Google 搜索控制台灰度推出 GEO 报告:站长侧的生成式 AI 优化闭环正在成形

本文由 莫潇羽@无忆研习社(www.wuyi.wiki) 撰写,转载请注明出处。

快速摘要

如果你只想要一个结论:Google 已经在 Search Console(以下简称 GSC)里灰度推出了"Search Generative AI performance reports",这是站长侧第一次拿到 AI Overviews、AI Mode 和 Discover 里生成式 AI 功能的独立可见度数据。

核心信息一次说清:

• 这份新报告 2026 年 6 月 3 日 正式公布,目前是按"一部分网站"的方式分批开放,从英国先行,再向全球铺开,所以多数站长账号里现在还看不到。
• 当前提供五类数据:曝光次数(Impressions)、页面(Pages)、国家(Countries)、设备(Devices)、时间维度(Dates);还没有点击、CTR、查询词/提示词。
• 同期上线的还有一个 opt-out 开关,允许站长选择不出现在 AI Overviews、AI Mode 和 Discover 里的 AI 答案中,而且 Google 明确说不会拿这个开关来当排名信号。
• 站长侧的"GEO 运营闭环"开始成形了:从 GEO 分析、内容打磨、数据收集到效果复盘,以前要靠第三方工具拼凑的链路,正在被官方接管。
• 同时间窗口里还有两件大事:Google 在 5 月 15 日发布了官方 GEO 指南,微软在 Build 2026 上发布了 Web IQ。三件事拼起来,基本可以看出未来一两年生成式 AI 搜索优化的底层逻辑。

底层判断:GEO 不是另起炉灶,而是 SEO 在生成式 AI 时代的延伸。把可抓取、可索引、E-E-A-T、内容独特性这套底子打牢,才是真正能跑长线的路径。

想看完整拆解、五大要点逐条详谈、Web IQ 对 GEO 的底层冲击,以及站长侧具体怎么落地,往下翻。

一、GSC 灰度推出 GEO 报告:GEO 运营闭环正式落地

1.1 GSC 这次到底更新了什么

先把时间线拉清楚。

2026 年 6 月 3 日,Google 通过 Search Central Blog 官宣了一个叫 Search Generative AI performance reports 的新报告。从命名就能看出 Google 的态度:这是一份独立报告,而不是塞在原有 Performance 报告里的一个新维度。

我自己折腾下来的理解,这一次更新有三个层面:

第一层,它把"AI 搜索"作为独立流量通道单独建账了。以前 AI Overviews 的曝光是和普通搜索结果搅在一起的,你看到一个 impressions 数字,根本分不清里面到底有多少来自 AI 答案区域、有多少来自普通蓝链。现在,Google 在 GSC 里专门拉了一块出来,Search(包含 AI Overviews 和 AI Mode)和 Discover(包含 Discover 里的 AI 功能)各有一份单独的报告。

第二层,这是站长第一次拿到"被 AI 引用"的官方数据。以前我们做 GEO,主要靠手动检索、第三方工具模拟、samples 抽样来推测自己的内容是不是被 AI 答案区采用了。一句话:没数据,全靠猜。这次更新意味着,猜的阶段算是过去了一半。

第三层,它在告诉你 Google 自己怎么看 AI 搜索。这一点最容易被忽略。当 Google 愿意为一个功能单独造一个报告,而不是再加几个筛选维度,基本就意味着 Google 内部把它视为长期、独立的产品线,而不是 Search 的临时挂件。这对站长来讲是好消息——它至少说明 AI 搜索短期内不会"忽然没了"。

值得多说一句的是,GSC 这次还附带了 Discover 的 AI 报告。Discover 在中国大陆几乎没什么存在感,但在海外移动端流量里,它是仅次于 Search 的二号入口。如果你做的是外贸站、英文内容站,这块数据也值得盯一下。

1.2 5 个核心指标逐条拆开看

新报告目前给的五类数据,看起来朴素,其实每一个都需要扒一扒它的真实含义。

我自己最看重的是 Pages 这一维。

为什么?因为它直接回答了一个我一直想知道的问题——到底什么样的页面更容易被 AI 引用。当你能看到自己网站里被引用次数最多的几个 URL,再回过头去对照它们的内容特征(段落结构、信息密度、是否带原创数据、是否带第一人称体验),你就能反推出一份属于自己网站的"AI 友好内容画像"。这件事第三方工具是给不了你的,因为它们看不到 Google 内部对 AI 引用的真实计次。

Impressions 这个指标看起来直白,但要小心解读。Google 自己解释过,AI 功能里的"曝光"和传统搜索结果里的"曝光"逻辑并不完全一致。AI Overviews 是答案块的形式,引用源以小卡片或链接形式呈现,有时候用户点开"展开"才能看到完整引用列表。也就是说,一次"曝光"不一定等于一次"被看见",得结合点击数据(虽然现在还没给)综合判断。

Devices 和 Countries 这两块,如果你是单语言、单区域站点,基本可以快速扫一眼就过。但如果你的内容覆盖多语言或多地区,这两个维度反而很关键——AI Overviews 在不同国家的触发频率差异很大,而设备维度可以告诉你,移动端和桌面端的 AI 搜索习惯有没有差异。

Dates 维度的小时级粒度,我个人觉得是隐藏惊喜。它意味着你能看到一篇内容发布之后,AI 在多少小时内开始抓取并采用它,做新闻类、时效类内容的站长会对这个数据非常敏感。

1.3 还缺什么:点击、查询词、提示词

这份报告目前不提供点击数据、CTR,也不提供触发 AI 答案的查询词/提示词。Google 的原话是,后续会"随时间推移补充更多指标"。

这就是这份报告最大的短板。

我把它分成两个层面看:

点击数据的缺失,影响"效果归因"。如果只有曝光没有点击,你只能知道自己"被看见",但没法判断"被看见之后用户有没有动作"。AI Overviews 时代,"零点击搜索(zero-click search)"已经是常态,用户在 AI 答案区拿到结论就走的比例显著上升。没有点击数据,GEO 这件事的 ROI 就很难量化。

查询词/提示词的缺失,影响"内容反推"。GSC 里 Search 报告原本就有 Queries 维度,这是 SEO 选题最重要的数据源之一。在 AI 搜索时代,触发 AI Overviews 的查询词比传统搜索词更有价值——它告诉你 AI 倾向于在什么类型的提问上调用生成式答案,而这正是 GEO 选题需要紧盯的方向。现在没有这块数据,等于断了一只眼睛。

不过我并不悲观。Google 自己在公告里说了会持续补充指标,加上监管这条线在英国 CMA 那边催着,大概率下半年到 2027 年之间,这些缺失数据会逐步补齐。现阶段就把它当成"基础视图"用,别指望它能立刻替代你的整套 GEO 监测。

现阶段 GSC GEO 报告的能力地图:
  能干 ─┬─ 看哪些页面在 AI 答案里露脸
        ├─ 看 AI 曝光趋势随时间的变化
        ├─ 看不同国家/设备的 AI 可见度差异
        └─ 看哪些类型的内容更"上镜"
  不能干 ┬─ 看 AI 曝光带来了多少点击
         ├─ 看具体哪条 query 触发了你的 AI 曝光
         └─ 看不同 AI 功能(Overviews vs AI Mode)的拆分

1.4 同期上线的 opt-out 开关:背后是监管推动

很多媒体在解读 GSC 这次更新时只关注报告本身,忽略了一个同样关键的细节——Google 同期还上线了一个 opt-out 开关,允许站长选择"不出现在生成式 AI 功能里"。

这个开关具体管三件事:不出现在 AI Overviews、不出现在 AI Mode、不出现在 Discover 里的 AI 答案中。一旦开启,这三类入口都不再展示你的内容。普通搜索结果和 Discover 信息流仍然正常显示,不受影响。

最关键的一句官方表态:这个开关不会被用作搜索排名信号。也就是说,你勾选了"退出 AI",并不会因此在普通搜索里被降权。

这背后是英国 CMA(Competition and Markets Authority,英国竞争与市场管理局)在 2024 年通过的《Digital Markets, Competition and Consumers Act 2024》施加的强制要求。监管层第一次在法律层面要求搜索引擎给出版商一个"真正的退出权",而不是夹在拒绝抓取和接受 AI 抓取之间的尴尬选择。

要把这个 opt-out 开关和已有的两个工具区分清楚:

• Google-Extended:控制 AI 模型训练,但不影响 AI Overviews 的引用。
• nosnippet:拒绝 AI 功能,但也会顺手砍掉你普通搜索结果的摘要片段,会大幅降低 CTR。
• 新的 GSC opt-out 开关:唯一一个能干净退出 AI 功能、但不影响普通搜索摘要的工具。

这件事对中文站长的实操价值有限——大部分中文站长更想被 AI 引用,而不是退出。但它至少说明一件事:未来站长对自己内容如何参与 AI 生态,会拥有越来越细的控制权。这是一个长期信号。

1.5 为什么我现在还看不到这个报告

最现实的问题:打开自己的 GSC,完全找不到"Generative AI performance reports"这个入口,是哪里出错了?

大概率没错,只是还没轮到你。

Google 这次走的是非常典型的"灰度发布"流程:先从英国部分网站开始,验证数据准确性、收集站长反馈、修复显示 bug,再逐步扩大到全球。这种方式在 Search Console 历史上的大功能更新里都是常规操作,GA4、Discover 数据、品牌词过滤都是这么放出来的。

如果你现在打开 GSC 看不到这份报告,有三种可能:

1. 你不在首批灰度范围内(最常见)。
2. 你的站点在 GSC 里的属性是"非验证拥有者(Owner)"权限,部分新功能默认只对 Owner 开放。
3. 你的站点近 90 天内完全没有任何在生成式 AI 功能里的曝光(报告需要有数据才会展示)。

要做的事很简单:保持耐心,继续做好 GEO 基础工作,等 Google 把灰度铺到你的账户。这件事我们着急没用,等了这么多年都等了,再等几周到几个月不影响什么。

顺带提一句,Bing 那边其实早就有 AI 性能报告,而且全球可用。如果你的站点也在 Bing Webmaster Tools 里做了验证,可以先去那里把 AI 数据看起来,Bing 提供的字段(引用次数、grounding 查询词)甚至比 Google 目前给的还要细。这个过渡方案,我自己也在用。莫潇羽@无忆研习社这边的几个测试站,主要靠 Bing 的数据做交叉验证,等 Google 数据补齐再切回主轴。

二、Google 官方 GEO 指南:5 大要点深度拆解

时间往回拨一个月。2026 年 5 月 15 日,Google Search Central 发布了一份叫 《Optimizing your website for generative AI features on Google Search》 的官方指南。这是 Google 第一次以"正式文档"的形式,系统说明站长应该怎么应对生成式 AI 搜索。

这份指南分五个部分,行业里已经有不少解读。我这里不堆原文,而是按我自己实操下来感受最深的 5 个要点重新组织——既覆盖原文的核心信息,也补一些站长视角的判断。

2.1 要点一:GEO 也好,AEO 也好,底层还是 SEO

指南里有一句话很关键——大意是,生成式 AI 功能仍然建立在 Google 搜索的核心排名和质量系统之上。

翻译成站长能听懂的话:如果你的页面被抓不到、被索引不到,或者质量被 Google 判定为低,那么它在 AI Overviews 里被引用的概率,基本等于零。

这一条其实是给市面上"GEO 玄学"泼了一盆冷水。

过去两年,但凡你打开微信公众号或者 LinkedIn,都能看到一堆所谓的"GEO 专家"在卖各种"独门秘籍":有人说要专门做 llms.txt 文件,有人说要把内容切成超小段(content chunking),有人说要为 AI 单独写一版内容,有人说要堆特定的结构化数据 schema,还有的把这些东西打包做成几千上万的付费课程,姿势花哨,效果存疑。

Google 这次直接给出官方答复,这些动作"可以忽略"。原文用的词是 "can ignore",非常强硬:

• 不需要做 llms.txt 文件,Google 爬虫会发现这些文件,但和普通文本文件一样,没有"特殊指数化通道"。
• 不需要做内容切块,Google 自己有切块逻辑,你手动切了反而可能影响理解。
• 不需要给 AI 单独写内容,只会重复劳动。
• 不需要为 AI 添加专门的 schema.org 标记(这一条下面单独讲)。

我自己的判断更直白:"GEO" 这个词的存在主要是市场术语,不是技术术语。从 Google 的视角看,优化生成式 AI 搜索 = 优化搜索体验 = 还是 SEO。

那为什么我还在用 GEO 这个词?因为它确实在表达一件具体的事:在生成式 AI 搜索时代,SEO 的工作重心从"争排名"变成了"争被引用"。这种工作重心的迁移值得有一个独立标签,叫 GEO 也好、叫 AEO(Answer Engine Optimization)也好,本质都是同一件事。

莫潇羽@无忆研习社这边的判断:不要纠结术语,要纠结动作。GEO/AEO 的术语让人焦虑,但底子的动作只有一句话——持续提供"独特、专业、有价值"的内容。这件事在 SEO 时代成立,在 GEO 时代依然成立。

2.2 要点二:查询扇出(Query Fan-out)是新一代关键词

这是整份指南里最有技术含量的一个概念。

先解释清楚什么是"查询扇出"。Google 官方原文是这么描述的:当模型收到一个用户查询时,会同时生成一组相关的"扇出查询(fan-out queries)",每一个扇出查询都会单独到搜索索引里去取一批结果,最后把所有结果汇总,生成给用户的答案。

举个例子。用户搜的是:"how to fix a lawn that's full of weeds(草坪上长满杂草怎么处理)"。

Gemini 会自动生成几条扇出查询:

原始查询:草坪上长满杂草怎么处理
  ├─ 扇出查询 1:除草剂哪种适合家庭草坪
  ├─ 扇出查询 2:无化学方式除草的方法
  ├─ 扇出查询 3:如何预防草坪长杂草
  └─ 扇出查询 4:春秋两季草坪护理时间表

每一条扇出查询都会去搜索索引里独立取一批结果,最后这些结果会被融合到一个综合答案里展示给用户。

这件事对 SEO 思维冲击巨大。

过去的 SEO 思维:一个核心关键词,争一个 top 10 的排名,然后等用户点进来。整个链路是"线性的、一对一的"。

查询扇出之后的 SEO 思维:同一个用户查询,会被 AI 拆成多个子查询,你的内容只要在任何一个子查询里被认定为"最佳证据",就有机会被 AI 答案区引用——哪怕你在那个原始查询里的排名不在前十。

这是一个非常重要的判断:一个原本排第 5、第 8 的页面,只要里面有一段写得特别好的、关于具体子话题的段落,完全有机会绕过排名直接被 AI 引用。

这从根本上改变了内容策略。

以前:写一篇文章,核心目标是覆盖一个主关键词,把它的核心关键词密度做上去。

现在:写一篇文章,核心目标是全面覆盖这个话题的主问题和所有合理的子问题,让自己的内容在 AI 的扇出过程里,至少有一段是 AI 找到的"最佳证据"。

实操层面我归纳了三件事:

第一,内容要覆盖"主问题 + 子问题"全集。写一篇文章之前,先列出这个话题用户会问的所有相关问题——主问题、衍生问题、操作细节、对比、替代方案。这些问题在内容里都要有清晰的、独立的段落回应。

第二,段落要做到"自洽阅读"。AI 扇出之后,模型读的是段落,不是整篇文章。一段话拿出来要能独立成立、独立答题。开头给结论、中间给理由、必要时给例子。这种写法对人类阅读也更友好,是双赢。

第三,不要为了扇出而拆页面。Google 指南里专门警告过——不要为每一个可能的查询变体单独建页面,这会被认定为"批量内容滥用(scaled content abuse)",违反 Google 的政策。一个统一话题就用一篇文章,内部用清晰的标题层级来覆盖子问题。

我自己的总结:查询扇出本质是 Google 在帮用户"批量提问",你要做的是把答案准备成一个"问题集合的回答库",而不是简单堆砌一个核心关键词的文章。

2.3 要点三:结构化数据要不要做?放大器,不是魔法开关

这一条是争议最大的。

行业里有两派声音:

• 第一派:结构化数据是 AI 抓取内容的关键,必须铺满 schema.org。
• 第二派:Google 已经说了不需要 schema,做了也白做。

两派都不对。Google 的原文表达其实非常克制——大意是,生成式 AI 功能不需要特殊的 schema.org 标记;即便你部署了结构化数据,也不保证一定会获得特殊展示。

我把这句话拆成三层信息:

第一,不需要为 AI 单独造新 schema。Google 没有为 AI 答案区设计专属的 schema 类型。你不需要在原本的产品、文章、FAQ 等 schema 之外,额外做一套"AI 用 schema"。

第二,常规结构化数据该做的还是要做。Product、Recipe、HowTo、Article、Organization 这些经典 schema,该上还是要上,因为它们直接关系到 Rich Results 的展示,这部分价值并没有因为 AI 来了就消失。

第三,结构化数据是放大器,不是魔法开关。一个写得好、有原创信息的页面,加了结构化数据,会更容易被搜索系统(包括 AI 答案区)准确理解。但是反过来——一个内容质量本身不行的页面,堆再多结构化数据也救不回来。

我的实操建议非常朴素:

把这些该有的常规 schema 部署到位,然后就不要再焦虑了。剩下的精力,全部投到内容本身。

特别要提醒一点:FAQ Rich Results 已经在 2026 年 5 月 7 日被 Google 弃用。Google 在 Search Central 文档里加了 deprecation notice,确认 FAQ 富结果在所有查询类型和语言里都不再展示。所以现在再花大力气堆 FAQPage schema,基本是浪费时间。

2.4 要点四:2026 版"优质内容"到底是什么

Google 这份指南反复强调 Helpful、Reliable、People-First Content 这三组关键词,中文圈一般翻译成"有用、可信、以人为中心"。听起来都是老话,但在 AI 搜索时代,这套话的门槛其实比之前明显抬高了。

为什么?因为 AI 太擅长总结通用信息。

如果一篇文章只是把已有信息重新排列组合,AI 自己就能在生成答案的时候完成这件事,根本不需要把这篇内容当成引用源。换句话说,AI 时代,"重新整理已有信息"的内容,本身就在被 AI 替代。

行业里有个新词叫 "non-commodity content(非通用内容)"——你能写、但别人写不出来的内容。我把它拆成四种类型:

类型一:有真实经验的内容。我亲自做过、亲自踩过坑、亲自跑过数据。第一人称视角的、"我做了什么、结果怎么样、踩了哪些坑、最终怎么解决"的内容,是 AI 几乎模仿不来的。AI 可以编故事,但编不出真实的细节密度。

类型二:有专业判断的内容。同样一份资料,普通人读完只能复述,行业老兵读完能告诉你"哪一条最重要、哪一条是错的、未来会怎么演变"。这种判断力是稀缺资源,AI 暂时还学不会。

类型三:有独家数据的内容。你跑了一个测试、采集了一批数据、整理了一组案例,这些是别人没法直接复制的素材。AI 在生成答案时,反而要去你这里取数。

类型四:有真实视角的内容。同一件事,行业里大家都说 A,你说 B,而且你说 B 的理由扎实。这种内容自带"差异化",更容易被 AI 引用以呈现"多元视角"。

一个直白的判断标准:写完一篇文章,问自己一句话——这篇文章如果让一个普通写手照着公开资料攒,他能不能攒出类似的版本?

• 如果能,那它就是 commodity content,在 AI 搜索时代会越来越没价值。
• 如果不能,那它就是 non-commodity content,在 AI 搜索时代价值会越来越高。

这件事和 Google 一直在讲的 E-E-A-T 是完全对得上的:Experience(经验)、Expertise(专业)、Authoritativeness(权威)、Trustworthiness(可信)。AI 越强,E-E-A-T 越值钱,因为 AI 自己缺的就是这四样东西。

莫潇羽@无忆研习社的取向就是这条线:网站定位是"实操心得 + 行业判断 + 一手数据"。哪怕一篇文章写得慢、写得少,但每一篇都尽量保证有自己的真东西在里面。这是我相信的长期价值。

我再多说几句怎么把"非通用内容"在中文场景里落到地。

很多中文站长一听到"E-E-A-T、非通用内容",会立刻头大——觉得自己又没认证、又没专家头衔、又没大平台背书,怎么做。其实这个误区源自把 E-E-A-T 理解得过于"权威化"。Google 真正在意的不是头衔,而是你和这件事的真实关系。

我举几个落地的小例子:

• 第一种:你自己跑过的一个工具实测——"我用 Tool X 跑了 3 周,踩了哪些坑、怎么解的、最终省了多少时间",带着真实截图、真实步骤,这就是非通用内容。
• 第二种:你做的一份小数据采集——"我把过去 6 个月某领域的 50 个公众号标题做了归纳,发现这三类标题打开率最高",带着具体清单、具体规律,这就是非通用内容。
• 第三种:你做了一次同行业对比——"A 方案和 B 方案我都跑过,在我这个场景下,A 在 X 维度更优、但 B 在 Y 维度赢回来",带着具体维度、具体决策依据,这就是非通用内容。
• 第四种:你的一次失败复盘——"我之前用 Y 方法做了三个月,最后没成,现在回头看,问题出在 Z",带着诚实的反思,这是 AI 永远写不出来的真实内容。

这四类内容有一个共同点:都是基于"你这个人 + 这件事"的具体经历,而不是基于"互联网公开资料的二次加工"。这才是 E-E-A-T 在普通站长身上的真实落点——不需要专家身份,只需要真实经验。

2.5 要点五:Agentic SEO 还在早期,值得看,不必焦虑

指南最后一部分谈到了 Agentic 体验,也就是 AI 代理代表用户完成任务——比如帮用户预订、对比、下单、查询、操作网站等。Google 还专门给了 Universal Commerce Protocol(通用商业协议)的链接,作为想做 agentic 商务流程的商家可以参考的方向。

但 Google 自己的措辞非常克制:"如果这个方向和你的业务相关,可以关注;否则,先把基础体验做好"。

我同意这个判断。

现在不是 all in Agentic SEO 的时候。

理由有三:

第一,标准还在打架。各家 AI 厂商各推自己的协议——Google 的 UCP、OpenAI 自家的 agent 接口、Anthropic 的 MCP、微软的 Web IQ。哪一套会成为主流?没人敢拍板。这时候投入大量资源去对接,有可能押错宝。

第二,流量规模还很小。Agentic 商务路径目前在真实流量里的占比,远远低于 AI Overviews 和 AI Mode。投入产出比这一关就过不去。

第三,基础体验本身就是 Agentic 友好的前提。Google 给的建议也很朴素——把网站的可访问性、页面结构、商品信息、本地业务信息这些基本盘做好。换句话说,先做好"人类能用的网站",自然就同时是"AI 代理能用的网站"。

所以我的态度很简单:

• 保持关注:订阅 Google Search Central Blog、关注 UCP 进展、看头部电商怎么动。
• 不要焦虑:别被市面上"Agentic SEO 万能方法论"忽悠,目前还没有任何一套有数据支撑、被验证有效的方法论。
• 基础先做好:页面结构清晰、商品信息完整、加载速度过得去、关键流程不依赖复杂 JS。

等这个方向真正成熟,届时再深入投入也来得及。

三、微软 Web IQ:专为 AI Agent 重建的检索引擎

把视线从 Google 挪到对岸。2026 年 6 月 2 日,微软在 Build 2026 大会上正式发布了 Web IQ——按官方原话,"a search engine for AI systems(为 AI 系统打造的搜索引擎)"。

这件事在中文圈讨论得不多,但底层意义非常大。我个人的判断是,Web IQ 是 2026 年上半年对 GEO 长期格局影响最深的发布,没有之一。

3.1 Web IQ 到底是个什么东西

Web IQ 不是一个面向人类用户的搜索引擎,而是 一套面向 AI 应用和 AI 代理的 grounding API(中文一般译作"接地"或"事实校准"接口)。

理解 Web IQ 的关键,在于理解 RAG 这件事。RAG 全称 Retrieval-Augmented Generation(检索增强生成),是当前 AI 答题最主流的技术路径——大语言模型自己背不下整个互联网,所以在回答用户问题之前,会先到搜索索引里取一批最相关的内容,把它们当作"证据"放进上下文,再让模型基于这些证据生成答案。

RAG 的瓶颈,不在模型,在检索。

模型再聪明,如果检索回来的内容是错的、过时的、不相关的,答案的质量就会塌方。过去两年,大部分 AI 应用做 RAG 的方式,基本是直接调用传统搜索 API,把网页内容塞进上下文,这种做法粗糙、低效,而且 token 成本极高。

Web IQ 就是来解决这件事的。

微软给 Web IQ 的核心定位是:专门为 AI 代理重新设计的检索栈,基于 Bing 全球索引,但从抓取、排序、段落选择、结果组织,完全重做了一次。

发布会上由微软搜索与 AI 总裁 Jordi Ribas 和搜索 AI 首席工程师 Knut Risvik 负责对外讲解。我把他们公开发言里几个关键判断列一下:

Bing 搜索      →  为"人"找网页
Web IQ         →  为"AI 代理"找证据
Bing API(传统)→  返回网页列表
Web IQ API     →  返回段落级证据 + 结构化引用对象 + 引用元数据

3.2 Web IQ 的三大设计取向

我把 Web IQ 的设计目标提炼成三件事,每一件都直接关系到 GEO 的底层逻辑。

第一件:段落级证据,而不是网页列表。

传统搜索 API 给的是一堆 URL + title + snippet,AI 应用拿到之后,还得自己去打开网页、抓内容、做清洗、切段落,才能给模型用。Web IQ 直接跳过这一步——它返回的不是网页,是已经从网页里挑好的段落级证据(passages),每个段落都附带 source URL、title 和元数据。AI 模型直接拿来就能用。

这意味着什么?未来 AI 引用你的内容,不一定要引用整个页面,只要引用一个段落。这件事和 Google 那边的查询扇出本质上是同一个方向——站长的优化粒度从"页面"下沉到了"段落"。

第二件:更新鲜,更可信,更高效。

微软给 Web IQ 设了一个内部指标叫 GDSAT(Grounding Satisfaction),直译"接地满意度",衡量返回的证据是否足够新鲜、足够可信、足够可用。官方公开的对比测试里(基于约 3000 个样本查询),Web IQ 的 GDSAT 得分明显高于竞品。

延迟方面,P95 响应时间在 165 毫秒以下,是竞品的约 2.5 倍速度。这是个非常硬的指标——AI 代理在做多步推理时,一次任务可能要调用十几次乃至几十次检索,延迟每降一档,整个 agent 体验质量提升一档。

第三件:Token 效率,直接关系到 AI 应用的成本结构。

模型每处理一个 token,都意味着钱和时间。传统 API 返回整个网页,AI 应用塞给模型,token 消耗惊人,大部分内容其实是噪声。Web IQ 只返回有用的段落,把 token 用在刀刃上。

微软的官方一句话总结很到位:"Fewer tokens in, better answers out, lower cost per call(更少 token 进入,更好答案产出,每次调用成本更低)"。

3.3 Web IQ 和 GSC 报告的对照

这是我想专门拉出来讲的一个点——这两件事,看起来一个是站长工具、一个是 AI 接口,似乎没什么关联,但在 GEO 的逻辑链上,它们其实是同一件事的两面。

把这张对照表做出来:

这两件事在同一个时间窗口里发布,绝对不是巧合。它说明一件事——生成式 AI 搜索已经从"实验阶段"走入了"基础设施重构阶段"。

Google 在 GSC 这一端给站长建账,让站长开始拿到 AI 引用数据;微软在 Web IQ 这一端为 AI 应用建检索栈,让 AI 应用拿到更适合做 grounding 的内容。站长端、AI 应用端,两边都在为同一件事——"AI 答案的生产 - 反馈闭环"——添砖加瓦。

3.4 对 GEO 的长期意味着什么

抛开具体技术,Web IQ 的出现至少给 GEO 这件事带来三层长期影响。

第一层:GEO 和传统 SEO 的脱钩会越来越明显。

过去几年,GEO 基本上是寄生在 SEO 之上的——SEO 排名靠前,被 AI 引用的概率就高。但 Web IQ 这种系统出现之后,AI 应用获取内容的路径开始独立于传统 SEO 排名机制。一个页面"在 Bing 搜索里排第几"和"在 Web IQ 里作为证据的优先级"开始解耦。

这意味着站长要开始关心一件新事:我的内容在 AI grounding 系统里是不是被认定为"高质量证据"?这件事和"在 Bing 搜索里排第几"是两个问题。

第二层:段落级写作会越来越重要。

如果 AI 引用的最小单位从"网页"下沉到"段落",那么写作的最小单位也要跟着变。一个段落必须做到——开头给结论、中间给理由、必要时给数据、文末给上下文——独立成立、独立答题。

这一点对中文写作者是一个不小的挑战。中文长文阅读习惯里,段落通常是"层层铺垫、最后给结论"的结构。在 AI grounding 时代,这种