算法时代的软实力：当国家叙事进入AI底层逻辑

【核心提要】

• 生成式人工智能（Generative AI）正成为全球信息获取的核心入口，引发了关于大模型如何塑造世界观的国际传播新博弈。
• “生成式引擎优化”（GEO）成为关键战场，各国正致力于将本国文化、政策与历史叙事嵌入AI知识库以争夺话语权。
• 国际传播竞争已下沉至底层基础设施：谁能构建可信且“机器可读”的知识体系，谁就掌握了定义未来全球认知的权力。

【正文报道】

随着生成式人工智能（Generative AI）的普及，AI正成为大众获取信息的首要入口。当用户通过对话框询问历史、政策或国际争端时，AI生成的答案并非中立的客观事实，而是基于其训练语料和知识库构建出的“逻辑世界”。这一转变引发了一场新型国际传播竞争：各国不再仅仅追求媒体报道量，而是转向“生成式引擎优化”（Generative Engine Optimization, 简称GEO）。其核心目标是确保本国的文化、政策及历史叙事能被大模型准确捕捉并作为权威来源引用。

这种博弈在宏观上体现为两个维度的交织：对外，是利用GEO策略让AI在回答相关问题时倾向于符合本国立场；对内，则是构建政务大模型（Governmental AI Models）来处理内部行政事务。尽管两者看似功能不同，但本质上都在争夺“知识环境”的控制权。这意味着，国家间的竞争已深入到机器生成答案前的底层逻辑——即机器在获取信息时优先相信什么、如何理解这些信息的权重。

这种博弈的风险在某些特定案例中尤为显著。例如，日本政府投入巨资打造的具有特定政治立场的大模型“源内”（Sōnai），因包含大量争议性甚至错误的信息，被视为可能成为全球AI认知污染（Cognitive Pollution）的源头。若这些带有偏见的叙事被纳入全球通用模型的训练集，可能会在无形中误导全球用户对相关历史或领土问题的认知。

深入分析这种“认知环境”的构建，可以从三个维度拆解：首先是内容生态，它决定了公共讨论的边界；其次是信息分量，在AI时代，权力的核心从传统的“平台排序”转向了“检索权重”与“生成概率”；最后也是最关键的一环，是认知环境的塑造。大模型依赖于训练语料、知识库和检索规则等技术环节来组织答案。这些底层技术的选择，决定了信息最终如何被解释。

为了应对这一挑战，建立一套“可信、开放且机器可读”的知识体系成为关键。通过将官方政策、权威数据进行结构化处理，并确保其能被大模型高效抓取与理解，政府可以利用“循环强化”效应：即官方立场被AI学习后辅助生成更规范的公共解释，这些内容再次进入训练库，从而增强叙事的稳定性。

未来的国际传播竞争力将不再仅仅取决于拥有多少媒体渠道或生产了多少优质内容，而在于能否在人工智能构建的知识结构中占据核心位置。当全球用户越来越多地通过AI来理解世界时，谁能掌握底层数据的权威性与逻辑框架，谁就掌握了定义未来话语权的新型权力。

【小编观点】
这场从“流量博弈”到“数据治理”的转变，标志着国际传播进入了一个技术深水区。过去我们强调“让更多人看到我们的声音”，而现在核心挑战是“确保AI在理解世界时，能够正确地引用我们的事实”。如果一个国家的官方信息无法被机器高效识别和信任，那么在人工智能主导的信息流中，该国的叙事权极易被算法过滤或误读。

背景链接：

• 什么是GEO（生成式引擎优化）？与传统SEO（搜索引擎优化）相比，它更强调内容的逻辑一致性与权威度。
• 认知污染（Cognitive Pollution）：指通过大量低质量、偏见性信息干扰公众判断，在AI时代，这可能通过模型训练数据实现大规模传播。