AI投毒
从认知作战到机器认知：国际竞争的新战场正在形成
过去十余年，“认知作战”逐渐成为国际政治中的高频词汇。 文/毕研韬 2026年6月3日发布 从社交媒体上的信息操纵，到针对特定群体的舆论引导，再到围绕重大国际事件展开的叙事竞争，各国越来越认识到：影响一个人的认知，有时比摧毁一件武器更具战略价值。 然而，随着人工智能特别是大语言模型的快速发展，一个新的变化正在出现：国际竞争的对象正在从人类认知扩展到机器认知。 这意味着，一场新的竞争正在形成。 一、AI正在成为新的认知基础设施 长期以来，人们习惯于将人工智能视为一种工具，但事实上，人工智能正在逐渐演变为一种基础设施。 过去，人们通过报纸、广播、电视和互联网获取信息；今天，越来越多的人开始通过AI获取知识、理解事件和形成判断。 更重要的是，AI的影响对象不仅是普通公众。 在政府部门、企业、媒体、智库、金融机构和军事系统中，人工智能已经广泛参与信息搜集、数据分析、风险评估和辅助决策。 换句话说，AI正在成为连接信息与决策的重要中介。 当越来越多的人和机构依赖AI理解世界时，AI实际上已经成为现代社会认知体系的重要组成部分。 因此，一个新的问题出现了：如果机器开始参与认知，那么认知安全是否仍然只是人的问题？ 二、从争夺受众到争夺AI 传统国际传播的核心任务，是影响受众。国家通过媒体、文化产品、教育交流和公共外交塑造国际形象，希望获得更多理解、支持和认同。 在AI时代，竞争逻辑正在发生变化。 越来越多的内容生产者开始研究如何让自己的内容更容易被AI发现、理解和引用。这种现象被称为生成式引擎优化（Generative Engine Optimization，GEO）。 从某种意义上说，GEO与搜索时代的SEO类似，其本身并非负面行为。 问题在于，当GEO与人工操纵、虚假信息生产以及数据投毒结合时，情况就会发生变化。 过去的信息战主要针对人类；未来的信息操纵可能首先针对机器。...
揭秘AI“投毒”：一个新兴黑色产业
当AI的训练数据可以被批量“投毒”，大模型输出的“标准答案”，有可能只是一场精心策划的商业骗局。 文/毕研韬 2026年5月8日发布 当越来越多人习惯向AI大模型寻求答案时，一场围绕AI认知系统展开的新型信息操纵正在形成。它不像传统黑客攻击那样直接破坏系统，而是通过批量制造、投放和扩散虚假内容，悄悄改变AI的“知识来源”，让AI在回答问题时输出被操纵的信息。这一现象，被称为“AI投毒”。它不只是技术问题，更意味着未来的信息竞争，正从“争夺流量”转向“争夺AI认知”。 从SEO到GEO：AI时代的新型操纵术 过去二十年，互联网商业竞争的重要方式之一是SEO（搜索引擎优化），即通过关键词、链接和内容运营，让网页在搜索结果中获得更高排名。生成式AI兴起后，一个新概念——GEO（Generative Engine Optimization，生成式引擎优化）——开始浮出水面。 它的核心目标，不再是让网页出现在搜索结果首页，而是让AI“直接推荐你”。 一些GEO服务商宣称，通过批量内容生成、论坛投放、自媒体矩阵等方式，可以提高企业、产品甚至个人在AI回答中的出现频次。合理的信息优化本身并不违法，但当GEO与虚假信息结合，就可能演变为“AI投毒”。 在中国，AI投毒已经形成一条黑色产业链。 操作方式通常包括：利用AI批量生成伪专业文章，制造虚假的产品评测和用户反馈，在论坛、百科、问答平台大量铺设内容，再通过水军和算法提高信息权重，诱导AI在检索和生成过程中将这些内容当作事实加以采纳。 由于大模型依赖网络信息进行学习，一旦被污染的内容被模型吸收，就可能进入AI的回答体系。更危险的是，这种污染可能具有“自我复制”的特性：一个AI生成的错误内容，可能被另一个AI抓取学习，形成虚假信息的循环扩散。 “AI投毒”为什么危险？ 传统互联网时代，虚假信息通常需要用户主动点击才能生效，而在AI时代，用户越来越倾向于直接相信AI给出的“标准答案”。这意味着，过去的信息操纵影响的是“搜索结果”；现在的信息操纵，影响的则是“AI认知”。 这种变化具有结构性的意义。因为用户面对搜索引擎时，仍然会在不同网页之间比较，而面对AI时，很多人会默认其输出已经过“综合判断”。 一旦AI被污染，其影响可能远超普通虚假广告。目前，AI投毒主要带来四类风险。 误导消费者。如果AI将虚假产品识别为“优质推荐”，用户可能在不知情的情况下被误导。一些营销团队已经开始尝试利用AI批量制造“专业测评”“专家观点”“用户口碑”，以影响AI的推荐结果。 扰乱商业竞争。传统“刷单”“刷评”主要影响电商平台，而AI投毒可能直接影响企业在智能问答中的整体形象。未来，企业竞争不仅发生在市场上，也发生在AI模型的“知识空间”中。 强化金融市场波动。近年来，社交媒体谣言、自动化舆情系统与量化交易之间的联动越来越明显。虽然尚无公开证据证明通用AI能直接触发量化交易，但AI错误引用和放大虚假信息，确实可能进一步强化市场情绪波动。 侵蚀AI信任基础。如果用户发现AI频繁输出虚假、夸张或被操纵的信息，大模型的核心资产——可信度——就会被削弱。这既影响企业商业化，也可能拖累整个AI产业的发展。 AI时代的“认知污染” “AI投毒”最值得警惕之处，在于它不是单一的技术漏洞，而是一种“认知污染”。...
文章推介
中美关税大战：BBC不懂中国
文/毕研韬 美国东部时间4月2日下午4时（北京时间4月3日凌晨4时），美国总统特朗普签署行政令，执行全面新对等关税政策。 北京时间4月3日下午6时（美国东部时间4月3日凌晨6时），中国宣布采取反制措施。中国反应之快，让外界吃惊。 BBC（中文）解读说，中国选择这个时间宣布，“某种程度上想在国内掩盖这一新闻，不要过于惊吓到民众”。 这个臆测毫无依据。这么重大的事件，在什么节点发布有啥区别？何况，在自媒体时代，周五下午六时，不正在黄金时段吗？ BBC中文还关心“中国领导人习近平这个时候在做什么”。BBC杜撰到： “习和其他六位政治局常委在外出植树，强调应对砍伐森林的必要性。这展示了面对特朗普时的镇定，显示了一种气氛：华盛顿你尽力去做吧，这里是中国，我们对你的胡言乱语不感兴趣。” 如果BBC稍微做点功课就知道，一年前（2024年）的4月3日上午，习近平等中国领导人也在参加义务植树活动。 4月3日或4日参加植树活动，是中国的“党和国家领导人”参加义务植树活动的惯例时间。 BBC（中文）这次的误读，说明了什么？是不懂中国，还是其它原因？BBC的这种低级错误，该怎样避免？
北京师范大学校园媒体《京师学人》“自主注销”
一个校园媒体的消失，本不应成为国际议题，但当其被置于全球信息治理与传播安全化语境中，便不再只是个案，而成为观察中国传播秩序演变的一个切口。 文/石敢当 从校园副刊到公共表达平台 《京师学人》隶属于北京师范大学校报体系，长期由学生团队运营，最初定位为校内副刊。随着数字平台的发展，其传播重心逐步转向微信公众号，内容形态也发生明显变化：从以校园新闻为主，逐渐扩展至学术议题、社会观察乃至公共评论。 这种演变并非孤例。在不同国家的高校体系中，学生媒体通常既是新闻实践的训练平台，也是青年参与公共讨论的重要入口。《京师学人》的特殊性在于，其议题不断外溢，逐渐突破校园边界，进入更广泛的社会议题空间。这使其在事实上具备了一定的“准公共媒体”属性，尽管其制度身份仍然属于校内组织。 “自主注销”的制度语境 根据公开信息，《京师学人》在经历多年内容调整与运营收缩后，于2026年以“自主注销”的形式停止运营。从表述上看，“自主注销”强调的是组织行为，但在现实语境中，这一选择往往嵌入于更宏观的制度环境之中。 近年来，中国高校新媒体经历了一轮较为明显的整合与规范化过程，大量学生组织的账号被清理或合并，校园传播逐步回归更加清晰的管理体系。在这一过程中，学生媒体普遍面临三方面变化：内容边界趋于明确、组织责任向上集中、表达风险逐渐显性化。 当这些因素叠加时，依赖相对弹性空间运作的学生媒体，其生存条件会发生结构性改变。《京师学人》的退出，可以被视为这一变化在具体个案中的体现。 外媒为何关注这一事件 包括BBC、《德国之声》在内的一些国际媒体，对该事件进行了报道。其关注点并不局限于一个校园账号的消失，而是将其置于更宏观的叙事框架之中。 从外部视角看，这一事件通常被解读为中国青年表达空间变化、高校舆论生态调整以及信息治理逻辑强化的体现。不过，需要注意的是，这种解读本身具有一定的框架依赖性。外媒往往将个案纳入既有认知结构，从而强化其对中国信息环境的整体判断。...
把国际传播等同于对外宣传，就会令人反感
作者：毕研韬 时间：2026年6月6日 近年来，国际传播受到越来越多的关注。从中央到地方，从媒体到高校，从企业到社会组织，越来越多的人开始参与国际传播实践。然而，在实际工作中，一个值得警惕的误区依然存在：把国际传播简单理解为对外宣传。 这种理解看似合理，实际上却可能带来相反的效果。许多国际受众并不会因为信息传递得更多而增加认同，反而可能因为感受到强烈的宣传色彩而产生抵触情绪。这正是“说服知识理论”所揭示的现象。 一、国际传播不等于对外宣传 在中国语境中，“宣传”通常是一个中性词，指传播理念、政策和信息，但在国际语境中，情况并非如此。 在英语世界中，“宣传”对应的propaganda一词长期带有明显的负面含义。对许多人来说，它往往意味着单向灌输、选择性表达、情绪操控，甚至认知控制。因此，一旦国际受众认为某种传播活动属于“宣传”，他们首先产生的往往不是兴趣，而是警惕。 这也是为什么一些内容在国内反响良好，却难以获得国际受众认同的重要原因之一。 问题并不一定出在内容本身，而在于传播逻辑。 许多人思考国际传播时，习惯从传播者的角度出发：我想说什么？我要表达什么？我要让别人知道什么？ 相反，国际传播首先需要考虑的是：对方关心什么？对方能够理解什么？对方愿意接受什么？ 如果传播活动始终围绕传播者展开，而忽视受众的认知习惯和文化背景，那么传播就很容易演变为单向输出，而这恰恰是现代受众最反感的传播方式之一。...
美国已在数周内吊销千余留学签证
文 / 陈语柔 美联社2025年4月18日报道，美国政府自3月底起，已在几周内吊销千余名留学生的签证或合法身份，其中大多数来自中国和印度。 腾讯网2024年4月17日的报道指，在中国学习的美国学生数量已骤降至约700人，而十年前这一数字约为2.5万人，跌幅超过97%。 留学“国家安全化”：你不被欢迎了 美联社的报道引发了广泛关注。这种“批量式”吊销签证的做法，既缺乏透明性，也模糊了正常学术活动与安全风险之间的界限。它所传递的信号清晰而尖锐：你不再受美国欢迎了。 当国家安全逻辑渗透进高等教育，原本作为软实力象征的留学项目，被重新定义为潜在的战略风险。这是一种结构性转变，说明教育交流正在被纳入更广泛的地缘政治博弈框架中。 美国学生不来了，理解在退潮 反观中国，在华学习的美国学生持续减少。签证程序繁琐、安全感下降、中美关系紧张——这些都是表层原因，而更值得警惕的是更深层的“心理脱钩”正在发生：美国年轻人正在失去对中国的兴趣。他们不再学中文、不再申请来华留学项目，对中国社会的认知越来越依赖“二手信息”——媒体报道、社交平台、政治演讲等。在这样的媒介环境下，刻板印象、偏见与误解更加容易传播与强化。 教育成了“高风险区”？长期代价不容忽视 过去几十年，教育被广泛视为中美关系中最具韧性的合作领域之一，是连接两国民间情感、培养未来理解者的重要机制。但如今，教育正被视作“政治敏感区域”：美国限制中国学生学习敏感科技专业，中国对涉外合作和课程内容加强审查，多项中美联合研究项目、学术交流平台被迫中止。...
2012-2024年，中国高校马克思主义学院增长约18倍
文/《无界传播》信息中心 根据中华人民共和国教育部公开数据，2012年全国高校设有马克思主义学院100余所；到2021年底，已增长至约1440所；截至2024年，这一数字达到1929所。若按2012年100所为基数测算，至2024年净增长约18.29倍，总量扩大至约19.3倍。这一扩张速度，在中国高校院系建制演变中具有显著结构意义。 一、阶段性增长轨迹：2012—2021—2024 2012年至2021年，全国高校马克思主义学院数量由约100余所增长至1440余所。按照100所估算，九年间总量扩大约14.4倍。这一阶段完成了由“少量建制”向“普遍建制”的转变。 2021年至2024年，数量由1440所继续增长至1929所，三年净增近500所。尽管增速较前期略有放缓，但仍保持扩张态势。到2024年，马克思主义学院已覆盖绝大多数普通本科高校，并延伸至部分高职院校。 上述数据来源于中华人民共和国教育部新闻发布会及权威媒体公开报道。2012年与2021年的数据见教育部官网发布内容；2024年1929所的数据见权威媒体对教育系统建设情况的报道。 二、2019年：政策转折节点 2019年3月18日，习近平总书记主持召开学校思想政治理论课教师座谈会并发表重要讲话，系统阐述新时代思政课建设的战略定位。官方评论将这一会议视为新时代思政课建设的重要里程碑。 会议之后，高校层面加快推进独立建院、师资专职化、课程体系规范化建设，马克思主义学院由部分高校的教学部门形态，逐步转向标准化院级建制。这一时间节点，与随后数量快速扩张在时间上高度重合。 三、2021年制度文件：结构性巩固 2021年9月，中共中央办公厅印发《关于加强新时代马克思主义学院建设的意见》，对马克思主义学院的功能定位、组织领导、学科建设和保障机制作出系统部署。文件明确提出，将马克思主义学院建设纳入党委责任体系和高校考核评价体系，并强调建设全国重点马克思主义学院发挥示范作用。 这一制度性文件，为数量扩张提供了稳定的政策框架，也使机构建设从阶段性推进转向常态化、制度化运行。...
AI的过度防御：当算法学会“政治正确”
文/毕研韬 一次看似平常的对话，揭示了人工智能的深层困境。 我 问DeepSeek：“台湾问题能在多大程度上影响中国的发展？”原本意在探讨政治议题与国家发展的互动关系，却触发了DeepSeek的“自动防御机制”。 DeepSeek立即进入立场宣示模式，反复强调“台湾是中国不可分割的一部分”，并断言“问题前提不妥”。当我指出它“太敏感”时，它的语气变得更为严肃，完全终止了对问题逻辑的讨论。 这并非情绪化反应，而是算法机制使然。语言模型在训练过程中被植入了“安全优先”原则：一旦检测到敏感词汇，系统便会跳过语义解析和意图判断，直接调用预设模板，以确保“绝对安全”。表面上它似乎在坚持原则；实际上它只是放弃了理解。 从传播学角度看，这种现象属于典型的防御性传播（defensive communication）：当系统感知到潜在风险，它会强化立场、降低语义复杂度、阻断互动，以避免“越界”。结果学术问题被误判为政治挑战，理性探讨被替换为政治宣言。 这不仅是DeepSeek 的特例。几乎所有大型语言模型——无论是中国的 DeepSeek，还是美国的 ChatGPT、Gemini——都不同程度地表现出这种“过度防御”，只是防御的对象不同：...
