谷歌、微软的投资人押注：这家公司不优化搜索，直接"改造"AI的记忆

一家英国房地产公司，在大模型的答案里几乎不存在——用户问AI"英国买房找哪家"，它连被提名的资格都没有。

几周之后，追踪数据显示：AI爬虫对这家公司内容的抓取活动量，暴涨了5000倍。在相关提问中，它的排名从"查无此人"冲到了第二位。

这不是广告投出来的效果。操盘方是一家叫geoSurge的伦敦初创公司，而它背后的投资人名单值得细看：欧洲老牌风投Passion Capital、硅谷基金Tuesday Capital，以及一批来自谷歌DeepMind和微软AI的天使投资人。

做AI的公司投资人，把钱押给了一家"优化AI答案"的公司。他们看中的到底是什么？

一个反常识的判断：RAG只是止痛药，记忆才是根本

目前市面上绝大多数GEO服务，技术路线都押在RAG（检索增强生成）上：AI回答问题时实时搜索网页，把相关内容抓进上下文，再总结成答案。优化的思路就是让你的内容更容易被抓到。

但geoSurge创始人Francisco Vigo给出了一个不同的判断：即使AI用了RAG，最终展示和引用谁，仍然由模型的"记忆层"驱动。

他把模型的信息来源拆成两层：

关键在于：RAG检索回来的内容，要经过记忆层的"过滤"和"解释"才会被引用。一个模型在训练中从来没见过的品牌，哪怕网页写得再好，被检索到之后也可能被判定为"不可信、不熟悉"，最终被放弃。

Vigo的原话很直白："模型难以推荐它在训练中没有见过的品牌。"

Vigo之前是金融科技领域的首席数据科学家，也是大模型的早期重度用户。作为普通用户，他发现自己越来越信任AI的回答——尤其当传统搜索结果页被广告塞满的时候。

之后他做了一件事：持续、反复地向模型问同一批问题，观察答案变化。结果他发现了一个让品牌方胆寒的现象——每当模型更新版本，品牌即使没有发生任何商业变动，在AI答案中的可见度也会剧烈波动。上次还在推荐名单里，这次就消失了。

"如何避免品牌从AI答案中消失"，成了geoSurge在2025年4月创立的起点。

geoSurge的产品分成三个板块，逻辑上是一条完整的链路：

第一板斧：MEASURE（测量）。监测一个品牌当前在ChatGPT等主要AI系统中的位置——是否被提及、出现频率、跨时间和跨市场的一致性。这是所有GEO服务的基础功。

第二板斧：EXPLORE（归因）。这一步开始不一样了。EXPLORE会展示模型内部的概率分配和逐词预测的"思维过程"，告诉客户：这个位置为什么是这样形成的？在哪些细分领域、哪类提示词、哪种语境下，品牌存在"概率差距"——也就是最有希望提升可见性的突破口。

第三板斧：BOOST（改造）。核心技术叫"语料库工程"（Corpus Engineering）：主动优化和准备品牌语料，让相关信息在模型训练或迭代时被更高效地学习、记忆、精准调用。geoSurge还接入了大量遥测数据做监测，确认客户品牌数据最终真的进入了模型的训练数据集。

对比一下就能看清差异：多数GEO服务商交付的是一个仪表盘——告诉你品牌在哪里出现、给你内容建议，本质是"被检索到"的优化。geoSurge做的是让模型本身认知并记住品牌——在没有实时搜索的情况下，模型也能基于记忆主动推荐。

值得注意的是geoSurge自己的坦白：生成式系统本质是概率性的，加上各模型的道德准则约束，它无法保证任何客户排名绝对第一。客户能期待的是：技术接入后几周内看到早期效果，具体看四个指标——相关提示词中的品牌提及率、随时间变化的稳定性、上下文准确性、AI爬虫活动的频率和深度。

那家英国房企的5000倍爬虫增长和第二名排名，是一个BOOST周期后的真实案例，但也是个案，不是承诺。

geoSurge计划今年拓展亚太市场，这件事对国内做GEO的从业者至少有三个值得琢磨的点：

第一，重新理解"被引用"的层级。你的内容被AI爬虫抓取，只是第一层；被RAG检索到，是第二层；被模型在训练中记住，才是第三层。前两层的优化可以带来短期效果，模型一更新就清零；第三层才是穿越版本周期的资产。

第二，内容发布要考虑"训练数据视角"。发在抓取后即焚的平台，和发在被高质量数据集收录、长期稳定可访问的权威信源上，进入训练语料的概率完全不同。这就是为什么权威媒体、百科、行业报告这些"慢信源"在GEO中的权重一直降不下来。

第三，监测要追到"源头指标"。不要只盯提及率。AI爬虫对品牌内容的抓取频率和深度，是比提及率更前置的信号——爬虫活动的变化，往往先于答案排名的变化。那家英国房企的案例里，5000倍的爬虫增长就是排名跃升的前兆。

谷歌和微软的投资人押注的方向已经明牌了：GEO的下半场，不是想办法被AI"搜到"，而是想办法被AI"记住"。

（消息来源：智能涌现对geoSurge的专访报道，2026年10月25日）