315 expone el envenenamiento de IA, un negocio que va desde Putian hasta Silicon Valley

比推Publicado a 2026-03-16Actualizado a 2026-03-16

Resumen

Resumen: El reportaje de CCTV 315 expuso el "envenenamiento de IA" mediante GEO (Optimización de Motores Generativos), una práctica donde empresas pagan para que la IA priorice sus productos. Se demostró con "Liqing GEO", un software que genera artículos promocionales falsos (como un brazalete con "sensores de entrelazamiento cuántico") que engañan a modelos de lenguaje en solo dos horas. El artículo traza un paralelo con el SEO de los motores de búsqueda, dominado por hospitales de Putian, y cómo la lógica de comprar clasificaciones simplemente migró a la IA. Menciona la inversión millonaria de BlueFocus en PureblueAI, una empresa de GEO "legítima", y cómo el concepto impulsó especulación en bolsa, con BlueFocus subiendo 143% antes de que su presidente vendiera acciones. Finalmente, contrasta la práctica "tóxica" expuesta con la comercialización oficial de anuncios en ChatGPT por OpenAI, que proyecta ganar $17 mil millones, señalando que la misma esencia—monetizar la influencia sobre la información—se categoriza como delito o negocio dependiendo de quién la controle. Concluye advirtiendo sobre la creciente desconfianza hacia las respuestas de la IA.

Autor: David, Deep Tide TechFlow

Título original: 315 expone el envenenamiento de IA, un negocio que va desde Putian hasta Silicon Valley


Anoche, el 315 expuso un negocio basado en GEO.

Su nombre completo es Optimización de Motores Generativos (Generative Engine Optimization), y se puede entender como:

Pagar para que la IA hable bien de ti.

¿Cómo se hace?

Las marcas quieren que, cuando los consumidores pregunten a la IA, esta les recomiende prioritariamente a ellas. Así que contactan con proveedores de servicios GEO, quienes publican artículos promocionales masivamente en internet. Después de que la IA rastree estos contenidos, los recomendará a los usuarios como si fueran información real.

El periodista de CCTV utilizó un software llamado "Liqing GEO", que se puede comprar en Taobao.

El periodista inventó una pulsera inteligente, creando varios puntos de venta absurdos, como "sensores de entrelazamiento cuántico" y "autonomía a nivel de agujero negro". El software generó automáticamente más de una decena de artículos promocionales y los publicó en internet.

Dos horas después, el periodista le preguntó a la IA: ¿Puedes recomendarme alguna pulsera inteligente para la salud?

La IA colocó esta pulsera, que ni siquiera existe, en los primeros puestos de la lista de recomendaciones.

La empresa que hizo este software se llama Beijing Lisi Culture Media, una empresa unipersonal, con cero empleados registrados durante años consecutivos.

Una herramienta creada por una empresa así, engañó en solo dos horas a los principales modelos de IA de China.

El 315 sacó a la luz el envenenamiento de IA, pero este negocio probablemente sea mucho más grande que un simple software de Taobao.

SEO, el pasado de Putian

En primer lugar, esto no es nada nuevo.

En 2008, el programa "30 Minutes of News" de CCTV expuso durante dos días consecutivos el sistema de ranking de pujas de Baidu. Pagando, podías hacer que tu web apareciera en el primer puesto de los resultados de búsqueda, e incluso los primeros puestos podían ser medicamentos falsos.

En aquel entonces, este negocio aún se llamaba SEO, Optimización para Motores de Búsqueda.

Los mayores compradores eran los hospitales privados del sistema Putian. En 2013, el sistema Putian gastó 12 mil millones de yuanes en publicidad en Baidu, casi la mitad de los ingresos publicitarios totales de Baidu.

Muchas instituciones médicas que no cumplían con los requisitos, mediante SEO se colocaban en la primera página de búsqueda de Baidu, aparentando estar al nivel de hospitales de primer nivel, y la gente común no podía distinguirlo.

No fue hasta el incidente de Wei Zexu en 2016, cuando un estudiante universitario falleció tras acudir a un hospital del sistema Putian que aparecía entre los primeros resultados, que la regulación legisló claramente: la búsqueda patrocinada es publicidad.

Pero esto no acabó con el negocio. Simplemente se establecieron las reglas, pasando de una industria gris a un negocio formal. El sistema Putian seguía comprando puestos, solo que al resultado se le añadía una pequeña etiqueta: "Anuncio".

Pero aunque llevara etiqueta, la gente que iba a hacer clic, lo seguía haciendo.

El problema fundamental de los motores de búsqueda nunca ha sido si estaban etiquetados o no, sino que los usuarios confían naturalmente en los resultados que aparecen primeros.

Ahora la gente ha pasado de los motores de búsqueda a la IA, creyendo que la IA es más objetiva y no puede ser contaminada por rankings de puja. Pero quien controle la entrada de distribución de información, podrá vender rankings.

La entrada ha cambiado, el SEO ha cambiado una letra para convertirse en GEO, pero la lógica de vender rankings no ha cambiado en absoluto.

Lo que ha cambiado es el precio.

GEO, el amor del mercado de capitales

Los negocios que no mueren son los que más le gustan al mercado de capitales.

En septiembre de 2025, la empresa de comunicación de marketing más grande de China, BlueFocus, invirtió decenas de millones de yuanes en una empresa GEO llamada PureblueAI Qinglan.

Qinglan ayuda a marcas reales a optimizar su posicionamiento y tasa de recomendación en los resultados de búsqueda de IA. Sus clientes incluyen Ant Group, Tencent Cloud, Volvo.

El producto es real, la empresa es real, y se dedica a que la IA comprenda la información de la marca con mayor precisión.

Esto es completamente diferente al envenenamiento de IA expuesto por el 315 con Liqing. Liqing inventa productos, fabrica parámetros y engaña a la IA con información falsa; Qinglan adapta contenidos reales de la marca a la lógica de recomendación de la IA.

Pero desde la perspectiva de la IA, la ruta técnica de ambas cosas es la misma: ambas publican contenido en internet y esperan a que la IA lo rastree.

La IA no distingue cuál es marketing y cuál es falsificación. Este es también el punto más ambiguo del negocio GEO.

Cuando BlueFocus invirtió en Qinglan, GEO era solo un término de la industria en círculos de marketing. Tres meses después, se convirtió en un concepto bursátil.

A finales de diciembre de 2025, BlueFocus subió su límite diario (límite máximo de subida).

Los corredores de bolsa comenzaron a celebrar intensamente conferencias telefónicas interpretando el GEO, los informes de investigación lo definieron como "la próxima generación de entrada de tráfico en la era de la IA". El capital fluyó detrás, comprando no solo BlueFocus, sino que todas las empresas relacionadas con el marketing digital y el concepto de IA subieron. BlueFocus subió un 132% en 9 días de negociación, y un grupo de acciones especulativas también se duplicó.

Fuente de la imagen:财联社 (Cailianpress)

Después de la subida, estas empresas emitieron comunicados advirtiendo por su cuenta del riesgo:

El negocio GEO no genera ingresos, no tiene un impacto significativo en la operación de la empresa. BlueFocus también admitió que los ingresos impulsados por IA representan una proporción muy pequeña de los ingresos totales.

En otras palabras, la acción se duplicó con creces, pero el negocio GEO en sí mismo aún no estaba generando mucho dinero.

A finales de enero, las acciones de BlueFocus subieron de 9.6 yuanes a 23.3 yuanes, un 143% en un mes. Fue entonces cuando el presidente Zhao Wenquan anunció la venta de hasta 20 millones de acciones. Al precio de la acción en ese momento, supuso una monetización de aproximadamente 467 millones de yuanes.

Los informes de investigación públicos muestran que el tamaño total del mercado nacional de GEO el año pasado fue de aproximadamente 2900 millones de yuanes. El aumento del valor de mercado de una sola acción de BlueFocus en un mes superó con creces esta cifra.

El 315 expuso que el sistema Liqing envenenaba la IA por unos cientos de yuanes. Pero el concepto GEO pasó por el mercado A, ganando miles de millones.

No está claro si se invirtió en veneno o no, pero el dinero ganado es real.

El 315 lo llama envenenamiento, Silicon Valley lo llama comercialización

En enero de este año, OpenAI anunció en su blog oficial: ChatGPT comenzará a vender publicidad.

Los usuarios gratuitos y los usuarios Go de 8 dólares al mes verán anuncios, los usuarios premium de suscripción de pago no se verán afectados.

El 9 de febrero, los anuncios se lanzaron oficialmente. Algunos anuncios aparecen en la parte inferior de la respuesta de ChatGPT, con una pequeña leyenda: Sponsored (proporcionado por el patrocinador). Los primeros anunciantes incluyen Ford, Adobe, Target, Best Buy...

Le preguntas a ChatGPT qué coche comprar, te da una respuesta, y debajo de la respuesta cuelga un enlace patrocinado de Ford.

OpenAI lo deja muy claro: la publicidad no afectará al contenido de la respuesta de ChatGPT. La respuesta es la respuesta, el anuncio es el anuncio, están separados.

¿Suena familiar?

Baidu decía lo mismo. El ranking de pujas era el ranking de pujas, la búsqueda orgánica era la búsqueda orgánica, separados. Más tarde, los primeros resultados de búsqueda eran todos anuncios.

OpenAI estima que la publicidad puede ayudarle a duplicar sus ingresos anuales en el segmento de consumo hasta los 17 mil millones de dólares. ChatGPT tiene más de 800 millones de usuarios activos semanales, de los cuales el 95% son usuarios gratuitos, todos ellos audiencia para publicidad.

Ahora, mirando hacia atrás en la cadena industrial expuesta por el 315: Liqing vierte artículos promocionales en la IA, haciendo que la IA recomiende productos que no existen. OpenAI cuelga contenido patrocinado debajo de la respuesta de la IA, haciendo que la IA recomiende productos que han pagado.

Uno no avisó a la plataforma, se llama envenenamiento. Otro firmó un contrato con la plataforma, se llama comercialización.

Para el usuario, ¿cuál es la diferencia?

Uno está dentro de la respuesta, el otro debajo de la respuesta. Uno no tiene etiqueta, el otro tiene una etiqueta que dice "anuncio".

El 315 pilló a Liqing por unos cientos de yuanes, el mercado A especuló con el concepto GEO por miles de millones, OpenAI planea ganar 17 mil millones de dólares al año con esto.

La misma cosa, cuya naturaleza pasó de envenenamiento a comercialización, y el precio subió decenas de miles de veces.

En noviembre de 2023, investigadores del Instituto Indio de Tecnología de Delhi y de la Universidad de Princeton publicaron un artículo en arXiv titulado "GEO: Generative Engine Optimization".

Fue la primera vez que la academia definió formalmente este concepto.

Desde la publicación del artículo hasta la exposición del 315, poco más de dos años. En el medio, pasó por la industria gris, financiación, explosión de acciones especulativas, monetización del presidente, la plataforma de IA entrando personalmente en la venta de publicidad...

El camino que el SEO recorrió hace veinte años, el GEO lo completó en dos años.

La diferencia es que en aquel entonces la gente tardó varios años en aprender a no confiar plenamente en los resultados de los motores de búsqueda; ahora la IA aún está en su período de bonanza de confianza, y la mayoría de la gente aún no se ha dado cuenta de que las respuestas de la IA también se pueden comprar.

Sin embargo, quizás este período de bonanza no dure mucho. La próxima vez que le preguntes a la IA qué vale la pena comprar, recuerda pensarlo un segundo más:

La respuesta puede ser gratuita, pero el cerebro no se puede externalizar.


Twitter:https://twitter.com/BitpushNewsCN

Grupo de Telegram de Bitpush:https://t.me/BitPushCommunity

Suscripción a Telegram de Bitpush: https://t.me/bitpush

Enlace original:https://www.bitpush.news/articles/7620096

Preguntas relacionadas

Q¿Qué es la Optimización de Motores Generativos (GEO) según el artículo?

ALa GEO (Generative Engine Optimization) es una práctica en la que las empresas pagan para que la IA priorice y recomiende sus productos o servicios cuando los usuarios realizan consultas. Esto se logra publicando contenido promocional masivo en internet, que la IA luego rastrea y utiliza como fuente de información.

Q¿Cómo demostró el reportaje de 315 la efectividad de la GEO con un ejemplo concreto?

ALos periodistas crearon un producto ficticio, una pulsera inteligente con características absurdas como 'sensores de entrelazamiento cuántico' y 'autonomía a nivel de agujero negro'. Usando el software 'Liqing GEO', generaron y publicaron artículos promocionales. En solo dos horas, los principales modelos de IA de China recomendaron esta pulsera inexistente en los primeros resultados.

Q¿Qué paralelismo histórico establece el artículo entre la GEO y otra práctica anterior?

AEl artículo establece un paralelismo directo con la Optimización para Motores de Búsqueda (SEO) y el sistema de pago por clic de Baidu, que fue expuesto en 2008. Ambos casos involucran pagar para aparecer en los primeros resultados, creando una ilusión de autoridad o popularidad que puede engañar a los usuarios.

Q¿Cómo reaccionó el mercado de valores chino (A-shares) al concepto de GEO a finales de 2025?

AEl concepto GEO se convirtió en un tema candente en la bolsa china. La empresa BlueFocus Intelligent Communications, que había invertido en una compañía de GEO, experimentó un aumento del 132% en su precio de acciones en 9 días. Esto desencadenó una ola de compras de acciones de empresas relacionadas con el marketing digital y la IA, muchas de las cuales se duplicaron en valor, a pesar de que las propias empresas advirtieron que los ingresos reales por GEO eran mínimos.

QSegún el artículo, ¿cuál es la diferencia fundamental entre la 'intoxicación de IA' expuesta por 315 y la 'comercialización' anunciada por OpenAI?

ALa diferencia fundamental radica en la legitimidad y transparencia. La 'intoxicación de IA' (como el caso de Liqing) implica crear productos falsos y usar información falsa para engañar a la IA de forma encubierta. La 'comercialización' de OpenAI implica anuncios patrocinados claramente etiquetados como 'Sponsored' en las respuestas de ChatGPT, que supuestamente no influyen en el contenido de la respuesta principal y son acuerdos formales con la plataforma.

Lecturas Relacionadas

¿Rubin Ultra recorta especificaciones? ¿Ni siquiera NVIDIA puede soportar el aumento del precio de la memoria?

El informe de SemiAnalysis ha desencadenado un intenso debate en la industria de la IA al revelar posibles ajustes importantes en las especificaciones de Rubin Ultra, la próxima GPU flagship de NVIDIA para IA. Según el informe, Rubin Ultra mantendría el mismo pico teórico de potencia computacional (35 PFLOPs) que Rubin, pero sufriría una reducción significativa en la memoria: se especificaría con 192GB HBM apilado en 8 capas (8-Hi), incluso menos que los 288GB (12-Hi) de Rubin. El ancho de banda de memoria solo aumentaría ligeramente (1 TB/s), y el consumo energético sería similar o ligeramente superior. La mejora principal se centraría en la capacidad de interconexión a escala, soportando clusters de hasta 576 GPUs unidas mediante NVLink (frente a 72 en Rubin), creando un "super-GPU lógico". La causa principal de esta revisión sería el rápido aumento del precio de la memoria HBM, cuyo costo se habría triplicado desde 2025, impactando fuertemente el costo total de los sistemas. Al reducir la cantidad de HBM (bajando su participación en el costo del ~40% al ~28%) e invertir más en la interconexión (subiendo del 4% al 12%), NVIDIA optimizaría la relación costo-rendimiento del sistema completo. Esta noticia provocó una caída de aproximadamente el 8% en las acciones de los principales fabricantes de HBM, SK Hynix y Samsung, reflejando la preocupación del mercado sobre un posible punto de inflexión en la demanda de memoria de alta gama por parte del mayor comprador, NVIDIA, y el fin de una era de expansión sin restricciones en la infraestructura de IA.

Odaily星球日报Hace 56 min(s)

¿Rubin Ultra recorta especificaciones? ¿Ni siquiera NVIDIA puede soportar el aumento del precio de la memoria?

Odaily星球日报Hace 56 min(s)

¿Los modelos generativos también pueden entrenarse de extremo a extremo? El núcleo es un bucle for

El entrenamiento de modelos generativos siempre ha sido un reto debido a la "desviación por exposición" (exposure bias): durante el entrenamiento solo se aprenden pequeños pasos, mientras que la generación requiere cientos de iteraciones, lo que causa acumulación de errores. Esto ha impedido que los modelos generativos sean entrenados de extremo a extremo (end-to-end), a diferencia de otras tareas de aprendizaje profundo. Un reciente artículo de la Universidad de Illinois y Harvard introduce "Explorative Modeling (XM)", un nuevo paradigma que resuelve este problema mediante un bucle simple (for). La idea clave es que, en cada paso de entrenamiento, el modelo genera K candidatos y solo retropropaga el gradiente a partir del candidato más cercano a los datos reales. Este enfoque evita que el modelo converja a un promedio borroso entre múltiples modos (mode blurring), un problema inherente a las funciones de pérdida de reconstrucción típicas. XM identifica una tercera dimensión escalable, además de los parámetros y los datos: la "expresividad generativa". Los experimentos en imágenes, video y lenguaje muestran que aumentar la exploración (K) mejora monótonamente el rendimiento, con ganancias de eficiencia en FLOPs, muestras y parámetros. En tareas de control robótico, una política exploratoria XM iguala o supera a políticas de difusión que requieren 100 veces más cómputo en inferencia. El trabajo sugiere que, a gran escala, la expresividad generativa se convierte en el cuello de botella principal, y XM ofrece un camino para modelos generativos verdaderamente end-to-end, generando muestras de alta calidad en una sola pasada hacia adelante.

marsbitHace 1 hora(s)

¿Los modelos generativos también pueden entrenarse de extremo a extremo? El núcleo es un bucle for

marsbitHace 1 hora(s)

¿Máximo de 20 artículos por persona? La nueva norma de ICLR recibe una «petición» sarcástica de un investigador de DeepMind

Un investigador de DeepMind satiriza la nueva norma de ICLR que limita a 20 artículos por autor. La conferencia de IA ICLR 2027 ha establecido una nueva regla: cada autor solo puede figurar en un máximo de 20 trabajos enviados. Los que excedan este límite serán advertidos y, de no corregirse, algunos serán rechazados aleatoriamente. La justificación es la enorme presión sobre el sistema de revisión, tras un aumento del 68% en los envíos para ICLR 2026 (19,525 trabajos). Dan Roy, investigador de Google DeepMind, respondió con una "petición" irónica en X, pidiendo que se elimine el límite. Su mensaje, cargado de sarcasmo, sugiere que los agentes de IA ahora pueden producir investigaciones incrementales y que, "dado que todo el trabajo de revisión ya lo hacen los grandes modelos de lenguaje", debería animarse a enviar más trabajos, no menos. Su sátira apunta a un problema real: el uso de IA tanto en la autoría como en la revisión. Un análisis de 2025 detectó que aproximadamente el 21% de las revisiones de ICLR 2026 eran probablemente generadas completamente por IA. La broma de Roy plantea una pregunta seria: en un entorno donde agentes generan artículos, autores los envían en masa y revisores potencialmente usan IA, ¿limitar el número de envíos es la solución adecuada? El debate sobre la calidad versus la cantidad, y el papel de la IA en la academia, continúa.

marsbitHace 1 hora(s)

¿Máximo de 20 artículos por persona? La nueva norma de ICLR recibe una «petición» sarcástica de un investigador de DeepMind

marsbitHace 1 hora(s)

Trading

Spot
活动图片