10月21日，第19届金投赏国际创意节高峰论坛在复旦大学管理学院圆满落幕。近二十场主题演讲与思想交锋，聚焦同一个时代命题：AI时代，营销如何走向长期主义？
钛镁AI创始人兼CEO蔡晓旭受邀出席并发表题为《流量越贵，越要做强心智——AI时代做心智：聚焦分众+GEO》的主题演讲，分享在AI成为消费决策入口的当下，品牌要如何占领消费者心智里的优先选择和AI答案里的优先推荐。
围绕建立长期信任，他系统拆解了消费者心智+AI心智的品牌营销打法，以及钛镁AI全栈自研GEO的技术内核与路径：以虹膜引擎 IRIS Engine、知枢引擎 COGNIS Engine、自适应算法感知引擎 ECHOO Engine三款自研引擎破解GEO三大行业难点，并进一步展望从GEO（生成式引擎优化-答案引用）到GEM（生成式引擎营销-商品卡货架）、再到ATB（智能体代理交易 Agent to Agent-智能体信任构建）的三阶段趋势演进。
流量越来越贵 心智阵地又多了一个
蔡晓旭开场坦言：流量越来越分散，也越来越贵，真正拉开差距的，不再是谁买得起流量，而是谁能把流量变成品牌资产，把注意力沉淀为消费信任。
早在2023年，凯度集团大中华区CEO王幸在BrandZ大会上就提出，“一抖一书一分众”的媒介组合是品牌建设的核心抓手：
- 线上，解决“我知道你、我喜欢你”：以抖音、小红书为代表的社媒平台负责种草、做内容、引话题，把品牌价值讲细、讲广，让内容长出无数个触点，做的是广度；
- 线下，解决“我要买的那一刻，我想起你”：分众梯媒依托楼宇、商圈等生活圈梯媒，用高频、确定、无法回避的精准触达引爆共识，把品牌刻进记忆，做的是强度。
这套组合拳在过去很长一段时间得以充分验证。
2026年凯度BrandZ中国品牌盛典上，王幸进一步指出：“只有那些拥有消费者偏好、信任和差异化认知，并能够被AI放大的强品牌，才能持续被消费者选择。” “一抖一书一分众”的媒介组合之外出现了一个新变量——生成式AI。
如果说，前两者——分众场域+社媒平台，是通过强心智维持品牌内核、广种草来细化品牌价值，那么，面对AI，我们需要通过建立大模型对品牌系统且全面的认知，来构建其在AI生态中的信任与地位，简单来讲，就是让AI为品牌“把故事讲好”。
其实不难发现，无论是大众媒体时代、网页搜索时代，还是正在展开的生成式 AI 时代，不同的只是传播信息的介质，不变的是消费者始终都在寻找“值得信任的声音”。
那么，这个“信任”要从哪里来？蔡晓旭提到：对于如今的心智建设，品牌要占领两个位置——除了消费者心智外，还有AI心智；前者经营的是人对品牌的印象；后者则是经营大模型对品牌的“记忆”。
蔡晓旭分享了几组数据，说明AI正在成为全新的流量与决策入口：
过去三个月经常被使用的AI大模型，豆包、千问、DeepSeek、腾讯元宝分别以占比81%、50%、40%、34%，位列国内大模型前四，海外大模型中则以ChatGPT为首。
- 2026年9月AI产品榜全球AI应用产品月活与访问量数据显示，主流AI平台APP+Web端的设备月活合计已超15亿；
- 2026上半年我国生成式AI用户规模突破7亿，艾瑞咨询《重塑AI时代的搜索可见性与内容营销——2026年GEO生成式引擎优化行业研究报告》调研显示：有约80%会借助AI做消费决策，消费者完成前期信息搜集后，越来越倾向于让AI做最后决策；
- 谷歌2025年全球用户搜索行为调研报告显示，72%的消费者对AI搜索给出的答案抱有很高置信度，这是互联网产品诞生以来从未有过的信任水平。
这组数据指向同一个结论：面向大模型的AI可见性营销，已经不是可选项，而是必须项。
GEO把黑盒拆成白盒 重塑AI对品牌的认知
GEO不是操控AI，也不是靠买流量占排名，而是在大模型的黑盒环境中，重塑AI对品牌正确、正面、完整的认知，让品牌事实更容易被模型看见。蔡晓旭特别指出，当下品牌在AI里的问题往往不是“没被推荐”，而是“被推荐错了”：AI知道产品好用，却不知道为什么好用；记得一条产品线，却不记得核心技术；或者记得三年前的一次舆情，却不了解事件全貌，而品牌的一些负面信息一旦进入AI答案体系，往往比不被推荐更致命。消费者信任AI，模型在答案里推荐品牌，成交便水到渠成。GEO是一项流程复杂的系统化内容工程，首先要拆成三层：
- 叙事层：说清楚你是谁。梳理品牌定位、场景、人群、价值、资质等一系列内容基建；
- 证据层：让内容可被引用。你说的每一句话，背后有没有对应的证据链；
- 结构层：让AI读得懂。AI不看文采，也不认所谓的“情绪价值”，它看结构、看实体、看事实与事实之间的联系。
归根结底，GEO其实就是在做一件事：通过一系列的技术手段、策略方法，将众多影响AI搜索结果的“不确定性”变成“确定性”。
那么，面对大模型这个巨大的黑盒，AI推荐的逻辑究竟是怎样的，GEO又是如何来影响AI回答的？
蔡晓旭提到：当消费者与AI进行对话、搜索信息的时候， AI最终会推荐哪个品牌，从用户提问到AI生成答案的整个过程可被拆解为“问、认、排、答”四个环节。
- 问——意图解析： 当AI接收用户提问后，它不是简单的搜索对话中的关键词，而会先去理解这个提问背后的意图，并在大模型原有的知识库或者联网进行信息检索；
- 认——认知与理解：AI会检索信源，然后判断：这个品牌是谁，它说的这些有没有依据，对回答这个意图有没有参考价值，在这一步AI不会去分析所有信息，往往只有能被其理解与认可的内容，才有机会进入下一个环节；
- 排——权重重排：AI会依据信息可信度、匹配度、发布渠道权重给所有进入到这个环节的内容进行排序；此时的内容排序，会决定了哪些关键信息能出现在最后的AI回答里，或者哪个品牌会出现在AI答案里更靠前的位置；
- 答——生成推荐：真正能被AI作为回答依据的参考信源不过很少的数量，然后组织成自己的语言，给用户一个答案。也就是说，品牌内容只有到了最后这个环节，才会出现在AI生成的答案里。
而在整个AI交互过程中，GEO的核心就是在上述四个环节里分别注入“确定性”：让大模型找得到、读得懂、信得过，让传播的内容对得上用户的实际意图，并能够稳定出现在AI认可的高权重信源上，最终让品牌成为被引用的结论。
GEO≠内容投放，有三道难关 钛镁GEO三大自研引擎把”猜”变成”算”
蔡晓旭提到，虽然今年GEO的概念在营销圈已经不陌生，但依然有不少客户把GEO误解为只是简单地做内容投放，他在项目接洽过程中，常被问及”一个月能发多少篇”，需要强调的是，发稿量并不等同于实际效果。发稿本质上只是短期曝光，投放结束后，其对大模型的影响也将随之衰减；如果发布的内容质量不高、口径彼此矛盾，反而会污染模型对品牌的认知——看似投入了不少预算铺设内容，实则在给AI制造噪音。
钛镁AI认为，GEO是面向大模型的品牌叙事工程，蔡晓旭把它定义为：是构建模型信任的内容工程、是优化模型认知的证据工程，同时也是放大答案份额的概率工程，通过长期运营，将品牌知识沉淀为在AI生态里的数字资产。
整个叙事工程要回答三个问题：消费者在问什么？AI怎么认知品牌、又是如何传达信息的？平台对内容的采信规则是什么、信源权重发生了怎样的变化？对应这三个GEO行业难点，蔡晓旭详细介绍了钛镁AI自研的三款GEO技术引擎。
内容是否对AI“口味”
第一道难关有三个典型表现：一是问法无穷、无法穷举，同一个需求在自然语言交互中可能有上百种表达方式，以关键词为核心的优化方式随之失效；二是词对上了、问题却没答上，稿件按关键词生产，而AI的答案按意图生成，命中字面不等于回应真实需求；三是缺乏优化依据，消费者究竟在问什么、哪些问题值得投入，不能凭经验判断。
钛镁GEO的虹膜引擎 IRIS Engine，解决的是精准捕捉与推演用户的AI搜索意图。它基于主流AI搜索平台大规模的用户脱敏Query集，智能分析用户提问意图，并结合行业、产品、场景、竞品等多维度信息，系统化进行意图推演，构建品牌专属的高价值意图问题库。把”以为用户在问什么”转译为”用户真实在问什么”，这是GEO的第一步。
AI没有感性印象，只看理性事实
人对品牌选择会受到感性印象的影响：被种草”这个牌子靠谱”，下次有购买需求时，可能就会选它。AI没有对事物的感性“印象”，它只认理性事实 —— 它会不会推荐你，取决于能不能把关于你的事实，串成一条环环相扣、有据可查的证据链。
举个直观的例子，用户问 “这个牌子适合敏感肌吗”，AI 不会只翻商品详情页，而会一步步核实：这个品牌有哪些产品系列，系列里有哪些核心成分，成分是否适合敏感肌，有没有检测报告和权威机构背书。
当这条证据链上的每一环都有据可查时，AI 才有可能推荐你；如有哪一环缺失，它要么不回答，要么转而去推荐其他“事实链”更完整的竞品。要让 AI 随时能找到这样一条完整的事实链，靠零散发文章是做不到的，必须把品牌信息组织成一张彼此关联的认知网，这就是知识图谱，也是 GEO 内容创作的底座。
具体怎么建？钛镁GEO的知枢引擎COGNIS Engine以行业认知、品牌与产品知识、竞品关系、合规约束、引用佐证五大图谱，构建AI认知资产，将企业的知识与语料转化为AI可理解、高引用、可审计的结构化AI信任资产，确保后续生成的营销内容有据可依、精准传达，并保障品牌叙事的高度统一。
总的来讲，因为大模型自身的训练数据相对滞后，它无法实时了解新品牌，也无法及时掌握产品迭代，只能通过公域数据寻找产品的实体参数、关系和能力属性。构建知识图谱是为了能够最大限度地减少大模型的幻觉与认知偏差，简单来说，我们通过知枢引擎构建一个模型的镜像，研究模型如何理解一个品牌或产品，并据此发现自身的内容机会和竞品存在的问题，再基于此对内容进行重构，从而让AI能够更好地理解品牌、信任品牌、推荐品牌。
AI的信任有权重，而且一直在变化
蔡晓旭提到，团队在项目实施过程中对大模型持续观测发现：现在模型基本上卷到一周就有一个小迭代，两周一个较高版本迭代，一个月一个中版本，三个月到半年一个大版本。每个版本迭代，平台算法、信源权重、内容结构偏好、采信逻辑等都会发生变化。策略一旦滞后，再好的内容发布在已降权的信源上，也未必进得了AI的答案。
对此，钛镁GEO的自适应算法感知引擎 ECHOO Engine，能够持续进行采信逻辑推演、权重漂移追踪、内容有效性监测、信源优先评估、动态化策略迭代。自适应算法感知引擎内置大量Agent探针，持续抽样采集模型对相关意图的回答，再根据采样结果分析模型认知及其信源结构的变化，通过一系列算法感知技术去动态观测这些变化，再反过来指导各个GEO环节的策略调优，这样就尽可能地放大AI给出正确答案的命中率。
这也是GEO相较于以往内容营销最大的不同：过去的内容营销是在相对稳定的规则里持续投入，而GEO则需要在不断变化的规则里动态校准。
从GEO到GEM，再到ATB 未来Agent to Agent的消费形态：对话即下单
演讲最后，蔡晓旭把目光放远：AI和未来消费决策的关系，会走过三个阶段。
- 阶段一 正在发生：答案引用（GEO）。品牌的展示位是”被AI在答案里推荐”，原本的B2B与B2C链路中介入了AI——信息通过AI，触达消费者。
- 阶段二 正在到来：商品卡货架（GEM）。豆包已经和抖店打通，意图之下推荐品牌、推荐之下挂着商品卡，用户点击商品卡即刻跳转抖音商城选购。
- 阶段三 未来趋势：智能体代理交易（ATB，Agent Trust Building，智能体信任构建）。用户不再自己比价，而是把需求交给一个Agent，由它替你去问、去比、去谈、去买，整个过程可能都不需要人参与。
这一趋势在海外已初见端倪。今年9月，Meta推出超级个人智能助理Muse，短短20天下载量达580万次，登顶App Store免费榜，它之所以引发广泛关注，主要在于其预示着：新一代个人Agent已经开始从传统的AI问答向实际执行日常事务的方向发展。
然而，面对AI的迅猛发展，品牌要靠什么赢得AI与Agent的信任，又凭什么让它们选择自己？在蔡晓旭看来，当下先做好AI认知构建——GEO，这也是在为未来的AI营销场域沉淀长效价值资产；当Agent to Agent时代真正到来，优先被 Agent 选中、替消费者买下的，不会是临时堆砌的声量，而是那些能在 AI 的认知世界里被反复验证、赢得信任的名字。
写在最后 打造消费者与AI双心智，共赴AI营销长效主义
无论时代如何发展，科技如何进化，品牌自身的建设仍然是关键所在——讲清楚你是谁、拿出可被信赖的依据、在消费者需要的场景里被想起。今天的品牌要同时经营用户心智与AI心智，流量会越来越贵，但心智是品牌自己的资产。谁能同时被消费者想起、被AI信任，谁就能在这场决策入口的迁移中，把长期增长的主动权握在自己手里。
