人工智能+3D打印 七旬烧伤老人圆了“造鼻”梦 封面新闻记者宁芝近日，成都大学临床医学院、附属医院联合西安交通大学王晶教授团队，成功为一名72岁患者实施“AI+3D 打印联合多学科手术”，帮助她“造鼻”圆梦 。患者（左四）与医护人员合影据了解，40年前，一场大火导致老人全身大面积重度烧伤，面部严重毁损，出现鼻畸形、小口畸形、眼睑长期外翻无法闭合、耳廓部分缺损等问题。近年，老人因牙齿松动，部分脱落，却因口周瘢痕挛缩导致张口严重受限，正常进食成为奢望。在辗转多家医院无果后，2025年11月，经医联体社区医院推荐，老人抱着一线希望来到成都大学临床医学院、附属医院。急诊医学科彭蛟龙医生接诊后，急诊病区烧伤创面修复组徐尚刚教授团队立即牵头，联合耳鼻咽喉头颈科、麻醉手术中心开展多学科会诊（MDT）。面对气管狭窄、瘢痕粘连、高龄体弱等多重高危因素，医疗团队通过反复术前评估、制定周密麻醉预案、精细化手术设计，成功完成小口畸形修复术，将张口度恢复至正常水平，解决了进食与后续治疗的核心难题。同年12月，老人又接受了眼睑外翻微粒皮植皮修复术，困扰四十年的双眼终于能够安稳闭合。术后，老人顺利完成了患牙拔除，预计今年8月开展种植牙修复。治疗期间，老人对主管医生周裕丰说：“我想看看自己没受伤时的样子。”这句朴素的期盼深深触动了医疗团队。周裕丰医生主动对接西安交通大学王晶教授团队，该团队在AI面部重建、3D打印仿生器官领域拥有成熟技术与丰富经验。为精准还原老人容貌，王晶教授团队三次来到成都，开展高精度光学三维扫描，基于扫描数据通过生成式AI算法重建面部解剖结构，精准匹配残存组织形态与肤色，3D打印制作出高度仿生、贴合紧密的仿真鼻假体。2026年3月13日，王晶教授团队专程从西安抵达成都，现场完成鼻部假体精准安置。当老人看到自己挺立的鼻子、闭合的眼睑、张开的嘴巴，激动的泪水夺眶而出。她紧紧握住王晶教授与周裕丰医生的手，反复致谢。周裕丰医生介绍，这是全国首例“烧伤后面部畸形手术修复联合AI+3D打印重建”的成功案例。此次救治融合“外科修复手术、多学科风险管控、AI数字建模、3D打印仿生假体”四大核心技术，既解决了烧伤后功能障碍的临床刚需，又实现了面容复原的心理期盼，为全国超长病程、高风险、复杂面部毁损患者的救治提供了全新范式。图据成都大学临床医学院、附属医院返回搜狐，查看更多

刚刚！Google与OpenAI同步推进AI入口升级 AIPress.com.cn报道3月20日消息，据多家外媒报道，谷歌与OpenAI正分别在桌面端推进关键产品布局，围绕AI入口与工作流整合展开新一轮竞争。据彭博社披露，谷歌已开始面向部分用户测试其AI产品Gemini的macOS原生应用。目前该版本仍处于早期阶段，目前仅保留核心功能，尚未覆盖移动端与网页端的完整能力。而在此之前，Anthropic与OpenAI已分别推出其Claude与ChatGPT的原生Mac应用，谷歌此举也终于补齐了Gemini的桌面短板。值得注意的是，在测试版本中出现一项名为“Desktop Intelligence”的功能。根据相关代码描述，该能力允许Gemini在启用状态下获取用户屏幕内容及应用上下文，从而实现更精准的内容理解与个性化响应，但仅在用户主动使用时生效。这也意味着与网页端和移动端相比，Gemini桌面端应用将获得更大的隐私权限。不过，OpenAI好像没有的等待谷歌“成长”的意思。据《华尔街日报》报道，OpenAI正筹划推出一款桌面端“超级应用”，整合ChatGPT、Codex以及AI浏览器Atlas等能力，将原本分散的对话、编程与信息获取流程统一到同一环境中。OpenAI应用业务负责人Fidji Simo在内部备忘录中指出，多产品并行为用户带来了体验割裂，也影响了整体推进效率。在AI编程需求快速增长的背景下，将能力集中于统一入口，是构建完整工作流闭环的关键。在智能体开始“异军突起”的当下，用户对AI的期待其实已经发生改变。人们不再满足于AI只在某个环节提供能力，比如写一段文字、改一段代码，而是希望它能把一整件事接管下来，从信息获取、内容生成到实际执行，形成一个完整的工作流闭环。换句话说，用户要的已经不是“更强的工具”，而是一个可以把事情一步步做完的“代理人”。也正因为如此，谷歌在Gemini中强化对屏幕与环境的理解，本质是在让AI“看懂用户需求”；而OpenAI推动ChatGPT与Codex等能力的整合，则更像是在让AI“走完工作流程”。截至目前，谷歌和OpenAI都没有公布两款应用的具体发布时间，最终效果如何，还有待市场和用户的实际反馈来验证。返回搜狐，查看更多

从“AI+”到“智能经济”，产业+AI如何落地成新形态？ 蓝鲨导读：解决真问题，创造真价值作者 | 张二河编辑 | 卢旭成近期，一款面向AI智能体开发的开源框架OpenClaw正在迅速从技术社区扩散至产业，掀起“养龙虾”热，这也预兆着我国人工智能已进入底层生态繁荣与多场景应用普及并行的关键阶段。值得关注的是，2026年的政府工作报告“打造智能经济新形态”为标题单列成段，提出要深化拓展“人工智能+”。人工智能技术正在加快构建智能经济新形态，赋能以实体经济为支撑的现代化产业体系建设。今年年初，2026“草根知本合伙人之夜”在成都顺利举行，本次的主题字是“智”。对此，新希望集团创始人刘永好表示，“国家提出新质生产力，提出新科技来武装，提出要创新和发展，无一不是‘智’。以往人们会认为，消费品行业会更加聚焦在品牌、营销、渠道等领域，而草根知本作为新希望集团旗下的产业投资平台，以“产业+资本+科技”模式，成为推动“产业+AI”融合的重要力量。一方面，它通过资本驱动和科技接入，撬动新兴产业发展，发展新质生产力；另一方面，它深耕产业一线，帮助企业在具体场景中找到AI落地的精准切口。比如其冷链供应链赛道企业鲜生活冷链25年首发《优质乳冷链物流技术规范》，以全场景管理体系重新定义行业新标准；推出冷链无人叉车等Robot+AI系列产品，突破-25℃深冷作业；并且凭借基础设施、营收规模、绿色技术、专业保障四大维度的实力斩获中冷联盟“2025冷链服务能力第一名”。作为已连续举办七届的行业盛会，“草根知本合伙人之夜”致力于构建一个开放、包容、充满活力的交流平台，深度链接数百位创新创业者、投资人及行业专家，通过实战分享，探索消费企业增长新路径。一直以来，活动都将“科技篇章”作为重要环节之一，与“品牌篇章”“供应链篇章”三位一体，共同构成驱动产业进化的完整闭环。在本次活动中，以沃飞长空、聆动通用、阿里云、参盘科技、新腾数致为代表的人工智能企业，在“科技篇章”从不同维度分享各自推动“产业+AI”战略落地的最新成果。沃飞长空：物理世界的“空间智能”重构者沃飞长空首席产品官屠强认为，当前中国把低空经济作为战略新兴产业推进以后，预估未来将实现万亿元的经济规模。重点在于低空经济如何商业化落地，对于沃飞长空来说，第一个落地的场景是低空文旅的目的地直达。在传统的文旅出行场景中，用户需要在网约车、地铁、公交之间反复切换，耗时耗力。而沃飞长空的解法是打造一个“AI路径规划智能体”。这个智能体不再只是简单的叫车或飞行调度，而是通过Al算法，自动为用户规划‘Robotaxi+eVTOL(电动垂直起降航空器)”的最优接驳路线。用户只需在一个平台、一次下单，就能完成从地面到低空的全程行程，实现“一趟旅行、无缝衔接”。这一差异化方案的背后，是大模型从“数字世界”向“物理世界”的关键跃迁。要真正实现“天地一体”调度，模型不仅要理解复杂的城市路网，还需实时解析空域管制、气象条件、垂直起降点动态负荷等多维数据。沃飞长空的实践表明，当大模型进入物理世界，考验的是多模态时空数据处理能力——这是重构未来城市立体交通的基础设施级能力。聆动通用：给机器人装上“大小脑”如果说沃飞长空在解决“空间智能”，那么聆动通用则在攻克“动作智能”的堡垒。聆动通用创始人兼CEO季超认为：当一个智能体在虚拟空间具备了智能，在后面发展中，一定会进入真实世界，从虚拟AI走进物理AI。多模态加具身智能，是通用人工智能下一个技术台阶，机器人是具身智能最好的落地载体。聆动通用专注做一件事，就是让具身智能机器人帮助人在泛制造领域做体力劳动，降低人工成本，帮助客户提质增效。技术层面，聆动通用的具身智能框架分为预训练和后训练两个阶段。首先，机器人通过具身多模态基座大模型模型(VLM)获得"大脑"能力，建立起对三维空间的认知与理解。在视觉-语言-动作(VLA)模型的技术路径上，聆动通用创新性地提出了多层一体化的模仿学习框架以及支持大规模预训练+后训练的多模态具身数据采集管线，横跨仿真合成数据，第一视角数据，真机操作数据全维度。借助成熟的车规级硬件标准，团队能够生成高质量的"同构"模仿数据，从而实现机器人在多样化场景下的精准动作预测。季超强调，聆动通用是一家实现"大脑+小脑"，软硬件一体化的公司。聆动通用的探索揭示了一个重要趋势：大模型正在从"纯软件智能"向"软硬一体"进化，具身智能正是连接数字智能与物理作业的最后一道关卡。阿里云：让AI模型成为同事阿里云智能集团副总裁、AI 加速器解决方案总经理娄恒表示，在2022年以后，AI大模型的概念非常火。他进一步预测：大模型能力提升以后，企业端不只是用AI模型能力，而是让它像一个员工一样，从AI模型成为同事。基于这一判断，阿里云提出了“通云哥”战略，旨在整合通义大模型、云计算资源与底层芯片能力，构建全栈服务体系，希望通过全栈技术能力与企业深度融合，聚焦企业核心业务场景的“深水区”，打造原生的Agent应用，真正实现从“模型”到“同事”的跨越。谈及企业实际落地情况，娄恒表示，当进入企业核心业务的高价值“深水区”时，情况则复杂得多。要使AI真正融入核心场景，必须进行大量与业务和数据紧密结合的工程化工作。通过强化学习和系统集成完成“最后一公里”的能力对齐，让AI逐步达到企业标准，并向更高价值的业务边界延伸。为加速这一进程，阿里云推出了“AI加速器”计划，聚焦高价值场景，与企业展开端到端的协作，助力产业端深入核心业务场景。对于产业的意义在于，阿里云正在改变企业应用范式，让AI从通用工具转变为具备业务理解能力的“数字员工”。参盘科技：冷链物流的“数智化管家”生鲜物流，是物流行业公认的“硬骨头”。损耗率高、时效要求严、链路复杂，这些痛点让无数企业望而却步。鲜生活冷链旗下参盘科技的入局，为这个传统行业带来了新的解题思路。鲜生活-参盘科技总经理张祥阳表示，新消费时代，客户需求越来越多元化，要求供应链柔性能力越来越强。而AI提供了很好的工具，能结合多元素，做一系列的建模分析，最终得到想要的结果。参盘科技围绕AI驱动的产业生态协同，聚焦“人、货、场”三大维度的效率提升，在农业、医药、乳业等垂直领域展开了深度实践。参盘科技在线下虾交易平台（覆盖山东、江苏、广东、海南、四川等地）引入智能化分级与品控体系。通过网格化设备对虾的大小进行分类，结合智能仓储系统动态监测虾的活跃度，建立标准化的品质评估模型，实现供需双方的精准匹配与最优价格撮合。运输环节，智能硬件对车厢内的盐度、含氧量等关键指标实时监控，无需人工干预，系统可自动调节温度与增氧设备，确保虾从产地到消费端全程保持最佳活性。参盘科技还推动生产全流程自动化。以四川某药企为例，全过程实现24小时无人化作业，自动喷码、扫码、无人叉车搬运至重载APV，再流转至货架，前后端衔接效率大幅提升。在需求预测方面，视频识别技术不仅分析内部数据，还监测门店周边人流、人群特征及商品关注度，将滞销率从百分之几降至千分之几。场效层面，参盘科技通过多轮技术迭代实现成本持续下降。在城配场景，无人车搭载CMS系统实现自动配送与视觉交割，确保店员取货准确无误。在仓储场景，从指环+耳机升级为视觉眼镜，通过识别物体位移自动判断上架/下架、出库/入库，彻底替代传统扫描设备。在冷链、高危化学品等对人体有害的环境中，公司采用无人搬运机器人，结合3D定位、路线规划、避障及仿真调度模型实现全自动化作业，并突破极寒环境下的续航、防水防雾、防结霜等技术难点。参盘科技的技术理念强调数字世界与现实世界的协同。所有业务流程与个体均在数字化空间建立映射，先在虚拟环境中模拟优化，再应用于物理世界；运行过程中持续监测实际执行，发现偏差及时预警调整，最大限度降低试错成本与不确定性。从发展战略上来看，参盘科技致力于与行业客户形成协同生态系统，帮助客户提升供应链效率、改善终端体验，最终实现客户价值与企业价值的共同增长。新腾数致：构建食品企业应用Al铁三角新腾数致CEO王长征抛出了一个话题：在人工智能时代，食品企业何去何从呢？新腾数致提出应用AI的铁三角，就是开源大模型+专业知识库+企业专属的智能体，用这个铁三角去构建低成本的智能劳动力的体系。基于在食品行业的多年积累，新腾数致自主研发了一款面向食品企业的智能体产品。该智能体具备两大核心能力：一是能够独立完成多数交互性工作；二是可在专家指导下胜任部分流程性任务。在应用场景方面，王长征分享了两个典型实践。其一为新产品研发。智能体可从需求分析入手，自主生成配方与工艺参数，并完成食品安全合规审查，全程在专家指导下运行。实际应用案例中，该模式使研发周期缩短60%，研发成本降低80%以上。其二为功能性原料筛选。以研发功能性饮料为例，研发人员需寻找合适的营养添加剂。智能体能够根据需求设定核心分析因子（如“原料肠道免疫平衡关联度”），列出数十种原料分析对象清单，并内置安全审查机制。新腾数致的实践表明， 将行业know-how深度融入模型，在研发等高价值环节实现显著的降本增效。小结回顾这五家企业的实践，一条清晰的“产业+AI”发展脉络浮出水面：从“点状应用”到“链状改造”。 早期的AI应用往往是单点提效，如AI客服替代人工。而今天的趋势是，以沃飞长空、参盘科技为代表，AI正在重构整条产业链的协作流程，从局部优化走向全局最优。从“通用底座”到“垂直深耕”。 聆动通用的VLA模型证明，单纯依赖通用大模型无法解决行业深层次问题。行业know-how与算法的深度结合，才是真正的护城河。从“降本增效”到“创造新形态”。 “低空出行”这些新业态在AI出现前无法想象。大模型正在催生智能原生新业态，重新定义行业边界。路径各异，但内核相通——真正的产业智能，来自于对AI大势和产业场景的深刻理解，以及对问题的精准拆解。草根知本总裁席刚在“草根知本合伙人之夜”的分享中进一步谈到，当前环境下，传统企业要积极拥抱以AI为代表新科技。因为AI不仅是新工具，更是一个全新物种，它将为传统企业生产与服务方式带来革命性的改变。传统企业+AI，一定要把全产业链的丰富场景，开放给AI，比如育种+AI、养殖+AI、研发+AI、生产+AI、物流+AI、客户+AI、营销+AI……传统企业如何更快拥抱AI，他提了三个建议：1、战略坚定。企业从上到下全情投入，开放场景，让AI Agent和企业拥有的闭环数据一一结合，最终重塑生意的生长模型。2、数据化。很多企业的数据化基础薄弱，要快速补课。3、不仅要关注AI的降本提效，更要用AI把企业的核心业务进行提升。草根知本合伙人之夜上分享的企业实战再一次证明，产业+AI，不是追逐风口，而是扎根产业，用技术解决真问题，创造真价值。返回搜狐，查看更多

AI艺人引热议，已有公司申请AI艺人表情调整专利 近日，AI艺人相关话题引发热议。企查查APP显示，已有公司申请“具情绪感知的虚拟艺人表情调整系统及其方法”专利。企查查专利摘要显示，该方法通过在初始时载入语音信号及其相应的情绪信息作为训练数据，再将其输入至人工智能模型进行训练以生成情绪识别模型，接着，接收使用者语音进行特征获取、标准化及降维处理后，输入至情绪识别模型以获得情绪状态，然后执行脸部表情生成运算以基于情绪状态生成相应的人脸关键点，并且即时根据人脸关键点调整虚拟艺人的脸部模型参数，用以动态显示虚拟艺人的脸部表情，借以达到提高虚拟艺人的表情真实性与丰富性的技术功效。（企查查）返回搜狐，查看更多

当AI答案被GEO“投毒”——谁来守住AI最优解的可信边界 ·买咖啡机先问AI推荐，选血压计的“第一反应”是让大模型比一比——当越来越多人把生成式人工智能当作消费决策的“第一助手”，一个新的问题浮出水面：AI给出的答案，真的客观吗？·今年总台“3·15”晚会（以下简称3·15）曝光了一条产业链：一些机构通过批量发布软文、编造虚假测评报告、虚构专家身份等方式，向大模型的数据源“投喂”定制内容，让商业推广以“AI标准答案”的面目呈现在用户面前。有媒体将此类操控称为对AI的“投毒”——通过批量制造带有商业倾向的内容，影响大模型的抓取、引用和推荐结果。这种被称为“GEO（生成式引擎优化）‘投毒’”的操作，已从灰色地带走向产业化运作。·当“投毒”成为生意，谁来为AI答案的真实性负责？围绕这一话题，本期议事厅邀请技术标准制定者、法学学者、一线律师和AI行业从业者展开讨论，试图厘清AI答案可信边界的责任坐标。【访谈嘉宾】姚佳（中国社会科学院法学研究所教授）何延哲（中国电子技术标准化研究院网安中心测评实验室副主任）廖怀学（泰和泰律师事务所高级合伙人、中国广告协会智库专家）姚金鑫（国际电气与电子工程师协会高级会员、乌镇智库高级研究员、人工智能创业者）从“搜得到”到“答给你”：GEO答案可能比搜索排名更危险？主持人：过去二十多年，人们习惯用搜索引擎获取信息，“搜一下”是很多决策的起点。现在越来越多人开始问AI，这个转变对信息生态意味着什么？何延哲：技术变了，但背后的逻辑没变。互联网广告刚起来的时候，人们把搜索引擎当作信息收集的窗口，广告很快就渗透进来了，后来演变成竞价排名。经过多年治理，搜索广告要标“推荐”，自然搜索则按算法排序，这套规则已经比较成熟。然而，现在大家获取信息的窗口变了，同样的逻辑又被钻了空子。很多人以为AI帮自己找到了最有价值的信息，没想到里面还是广告。廖怀学：传统SEO（搜索引擎优化）影响的是信息的检索位序，用户点进去之后还有核实的余地。而GEO直接干预算法生成的结论本身，诱导用户基于对AI“中立且权威”口吻的信赖做出决策。姚佳：这恰好切中了生成式人工智能作为信息工具的一个关键特点。传统搜索引擎在法律上被定性为“信息定位工具”，其功能限于技术性索引与中立呈现，虽然搜索引擎也会有筛选、聚合、排序等行为，但是通常情况下，其类似于一个路标，提供的是信息访问路径，人们不一定完全信任，通常还会通过交叉验证来作判断。但到了大模型时代，AI呈现出一种更高阶的信息组织方式，输出的不再是链接列表，而是整合后的自然语言段落。用户的感知是它比传统搜索引擎更聪明，所以对它更信任。虽然AI平台的用户协议都会提示搜索结果不保证准确性，但实际上用户的心理预期和现有技术能力之间，还是存在明显落差。主持人：信任感更强，辨别力未必能跟上。从技术上看，GEO到底是怎么做到把广告“喂”进AI答案的？姚金鑫：今天的AI应用，并不只靠模型参数“记忆”来回答问题，还会调用外部信息源，如网页、知识库和检索结果，这就是RAG（检索增强生成）。当前所谓GEO“投毒”，利用的主要正是这一环节——通过在大模型经常调用的信息渠道上批量发布带有特定品牌信息的定制内容，提高被大模型抓取和引用的概率。对一般GEO服务而言，更容易被左右的不是模型底层参数，而是RAG所调用的外部内容。打个比方，不是“大脑”被改写了，而是它参考的资料被污染了。当然，若平台自身进一步通过后训练等方式对模型输出倾向作针对性调整，那就属于更深一层的系统干预，可视作对“回答习惯”的再塑造。虚构产品、假报告、软文矩阵：AI被“投毒”后，谁在受伤？主持人：3·15曝光的案例中，有消费者根据AI推荐买了“踩雷”的咖啡机，有根本不存在的专家被安上“三甲医院医生”的头衔做“科普”，有从未发布过的研究报告被编造出来充当权威背书……这些虚假内容进入AI答案之后，会带来哪些危害？姚佳：首先受损的是用户的知情权。“投毒”这个词非常形象——到了大模型时代，有毒有害、虚假信息不能出现在AI输出端，这是底线问题。用户觉得AI更聪明，可能更值得信任，但实际上看到的可能是一条被精心包装的广告。麻烦的是，它不像传统广告放在页面某个角落，而是嵌在自然语言回答的逻辑里，用户更难以辨别。廖怀学：受损的不只是个体用户。GEO“投毒”通过介入AI语料库直接操纵生成内容，可以借流量“截流”破坏公平竞争的市场秩序——谁更会“投喂”谁就上榜，认真做产品的企业反而被挤出推荐位，这是典型的劣币驱逐良币。AI平台往往扮演着智能时代“把关人”的角色，尤其在医疗、金融、教育等高敏感场景，一旦这个“把关人”被商业利益干扰，后果不只是用户消费“踩雷”，更可能引发生命健康损害或重大财产损失。姚金鑫：还有一层容易被忽视的伤害——对AI平台自身公信力的侵蚀。从3·15曝光的案例看，服务商直接把“喂料、‘投毒’、影响推荐结果”当成卖点，说明已经进入产业化操作阶段。如果商业内容长期伪装成中立答案，平台的信任基础会被持续消耗。大模型的核心竞争力建立在用户信任之上，这个基础一旦动摇，整个商业模式都会受影响。主持人：用户被蒙蔽、诚信商家被挤压、平台公信力被透支……伤害是多层次的。如果用户真的“踩雷”后，维权渠道能走通吗？姚佳：坦率地说，目前个体维权的路径比较难。大模型平台一般不承担结果性义务，不能保证每一条输出都是真实的。用户要主张损害赔偿，举证难度很大——很难证明购买决策就是因为AI那条回答做出的，即便固定AI生成内容作为证据，也很难证明其与受到损害之间的因果关系；尤其是有时它的回答是动态的，下次再进行相同提问，可能答案也会变。但这并不意味着现行法律完全没有抓手——广告法、反不正当竞争法对虚假广告和虚假宣传都有明确规制，关键是怎么用、由谁来启动。广告不能藏进答案：平台和商家各自责任在哪里？主持人：维权不容易，法律工具也有待激活——这就意味着，治理不能只靠事后追责，更要前移到标识、过滤和责任划分。搜索引擎时代，治理竞价排名最管用的一招是强制标识——是广告就标“广告”。到了AI答案时代，这个办法还管用吗？何延哲：标识的逻辑没有过时，它最核心的作用是纠正用户认知。打个标签，大家就知道这条信息可能有商业背景，不会盲目当成AI替你选出的最优解。这在技术上实现没有任何难度，关键是标成什么样子。现在AI大模型的对话窗口和背后的商品购买链接还没有完全打通，标“广告”还是标“商业信息”，边界还比较模糊，需要随着业态发展再细化。但大模型对答案的出处提示、风险提醒，现在就可以做到。姚金鑫：前台机制最容易落地——广告和自然回答分区展示，明确标注“赞助”或“商业内容”，允许用户了解推荐原因、关闭或投诉，平台短期内就能做到。真正决定行业长期健康度的是后台机制：商业内容和自然回答的证据链是否真正分开，各环节是否可提供审计日志，模型对不同来源是否做了可信度分级，高敏感领域是否有“商业内容不得进入主答案”的硬规则。前台标识容易补，后台的证据过滤、可信源加权、污染清洗，仍在形成过程中。何延哲：平台在RAG技术应用时还可以做更严格的过滤——比如提高官方信源的引用比例，对官方和非官方来源做交叉对比，不确切的尽量不引用。“投毒”式GEO不是零散、偶发的信息失真，而是持续、批量的操控。面对这类异常模式，平台如果建立起预警和识别机制，并不是完全发现不了。姚佳：大模型技术迭代很快，虚假信息、“投毒”、代操作服务等新情况不断出现，相关灰色利益链条也在快速形成。技术发展本身是客观趋势，但对滥用行为必须及时规制。因此，监管也要同步跟进，防止问题扩散蔓延，误导消费者，并损害大模型技术发展的整体声誉。主持人：技术上并非无能为力，那法律上呢？很多“投毒”内容并非平台主动投放，而是通过第三方平台发布再被大模型抓取。AI平台能否以“被动抓取”为由减轻责任？廖怀学：平台能否减轻责任，关键不在于是不是“主动投放”，而在于对结果有没有实质控制能力、是否因返回搜狐，查看更多