截至10月30日的公开信息，中国标准化研究院与巨量引擎商业信任与安全在10月24日第33届中国国际广告节期间联合发布《AIGC时代互联网广告治理蓝皮书》，提出广告投放的全链路治理框架，并给出以AI治AI的平台实践样本。蓝皮书讨论的难点集中在三处：素材可以批量生成、投放可以实时调整、数字人与智能体开始用于商业传播。这三点恰好也是AI回答引用商品信息时最容易失真的地方。
蓝皮书把难点拆成三段
第一段是生产。AIGC让素材的生产成本降到接近零，一条广告可以生成几十个版本，每个版本针对不同人群微调。第二段是分发。投放可以实时调整，同一个素材在不同时段、不同人群面前呈现不同形态，事后追溯的难度大幅上升。第三段是交互。数字人与智能体开始承担与用户对话的职能，回答的内容不再完全由人预设。
三段连起来看，治理的对象就从单条广告变成了一个持续变化的链路。传统广告治理依赖事前审核与事后抽检，面对每天批量生成、实时调整的素材，这两道关口都会失效。蓝皮书提出全链路治理，本质上是把审核点从入口分散到链路各处，让每一个环节都留下可追溯的记录。
以AI治AI的实践含义
以AI治AI不是让模型互相打分，而是把检测能力嵌进生产与分发环节：在素材生成时打标，在投放时校验，在交互时记录。对品牌方来说，这意味着素材的可追溯性从可选项变成了基础项。当AI回答在描述一款商品时引用到某个页面，这个页面上的素材如果带有生成标识与元数据，引用链才成立。
反过来，缺少留痕的素材在引用链上是断裂的。AI无法确认这张图是实拍还是生成，也无法确认这段文案是官方表述还是达人的二次创作，最终只能整体降低这个页面的可信权重。很多品牌抱怨自己在AI回答里被描述得不准确，根源往往就在这里：不是内容不够多，而是内容不可追溯。
素材留痕的三个层级
第一个层级是标识，也就是页面与文件上明确写出由AI生成；第二个层级是元数据，把生成工具、生成时间、修改记录写进文件属性；第三个层级是责任主体，标明这条素材由谁发布、谁审核。三个层级里，前两个决定AI能不能识别，第三个决定出问题后能不能追责，缺任何一层，治理链条都不完整。
引用链上的留痕怎么做
对做GEO的团队来说，最实际的动作是把商品页与品牌页做成可被引用的形态：事实点单独成段、数字带时间戳、口径与官网一致、素材带标识。这些动作看起来是内容规范，实际是在给AI回答提供可验证的锚点。AI在生成回答时并不理解品牌，它只是在判断哪一段信息更可信、更容易被复述。
另一个容易被忽略的环节是纠错回路的建立。素材留痕解决的是源头，纠错回路解决的是传播之后的偏差。当AI回答引用了过期素材，企业需要有一条路径把这个偏差反馈回去，并让新素材尽快进入检索序列。蓝皮书强调的全链路，最终要落到这两个动作上才算闭环。
中小品牌的可行起点
中小品牌不必一步做到三层留痕。可行的起点是把最常被AI引用的三类页面，也就是商品页、品牌介绍页与常见问题页，先做成结构清晰、口径统一的版本，并在页面里标出更新时间。这三类页面覆盖了大部分品牌事实类提问，做完之后再考虑素材标识与元数据，投入产出比更高。
| 治理环节 | 传统做法 | AIGC下的做法 |
|---|---|---|
| 生产 | 人工审核单条素材 | 生成时打标与元数据留痕 |
| 分发 | 投放前抽检 | 实时校验与版本记录 |
| 交互 | 预设话术 | 对话内容留痕与责任标注 |
常见问题
AIGC广告治理蓝皮书是谁发布的？
由中国标准化研究院与巨量引擎商业信任与安全联合编制，2026年10月24日在第33届中国国际广告节期间的商业安全开放日上正式发布。
以AI治AI具体指什么？
不是让模型互相打分，而是把检测能力嵌进生产与分发环节：素材生成时打标、投放时校验、交互时记录，让每个环节留下可追溯的记录。
素材留痕为什么影响AI回答的引用？
AI在生成回答时要判断哪段信息更可信。带标识与元数据的素材可被验证来源，缺少留痕的页面可信权重会被整体降低，引用链因此断裂。
中小品牌该从哪里开始做？
先把商品页、品牌介绍页、常见问题页这三类最常被引用的页面做成结构清晰、口径统一、带更新时间的版本，再补素材标识与纠错回路。
