
2026年9月29日,中国互联网络信息中心发布《生成式人工智能应用发展报告(2026)》。报告给出两个数字:截至当年6月,我国生成式人工智能用户规模突破7亿人,普及率超过50.0%;76.0%的用户表示会用它回答问题。
同一周,几家国内药企陆续在自有采购平台上挂出一类新项目:生成式引擎优化。标书里的要求写得很具体——在豆包、DeepSeek 等主流大模型上,按月交出一份品牌被提及的名次。
一家卖药的企业,为什么要为"AI 怎么回答一个问题"单独发一份标?
答案藏在两个数字的夹缝里:提问已经变成7亿人的日常动作,而医药是这些提问中最不能出错的一类。当入口从搜索框挪进对话框,医药企业沿用了二十年的品牌评估体系,正在被迫重新定价。
一、从搜索框到对话框
搜索引擎时代,医药品牌的可见度是可以数出来的:关键词排名、曝光量、点击率、落地页转化。投放与监测共用一套指标,行业对此没有异议。
生成式引擎优化(GEO,即让品牌信息更容易被大模型检索、引用并写进答案的技术服务)改变了这套单位。用户不再逐页翻检索结果,而是拿到一段已经整合好的结论。品牌在这段结论里要么被提到,要么不存在;被提到时,描述的准确与否同样不由品牌自己决定。
变化的速度不慢。据人民日报客户端与南方+报道,蚂蚁集团旗下健康 AI 应用"蚂蚁阿福"截至2026年9月用户数已达1.5亿,单日健康咨询近2000万次,背后连接5000多家医院与30万名医生,55%的用户来自三线及以下城市。这类产品的意义在于,它把"我不舒服"到"我知道该怎么办"之间的信息鸿沟,压缩成一次对话。
对药企而言,这意味着决策链条被改写。患者可能在与 AI 对话时就已经完成了初步的自我分诊与用药认知,走进诊室时带着的答案,未必来自医生,也未必来自品牌自己投放的内容。
二、标书里的新名次
预算是最诚实的表态。
2026年下半年,国内几家药企陆续在自有采购平台上挂出同一类项目。标书要求服务商在豆包、DeepSeek 等主流大模型上搭建数十到上百个临床诊疗检索问答场景,每周用机器人模拟提问,按月输出品牌提及率、核心观点匹配率与竞品对比份额;监测维度还要统一覆盖产品名、品类词与品牌词三类,并在启动前先做一次基线诊断,作为后续考核的锚点。
更值得留意的是付款条款。合同款多按三期支付,尾款的前置条件写成"在主流大模型中的提及率或推荐率排名前三",有的项目直接要求前二。
这就把一件原本说不清的事,翻译成了可以验收的条款。
代价主要由乙方承担。名次与大模型绑定,等于把算法的不确定性转嫁给服务商;而"近5年开展过生成式引擎优化服务"这类资格门槛,又把没有真实交付记录的公司挡在门外。
从市场部的尝试,到采购部的科目,这个跨越只用了不到一年。
三、投毒、清朗,与一根红线
需求起来得快,规矩立得慢。
2026年3月15日,中央广播电视总台3·15晚会曝光了针对大模型的"投毒"产业链。据《GEO产业发展白皮书(2026)》梳理,黑帽操作的典型手段有三种:批量生成虚假内容污染检索语料的"语料投毒"、伪造用户测评与排行榜的"伪共识制造"、通过提示词注入操控输出的"答案霸权"。有商家报价6600元即可包年。
新华网在3月23日的评论中,把这套操作概括为一条"软件供应—内容生成—全网投喂—模型操控—牟利变现"的链条。
监管反应在4月底落地。据央广网报道,中央网信办启动"清朗·整治AI应用乱象"专项行动,将"AI数据投毒"列为重点整治方向,并明确点名"利用GEO技术开展恶意营销"。
平台侧的调整同步发生:自3月15日起,多家 AI 搜索平台对"排行榜"类内容做了可信度信源自动隔离;有制造业企业因黑帽操作被某大模型知识库清理,品牌被列入观察名单并遭压制达6个月。
约束其实一直存在。泰和泰律师事务所高级合伙人廖怀学提醒,《互联网广告管理办法》规定广告主须对广告内容的真实性负责,这一责任不因委托第三方而免除。中国社会科学院法学研究所教授姚佳则指出,大模型给出的是整合后的结论,用户更信任,广告藏进答案里就更难分辨。
医药行业在这条红线上站得最靠前。新华网的评论文章专门建议,对医疗、金融等敏感领域强制多源交叉验证。原因不难理解:适应症、用法用量、不良反应一旦被 AI 引用错误,代价由患者的身体承担,退货流程解决不了。
四、谁来量这把尺子
采购条款越写越细,一个派生问题就绕不过去:名次由谁来数?
做优化的人同时出效果数据,这在结构上是个麻烦。中国经济新闻网在梳理行业乱象时列出的一条是"交付过程黑箱"——部分服务商拒绝提供运营日志与原始数据,只给美化后的截图报表,企业无法核验内容是否真被 AI 引用。
于是行业里出现了独立监测的尝试。百通 GEO 是其中一个例子:用全国上千个真实账号,在真实的手机与电脑终端上向各平台提问,会话过程截图、录像存档,覆盖豆包、DeepSeek、千问、元宝、Kimi、文心六大通用平台,加上蚂蚁阿福、小荷医生两个医疗垂类。
该平台同时具备 GEO 优化服务能力,但在机制上把监测与优化分设两条线,采集口径与报告的产出由监测线独立完成。这样安排针对的正是上面那个麻烦——出数据的人不做优化,数据才谈得上公信 力。
尺子要立得住,先要承认它还很短。
模型迭代周期以周计,平台对信源的权重策略不对外公开,不同终端、不同网络环境下的答案本身就有差异。这意味着任何一次采样都只能逼近真实,而无法等同于真实。易观 Analysys 此前的一个判断因此值得记下:第三方监测环节是 AI 时代的认知标尺,为产业健康提供公信 力保障。
问题在于,这把尺子的刻度,目前还没有人说了算。
五、钱在往哪流
资本端的数字更大。据 CNNIC 上述报告,2026年上半年我国发生1255起与人工智能相关的投融资事件,合计金额约2501.4亿元,分别达到2025年全年的78.0%与182.0%。截至2026年6月,累计已有988款生成式人工智能服务在国家网信办完成备案。
但这些钱主要流向模型、算力与基础设施。落到医药营销服务环节的,仍是药企市场预算里切出来的一小块,且是在整体费用收缩的周期里切出来的。
由此形成一个结构性矛盾:甲方要的是可考核、可比对的确定结果,乙方面对的是不透明、高频变动的算法环境,而监管要求内容的真实责任不可外包。三方诉求压在同一个交付节点上,谁都不肯先让步。
医院端、医生端的争夺还在另一条线上展开。阿里健康的"氢离子"、京东健康的"知医"、蚂蚁将好大夫在线升级为医生工作站,指向的都是专业壁垒而非流量入口。面向医生的 AI 工具一旦成为开药与定方案的参考界面,医药企业要争取的"可见度",就不再是患者提问里的一个名次,而是临床证据能不能进入那套系统。
六、一把尺子的两种命运
回到那几份标书。金额有限,值得细读的是条款——药企第一次把"AI 怎么讲我们"写成了合同义务,并要求用数据验收。
接下来的走向,取决于标准能不能立住。若立不住,AI 答案里的推荐位大概率会重演搜索时代的老剧本——谁出价高谁靠前,直到用户不再相信答案;若能立住,医药品牌第一次可以把"被怎么描述"变成一张可审计、可追溯的报表,市场部与合规部终于能在同一张桌子前对账。
7亿人的提问不会停下来。留给行业的问题是,那把量它的尺子,最终由谁来校准。
×