原机构署名
报告标题、发布机构、时间和结论保持原始归属，不以 GeoGi 名义重新包装。
← 返回研究中心GeoGi Research Library
研究报告与权威资料
GeoGi 目前仍处于研究体系建设阶段，因此这里不会把外部机构的结论包装成 GeoGi 自有成果。我们优先链接原机构、AI 平台官方文档和论文原始页面，再补充“这份资料与品牌 GEO 有什么关系”的阅读提示。
权威机构报告平台官方资料学术研究90 天复核
资料治理原则
先保证来源可信，再形成 GeoGi 的判断
宏观数据优先使用国家级研究机构；平台能力优先使用平台官方资料；GEO 方法论同时保留支持性研究与批判性研究。
官方原文优先
优先链接机构官网、平台官方文档或论文原始页面，让读者可以直接核验。
解读与事实分离
GeoGi 只解释“它与品牌 GEO 有什么关系”，不把推断写成平台内部规则。
说明：外部资料的存在不代表发布机构认可 GeoGi。GeoGi 的阅读提示属于独立分析；涉及平台能力、数据和研究结论时，以原始来源为准。
Research Library
从宏观趋势到平台规则，再到 GEO 学术证据
可按来源类型筛选。所有外部链接均指向对应机构或研究平台。
中国互联网络信息中心（CNNIC） · 2026-02-05
第57次《中国互联网络发展状况统计报告》
记录中国互联网发展、网民规模、数字消费与生成式人工智能应用的总体情况。
与 GEO 的关系：用于理解中国 AI 用户环境与品牌数字触点变化。
中国互联网络信息中心（CNNIC） · 2025-10-23
《生成式人工智能应用发展报告（2025）》
聚焦中国生成式人工智能用户规模、使用场景、产业应用与政策发展。
与 GEO 的关系：用于判断生成式 AI 成为大众信息入口后，品牌为什么需要关注国产大模型中的可见度。
中国信息通信研究院（CAICT） · 2026-02-09
《人工智能产业发展研究报告（2025年）》
从产业视角观察基础模型、智能体、算力、应用与治理等人工智能发展议题。
与 GEO 的关系：帮助理解生成式 AI 从模型能力向产业应用迁移的背景。
中国信息通信研究院（CAICT） · 2026-05-06
《智能原生研究报告（2026年）》
关注智能原生技术、软件、终端、智能体与行业应用的发展。
与 GEO 的关系：用于理解信息获取和任务完成从网页访问向 AI 原生交互迁移的可能路径。
中国信息通信研究院（CAICT） · 2026-07-20
《“人工智能+消费”发展研究报告（2026年）》
研究人工智能与消费产品、服务和用户决策场景的融合。
与 GEO 的关系：辅助判断 AI 如何进入搜索、推荐、客服和消费决策链路。
Google Search Central · 更新 2026-07-10
Optimizing your website for generative AI features on Google Search
Google 面向网站所有者发布的生成式 AI 搜索官方优化指南。
与 GEO 的关系：说明基础 SEO、独特高价值内容、可抓取性与用户价值仍是生成式搜索可见度的重要基础。
Google Search Central · 2026-06-03
Search Generative AI performance reports in Search Console
Google 介绍 Search Console 中生成式 AI 搜索表现报告。
与 GEO 的关系：说明生成式搜索可见度正在进入更明确的可观测阶段。
OpenAI
ChatGPT Search 官方说明
介绍 ChatGPT Search 的联网搜索、查询改写、引用与 Sources 展示方式。
与 GEO 的关系：用于理解外部网页来源如何进入生成式回答，并区分来源展示与品牌推荐。
DeepSeek · 2024-12-10
DeepSeek 联网搜索官方说明
DeepSeek 官方介绍网页端联网搜索能力。
与 GEO 的关系：用于确认联网搜索能力与公开信息检索边界，不推断未公开排序规则。
阿里云百炼 / 千问
大模型联网搜索官方文档
阿里云官方说明千问模型相关联网搜索能力、来源与配置方式。
与 GEO 的关系：帮助区分模型能力、联网搜索配置与最终消费产品回答。
Kimi
Kimi 搜索功能使用指南
Kimi 官方帮助中心介绍联网搜索与参考来源。
与 GEO 的关系：适合研究正文提及与来源引用之间的差异。
arXiv · Aggarwal 等 · 2023-11-16
GEO: Generative Engine Optimization
提出 Generative Engine Optimization 概念、可见度指标与 GEO-bench 实验框架的早期代表性研究。
与 GEO 的关系：作为术语与研究问题的起点；实验结果不直接外推为商业平台稳定效果承诺。
arXiv · Schulte 等 · 2026-04-08
Don't Measure Once: Measuring Visibility in AI Search (GEO)
讨论 AI 搜索回答在重复运行、提示词和时间上的变化，以及一次性测量的局限。
与 GEO 的关系：支持把重复测量、问题版本与时间窗口纳入 GEO 复测。
arXiv · Zhang 等 · 2026-04-28
From Citation Selection to Citation Absorption
提出 citation selection 与 citation absorption 的两阶段测量框架，并跨 AI 搜索平台研究引用与答案吸收差异。
与 GEO 的关系：提示品牌不要只统计引用数量，还要观察来源是否真正影响最终回答。
arXiv · Olivier Martinez · 2026-07-15
Optimizing Visibility in Generative Engines: A Critical Survey of GEO (2023–2026)
综述 GEO 研究并强调生成式可见度的随机性、部分可观察性与证据异质性。
与 GEO 的关系：作为反过度承诺的重要证据，提醒不要宣称某个技巧可以稳定、跨平台地保证自然发现或商业结果。