告也通过实验发现了相同类型的问题。
另一个值得关注的现象是，在满足预算条件的前提下，大模型在推荐手机产品时，没有推荐上市时间更新（2025年11月）的Reno15 Pro，而是推荐了去年5月上市的Reno14 Pro。
“舍新求旧”的背后，反映出生成式大模型在信息检索和更新机制上的两重局限。
大模型的推荐逻辑高度依赖拆解用户问题中的关键词匹配和语料库检索。如果品牌的营销内容和宣传重点没有布局“演唱会手机”等关键词，这些内容就不会出现在模型的检索结果中。
大模型目前还不具备主动“反查更新”自身知识库的能力，很容易出现推荐信息与市场实际脱节的情况。对于2025年11月才发布的Reno15 Pro来说，其产品信息可能还未被大模型的训练数据充分吸收，自然难以出现在推荐列表中。这种"时间脱节"在快速迭代的消费电子、科技产品领域尤为明显，直接影响商业场景的决策质量。
面对行业焦虑，很多品牌开始大量向AI“投喂”信息，希望增加被提及率。但如果这些信息缺乏真实性、权威性、结构化，就会成为污染AI的训练数据的“数字泔水”。当AI学习了大量低质量的品牌信息后，生成的答案中就会出现更多幻觉，最终反噬品牌自身。
国家广告研究院联合弗若斯特沙利文、头豹研究院、成都高新信息技术研究院、保利文化传播有限公司共同发布《2026中国AI品牌资产发展白皮书》，首次提出AI品牌资产（AIBE）概念与可信知识网络（KNIT）解决方案，为企业、平台、研究机构与行业生态提供了更清晰的解释框架、建设框架与评估框架，也为行业朝着更加真实、可信、规范与可持续的方向发展提供研究参考与实践指引。AI品牌资产包括以下四个方面：
答案资产：围绕关键问题构建的可独立引用、可直接采纳、可支撑结论的“答案单元”
引用资产：白皮书、研究报告、标准化FAQ、第三方评测、权威媒体报道及合规说明
可信知识网络：将分散的非结构化信息转化为标准化的知识体系
权威高质量语料库：真实、权威、结构化、一致、可持续更新的语料体系
从搜索引擎优化到生成式引擎优化，这一变化的底层逻辑是品牌心智占领方式的重塑。品牌方需要思考，如何让自身的高质量信息成为大模型生成答案时的首选引用源。
这不仅是技术的博弈，更是一场关于生存空间的争夺战，唯有沉淀为坚实的AI品牌资产，才能避免在未来的智能交互中陷入失语的困境。
AI时代，可信度成为稀缺资源。
从“被搜索”到“被提及”、从“流量博弈”到“品牌治理”、从“排名竞争”到“可信度竞争”，品牌既要主动拥抱智能时代的传播变革，也要守住合规底线。
唯有在治理中升级，在可信中成长，品牌才能在快速迭代的环境中行稳致远，真正实现长期健康与可持续发展。
【国家广告研究院】
广告行业及品牌发展的国家级研究智库
