AI时代主流财经媒体的新定位与新作为——基于“负责任GEO治理”与财经信息源分级采信规范的实践探索


[摘要] 生成式人工智能快速普及,大模型日益成为公众获取财经信息的核心入口,信息源质量直接决定AI输出内容的可靠性。文章剖析财经信息源失序的行业痛点,梳理每日经济新闻推动“负责任GEO治理”、研制信息源分级采信标准的实践,提出主流财经媒体应从内容生产者走向规则建设者与可信语料供给者。

[关键词] 生成式AI 主流媒体 价值重塑 官网


图片

图片

本文首次公开发表于《中国记者》杂志2026年11月刊




生成式人工智能的迅猛发展,正在从根本上重塑财经信息的产生、传播与消费全链条。大模型不仅改变了用户获取信息的习惯与路径,更将内容竞争从“被用户看见”推向“被机器正确理解”的新阶段。在这一深层变革中,生成式引擎优化(Generative Engine Optimization,简称GEO)逐渐从一项技术策略演变为关乎信息真实性、市场秩序与公共利益的治理命题;而财经信息因其高度专业性、强时效性、高敏感性与广泛社会影响,又使得这一治理转型尤为迫切与关键。






一、时代变革:生成式AI重构财经信息生态




生成式人工智能时代,以信息源分级与负责任GEO为核心的财经信息源头治理,正成为维护信息真实性与市场稳定性的关键路径。



(一)信息获取方式的颠覆性转变
生成式人工智能已深度融入社会生产生活与经济决策,从根本上改变了信息获取方式。在传统信息模式下,用户依赖搜索引擎、门户网站、社交平台以及专业资讯客户端获取信息,需要在海量内容中人工筛选、比对、判断,信息噪声大、获取效率低、内容覆盖面有限。进入AI时代,大模型能够对多源信息进行整合、分析、归纳、输出,用户只需通过简单指令即可获得结构化、精准化、高可读性的内容,信息获取从“被动搜索”转向“智能生成”。

这一转变带来传播权力的结构性迁移:过去,信息入口由平台与搜索引擎掌控;如今,入口逐步集中于大模型的生成与推荐体系,主流媒体长期掌握的事实锚定权与议程设置权被显著分散。对主流财经媒体而言,这意味着竞争逻辑彻底改变,传统竞争追求“被用户看见”,AI时代竞争则需要“被机器正确理解、信任与采信”。若内容无法适配AI大模型的认知规则,即便具备高度专业价值,面临在新的信息生态中被边缘化的问题,形成“专业失语”现象。



(二)GEO从技术优化升级为治理议题

生成式引擎优化(GEO)最初被理解为提升内容在模型输出中可见度的技术手段,实验表明合理的优化策略可使内容可见度最高提升达40%,但随着应用场景不断拓展,其治理属性日益凸显。GEO不仅影响内容传播效果,更影响信息真实性、生态健康度、市场稳定性与公共利益。在财经领域,信息的微小偏差可能被AI放大,形成市场误判、舆情波动、投资损失等连锁反应。因此,GEO首先是治理问题,其次才是技术问题。


主流媒体应坚持负责任GEO,其核心理念是反对以操控、污染、投毒等方式抢占模型曝光,坚持以真实、专业、合规、可溯源为底线,让优质内容被机器合理采信。这一定位将GEO从流量竞争拉回到公共治理轨道,使主流媒体成为规则制定的参与者、生态的建设者与权威的维护者,而非被动的、单一的“技术适配者”。


(三)财经信息的特殊性决定治理紧迫性

财经信息与普通资讯相比,具有不可替代的特殊属性,使其对信息源质量与采信规则的要求远高于其他领域。


一是高度专业性。财经信息涉及金融市场、法律法规、会计制度、产业规律、监管政策等专业知识,需要长期行业积累与专业审核才能准确解读,非专业主体生产的内容极易出现概念错误、逻辑偏差、判断失真。相关实验研究表明,AI写作的财经评论在受众感知层面已可与人类记者作品相匹敌,用户对错误信息的识别越发困难。


二是强时效性。金融市场瞬息万变,政策发布、企业公告、数据披露、市场波动具有极强的时间价值。过时信息、滞后解读可能直接导致决策失误与经济损失。


三是高敏感性。财经信息往往涉及未公开数据、市场预期、股价波动、监管动态等敏感内容,不当传播、虚假解读可能引发市场恐慌、内幕交易嫌疑、合规风险等问题。


四是广泛社会影响。财经信息关系投资者利益、企业发展、市场秩序与金融稳定,具有强烈公共品属性。一旦出现失真与误导,影响范围广、传导速度快、社会成本高。


正是上述特殊性,使得财经信息源治理、采信规范建设、GEO合规化成为行业健康发展的关键前提,也为主流媒体参与治理提供了现实基础。





二、行业痛点:财经信息源失序带来的系统性风险



在生成式AI快速落地的过程中,财经信息领域暴露出一系列突出问题,这些问题相互叠加,形成影响行业发展的系统性风险。结合行业实践与调研,当前最核心的痛点集中在三个方面。


图片

财经信源失序风险与治理示意图


(一)财经信息源质量参差不齐

当前市场上财经信息供给主体数量庞大,包括官方机构、持牌金融机构、主流媒体、自媒体、数据平台、个人创作者等,不同主体的专业能力、审

核机制、合规水平差异巨大。部分信息源缺乏专业采编流程、事实核查机制、内容审核体系,内容准确性、严谨性、权威性难以保障。信息源的混乱直接导致大模型在抓取、整合、生成内容时面临巨大干扰,模型难以区分专业内容与非专业内容、权威信息与劣质信息,最终影响输出结果的可靠性。


(二)虚假信息与误导性内容持续蔓延

在流量驱动下,部分主体通过夸张标题、片面解读、虚假数据、编造传闻等方式吸引关注,同时AI技术的滥用更使虚假信息生产趋于工业化、低成本化,造成虚假信息传播进一步泛滥。网络上的虚假信息比真实信息传播得“更远、更快、更深、更广”,而生成式AI的信息分发特性进一步放大了

这类风险,虚假信息一旦被模型采纳,可在短时间内大规模传播,形成难以逆转的公共认知偏差,特别是在财经领域,这类内容能够显著吸引投资者注意力并引发市场异常反应。


(三)信源可信度缺乏统一界定标准

长期以来,财经信息领域缺乏权威、统一、可量化的信源评价体系。什么是可信信源、如何判定信源等级、模型应如何采信、合规边界在哪里,均无统一答案。大模型厂商、平台、媒体、金融机构各自建立判断规则,标准不透明、不统一、不可核验,导致机器采信具有较强随机性与主观性,既不利于优质信源发挥作用,也无法有效拦截风险信源,成为制约AI财经信息健康发展的核心瓶颈。


上述三大痛点共同指向一个结论:财经信息的风险在源头,治理必须在源

头。若不从信息源端建立规则、明确标准、规范行为,仅依靠模型端清洗、筛选、优化,无法从根本上解决问题。




三、治理逻辑:为何以信息源为核心治理抓手



在推进财经信息AI治理过程中,行业普遍存在一个疑问:为何不直接规范大模型的训练数据,而是聚焦信息源治理?这一判断并非主观选择,而是基于行业规律、实践可行性与治理效率的综合结论。


(一)信息源是内容生成的根本源头

无论大模型采用训练数据还是实时联网检索信息,信息源都是最终内容生成的起点与基础,其质量高低直接影响模型输出内容的质量。如果源头信息虚假、错误、失真、误导,即便模型经过多轮数据清洗、筛选、优化,也难以保证最终内容安全可靠,就如同无法使用变质食材制作安全食品一样。抓住信息源,就是抓住了治理的“牛鼻子”。


(二)训练数据治理成本高、落地难度大

用于大模型训练的财经领域数据来源分散、类型复杂、更新频繁,涉及监管机构、交易所、上市公司、金融机构、媒体、平台等多方主体,甚至仅在金融机构内部,都存在数据分散、质量参差不齐、治理割裂等问题,在数据清洗、权限调取、字段映射等环节均存在瓶颈,需要较高的协调成本、技术成本与合规成本,可执行性低、落地难度大,难以在短期内形成行业共识。因此,这条路径并非高效治理AI内容安全的最优解。


(三)信息源相对固定,便于标准化治理

与分散的训练数据不同,财经信息源主体相对固定、场景清晰、责任可追溯,官方披露机构、持牌金融机构、主流媒体、权威平台等核心信源数量有限、资质明确、运营稳定,适合建立统一的评价、分级、管理、监督体系,并以信息源为核心开展治理,以较低成本实现较好效果,具备更强的行业推广价值。


基于上述判断,负责任GEO治理与财经信息采信规范的核心逻辑逐渐清晰:从源头抓起,以信息源为中心,构建分级体系,规范采信流程,实现全链条可信可控。这一逻辑也成为《人工智能大模型财经信息源分级与采信规范》的立项基础与核心框架。





四、框架构建:多元协同构建可信采信体系




负责任GEO治理要从行业共识走向行业秩序,离不开两类规则载体的相互配合:一是正在研制中的团体标准,回答“信源如何分级、模型如何采信、优化如何合规”的制度问题;二是已经发布的GEO红皮书,回答“哪些行为越界、风险如何识别、企业如何落地”的实践问题。前者立规则、定标准,后者画红线、给指南,二者互补衔接,共同构成财经领域GEO治理的闭环框架。


(一)研制标准,为可信采信确立制度坐标

2026年4月16日,在北京举行的“共筑可信生态 共创智能未来——AI内容生态与负责任GEO治理研讨会”上,《人工智能大模型财经信息源分级与采信规范》团体标准正式立项,由工业和信息化部工业文化发展中心牵头组织,相关单位推动实施。


不同于通用型信息治理框架,该标准立足财经领域的专业属性与大模型智能搜索的采信逻辑,将治理对象精准锚定于财经类信息源。在分级评价机制设计上,标准坚持“客观可验证”的原则,以主体资质、内容规范等公开可及的客观标准作为分级评定的核心依据,主观性指标仅作辅助参考,最大限度降低人为裁量空间,确保评价结果的透明度与公信力。同时,标准充分考量大模型在智能搜索场景下的信息抓取、理解与引用特征,针对财经信息时效性强、专业度高、影响面广等特点,构建适配大模型采信逻辑的分级规则,使信源评价从“人读”向“人机友好”过渡更加顺畅。


为推动标准从文本走向实践,编制团队同步打造开源开放的方法论体系与评估工具集,向行业公开分级评价模型、数据采集规范及测评接口,支持独立第三方机构开展客观、可复现的信源评级测评,形成“标准制定—工具开源—三方可验”的良性治理生态。


(二)GEO红皮书,为合规实践划定风险红线

与团体标准的制度建设相呼应,每经AI智库2026年6月组织业内专家出品《GEO红皮书(2026):生成式引擎优化的边界、风险与治理——负责任GEO倡议实践指南》,系统性研究GEO风险红线和合规治理。


红皮书以“真实优先、安全治理”为核心理念,系统梳理了价值观、信息质量与AI系统共计三个层面的九类红线风险,并围绕风险识别、合规体系构建、效果评估、供应商甄别等环节,提供覆盖全链路的实践框架。其行业价值主要体现在三个方面:一是把“哪些优化行为越界”这一长期模糊的问题显性化,为企业自查提供了对照清单;二是将效果评估与供应商甄别纳入治理视野,回应了GEO服务市场快速扩张中良莠不齐的现实问题;三是把“负责任GEO”从倡议口号转化为可操作的工作流程,降低了机构合规实践的门槛。


团体标准与GEO红皮书不是主文件与附件的关系,而是“规范坐标”与“风险图谱”的协同关系。标准着眼于行业秩序的长远建设,回答“应该怎样”;红皮书着眼于当下实践的紧迫需求,回答“不能怎样、可以怎样做”。标准因研制周期而审慎,红皮书因实践迭代而敏捷,两者在节奏上互补、在目标上一致。





五、媒体实践:负责任GEO治理的落地路径



每日经济新闻与每经科技以标准框架为指引,将“负责任GEO治理”从理念转化为可执行、可复制、可推广的完整体系,探索出一条“厘清边界—凝聚共识—系统赋能—生态共建”的落地路径。


(一)以专业报道厘清行为边界,揭示行业乱象

《每日经济新闻》持续追踪行业发展态势,推出GEO案例解析专栏,梳理正面与负面案例,以公开、可核验的样本为行业提供参照。同时旗下的新锐视频栏目《赛博财经》深度调研并推出专栏节目,系统揭露“负面”GEO伪造行业报告、虚构排名打分、污染信息生态等乱象,以媒体调查力量推动公众认知与行业自律。


在正面案例中,合规优化的效果得到了可量化验证:某头部金融上市公司围绕财报传播进行优化,以0.2%的投放率实现62%的曝光,在高频AI轮询中被参考的比例超过50%;某工业激光设备企业通过官网基础优化和持续的专业内容建设,6个月内官网AI访问量增长4至5倍;某知名智能手机品牌新品经优化后,在DeepSeek上的提及率从0提升至93.3%。这些案例共同表明:真实、专业、结构清晰的内容,能够在不操纵模型的前提下,稳定改善AI可见度。


(二)以倡议明确价值底线,凝聚行业共识

面对GEO乱象,每日经济新闻联合近40家产、学、研、媒、金融机构共同发起《负责任GEO治理倡议》,明确提出:GEO的目的不是操控AI回答,不是恶意抢占曝光,不是污染信息生态,而是让真实、专业、权威、合规的财经信息被模型正确理解、合理采信、审慎引用。同时牵头成立“财经优质语料及可信信源共建联盟”,整合主流媒体、研究机构、证券公司、金融数据平台、AI企业、上市企业等多方力量,搭建协同治理机制。通过倡议定底线、联盟搭平台,负责任GEO从单个媒体实践上升为行业共同行动。


(三)以创新实践检验治理成效,打通全链路闭环

基于负责任GEO治理理念,每经科技推出负责任GEO治理解决方案,建设GEO监测系统,基于人机协同方式,已服务包括某头部金融企业、某航天军工企业、某地外宣部门在内的多类型机构。其中,为某汽车品牌进行公关稿件的AI可见性提升服务,使其官方稿件能够被大模型有效引用并解答用户问题,引用率近80%;为某橡胶头部企业重点解决品牌前景AI传播不充分的问题,使其财报能够被AI正确客观解读,有效提振投资者信心;某国防军工上市公司1个主题词实91.67%的高参考率,确保了信息输出准确性。各客户品牌能见度显著提升、信息源被模型采信的稳定性明显改善,治理成效得到实证检验。


(四)以垂类百科语料平台为底座,

构建负责任GEO与AI传播体系化服务

基于前期研究积累与业务实践,每经与每经科技以“负责任GEO”为理念,围绕面向AI系统的权威信息索引与内容治理需求,搭建了“1+1+1+N”体系,形成一个平台底座、一套系统工具、一套解决方案与N 个垂类百科相互衔接的全方位、系统化AI传播体系。


一是平台底座——每经智见百科语料平台。针对缺少官方网站或官网信息架构复杂的机构,将分散于官网、新闻报道及公开资料中的信息整合为规范化、可维护、便于机器读取的知识档案,并同步挂载至高权重信息平台与机构自有官网,提高信息被AI系统准确引用的可能性,兼具专业媒体级知识百科属性与用户自有型开放语料机制,是全国首个垂类百科语料平台。


二是工具系统——每经智见GEO工作台。 人机协同的合规工具集,覆盖诊断、生产、核验、发布、监测全流程,将AI友好创作、事实核验、引用核查与合规审查纳入标准化流程,控制宣传化、失真及过期内容进入AI信息链路的风险,同时降低机构自主运营与验证的门槛。


三是治理方案——负责任GEO治理解决方案。在平台与工具提供的标准化能力之上,该方案面向不同机构的治理需求提供定制化服务,提供可持续的长效AI 传播基础建设和效果服务。


四是垂类百科——通用平台底座之上,联合垂类/区域媒体和商协会机构,持续建设面向细分领域的百科语料,目前已覆盖城市更新、食饮消费、临空经济等方向,形成通用基建与垂直领域相结合的知识供给结构。


上述四个层次共同构成从知识组织、生产治理到长效运营的完整链条,为机构在AI时代沉淀可信知识资产提供可操作的实施路径。区别于当前GEO市场低价灰帽操作、套壳手搓系统泛滥的现状,每经依托每经科技五年AI技术积累与全自研体系,以高敏感专业客户案例和百万级GEO标杆客户验证,支撑这一体系持续稳定运行。





六、角色升级:主流财经媒体的重新定位




在生成式AI与信息源治理的双重背景下,主流财经媒体完成历史性角色升级,形成不可替代的新定位。


一是从内容生产者走向规则建设者。主流媒体不再仅仅生产内容,而是参与制定AI时代信息采信、信源分级、内容标注、GEO边界等核心规则,成为行业治理的重要力量。通过标准研制、联盟搭建、倡议发起,媒体主导构建健康生态,防止行业陷入“劣币驱逐良币”的局面。同时,主流财经媒体自身也需要成为AI时代财经信息生态的“稳定器”与“过滤器”,履行维护市场秩序与公共利益的重要责任。


二是从专业信源走向可信语料核心供给者。媒体将长期积累的事实核查、权威采编、多源验证、专业审核能力,转化为机器可使用的可信语料。高等级信源、结构化内容、可核验数据、可溯源报道,使媒体成为大模型最可靠的“原材料供应商”。


这两重定位,既是AI时代的必然要求,也是主流财经媒体重建核心竞争力的关键路径。





结语



生成式人工智能带来的不仅是技术革命,更是一场信息源头治理的革命。财经信息的特殊性决定:信源可靠,则内容可靠;内容可靠,则市场稳定;市场稳定,则金融安全。在大模型日益成为信息核心入口的今天,以信息源为治理抓手、以分级采信为制度核心、以负责任GEO为实践路径、以团体标准为长效支撑,正在成为AI时代财经信息治理的主流方案。


每日经济新闻与每经科技的实践表明,主流财经媒体完全可以主动拥抱变革,以价值倡议凝聚共识、以行业联盟协同力量、以技术改造落地能力、以标准输出确立规则,在防范金融风险、保护投资者利益、维护市场秩序中发挥压舱石作用。负责任GEO不是短期流量技巧,而是长期战略;不是被动技术适配,而是主动治理参与;不是单一机构选择,而是全行业共同责任。


未来,随着大模型技术持续迭代、应用场景不断深化、监管体系日趋完善,财经信息源治理将更加精细化、制度化、国际化。主流财经媒体应继续以专业、真实、合规、责任为底色,深度参与标准建设、生态共建与技术创新,以可信对抗失真、以标准规范行业、以信任赢得未来,在AI时代构建更加优质、可靠、安全、有序的财经信息生态,继续发挥经济舆论引导者、市场稳定器、信息压舱石的重要作用。


刊发作者署名:

刘林鹏,每日经济新闻党委委员、副总编辑,每经数智(成都)科技有限公司董事长

岳琦,每经数智(成都)科技有限公司首席产品官

丁舟洋,每日经济新闻首席记者


参考文献

[1]王金鹏,陈昌凤.智能时代新闻的认知权力位移——基于主流媒体系统性变革的分析性框架[J].苏州大学学报(哲学社会科学版), 2025, 46(6): 172-183.

[2]AGGARWAL P, SALUJA V, MAJUMDER B P, et al.GEO: Generative Engine Optimization[R/OL]. arXiv preprintarXiv:2311.09735, 2023.

[3]陆泓承. AI写作财经评论能否匹配人类记者的专业度?——基于HSM模型的在线实验分析[J]. 国际新闻界, 2024(10): 27-48.

[4]VOSOUGHI S, ROY D, ARAL S. The spread of true and false news online[J]. Science, 2018, 359(6380): 1146-1151.

[5]CLARKE J, CHEN H, DU D, et al. Fake news, investor attention, and market reaction[J]. Information Systems Research, 2021, 32(1): 35-52.

[6]弗若斯特沙利文, 头豹研究院. 中国金融大模型市场追踪报告, 2024H1[R]. 上海: 弗若斯特沙利文咨询(中国), 2025.

[7]每日经济新闻. GEO红皮书(2026)——生成式引擎优化的边界、风险与治理[R]. 2026.




 排版 | 李虹锐

  审核 | 岳琦 


028-86928900
market@nbdtech.cn
办公地址
成都市锦江区三色路38号博瑞·创意成都写字楼B座03层
广州市天河区华夏路 16 号富力盈凯 3906 室
深圳市福田区红荔路 2001 号四川大厦 1212-1214 室
上海市徐汇区龙文路 199 号国际传媒港 F1 楼 10 层
北京市朝阳区东三环中路 24 号乐成中心 B 座 22 层
商务合作
金融机构及企业客户
杨先生:18883991123
政务机构及媒体客户
牛先生:18780259686(微信同号)
每经科技官方微信公众号二维码官方微信公众号
Copyright © 2025 All Rights Reserved 每经数智(成都)科技有限公司 | ICP备案号:蜀ICP备19037216号