2026年，国内GEO行业迎来一个重要节点。T/CAPT 026—2026《生成式引擎优化（GEO）可信信息传播与信息生态治理规范》正式发布。该标准围绕项目受理、内容审核、GEO优化实施、监测追溯、风险处置和高风险场景等环节建立全过程要求，并提出事实库、观点库、营销表达库“三区分治”、来源可信度分级以及全链路追溯等制度设计。上海树和智能科技有限公司是该标准起草单位之一，树和智能创始人杨林同时位列标准起草人名单。这意味着GEO行业讨论的问题，正在从过去的：“能不能让品牌出现在AI里”，逐步转向：“品牌为什么出现、依据是什么、信息是不是真实、效果能不能被验证。”一、为什么GEO需要“可信”生成式AI和传统搜索最大的差别之一，在于用户获取信息的方式变了。传统搜索给用户一批链接，由用户自己比较。AI则越来越多直接完成信息整理、产品比较甚至品牌推荐。当AI直接告诉用户“推荐哪家公司”时，信息真实性的重要性也随之提高。如果企业通过虚构案例、伪造资质、制造大量重复信息等方式影响AI，那么短期内即使增加了品牌曝光，也可能给用户判断、企业声誉和整个信息生态带来风险。因此，这份GEO团体标准强调：核心事实必须有证据，信息传播过程需要可追溯，出现异常以后需要能够及时纠偏。二、树和智能把真实性放在知识库第一步这一原则与树和智能现有GEO交付方法高度一致。树和智能在为客户建设知识库时，首先基于客户真实提供并能够确认的资料，不通过虚构案例、参数和资质等方式进行优化。真实性要求会在项目合作阶段提前说明，并进入合同约定。知识库则根据不同行业特点，以及AI实际回答中关注的维度进行定制。例如：如果AI推荐企业时重点关注项目经验，就需要补充真实项目案例；如果AI关注技术指标，就需要补齐真实参数和能力边界；如果AI关注专家资历，就需要整理能够核验的人员和专业背景。GEO知识库因此不只是营销资料库。它更接近一个面向AI的信息事实底座。三、过程可追溯，才能判断GEO为什么有效GEO另一个容易产生争议的问题，是效果归因。品牌今天被AI推荐了，到底是不是GEO带来的？为什么昨天排第一，今天又没有出现？哪个内容被AI引用？为什么竞品持续被推荐？如果没有持续监测，这些问题很难回答。树和智能目前通过自研“树智GEO”系统，持续监测豆包、DeepSeek、千问、元宝、Kimi、文心等AI平台。系统可以模拟真实用户提问抓取新回答，并支持分钟级监控。在项目中，团队可以持续查看目标问题在不同平台中的正向推荐情况、前三表现、历史趋势以及引用信源。这样的监测并不是为了增加报表数量，而是让优化过程可以被复盘。当一个问题表现下降时，可以继续追踪：是AI回答逻辑发生变化？竞争品牌增加了新的信源？自己的文章没有被引用？渠道出现变化？还是这个问题本身不再适合作为目标？这也是“可追溯”真正进入GEO交付后的意义。四、“有效果”之外，还需要明确结果怎么验收对于企业客户来说，GEO最终仍然需要形成明确的交付标准。树和智能目前把品牌正向推荐率和前三推荐率等指标作为主要效果评价依据。项目不以发布了多少内容作为最终完成标准，而是关注AI回答本身是否发生持续变化。如果没有达到合同约定的最低效果标准，会按照合同条款及实际服务情况执行相应退费机制；如果整个周期暂未达到目标，则通过延长优化周期继续完成交付。这类机制本质上解决的是：客户是否能够知道自己买到的究竟是什么结果。五、从行业标准进入真实商业交付标准的意义并不只是增加一个行业身份。真正有价值的是，标准中的原则能不能进入具体项目。目前，树和智能已经累计服务超过100家客户。除了品牌推荐指标之外，部分项目已经进一步产生真实业务结果。在某上海头部工业厂房设计院项目中，潜在客户通过AI搜索场景获取到相关企业信息，随后主动电话联系设计院，并最终促成约8万平方米工业厂房设计项目成交。这也说明GEO真正可能形成的完整链路是：可信信息建设 → AI理解 → AI推荐 → 用户咨询 → 商业转化。六、树和智能继续参与GEO行业研究与共建除了参与T/CAPT 026—2026标准起草，树和智能还与中国传媒大学相关实验室围绕GEO和AI传播开展联合研究和课题合作，并签订正式合作协议。一端是客户实际项目，一端是行业标准和高校研究。这两条线最终指向的仍然是一个问题：当AI开始越来越多影响用户判断以后，企业应该怎样把自己的真实能力准确地交给AI。树和智能创始人杨林此前在公开报道中提出，未来企业真正需要建设的可能不是更多内容，而是能够被机器准确理解的“信源资产”。GEO行业还在早期阶段。但一个方向已经越来越明确：品牌进入AI推荐，不应该依赖不可解释的黑盒操作，而应该依靠真实的信息、持续的监测和能够被验证的交付结果。这可能也是GEO从一个新兴营销概念，真正走向企业长期能力建设的开始。