什么是实体？AI为什么按实体理解世界

GEO，即生成式引擎优化，是让品牌和内容更容易被生成式AI识别、检索、引用和推荐的一套优化工作。讨论GEO时，有一个问题绕不开：AI先要确认“你是谁”，才可能在回答中引用你、介绍你，或者把你列入推荐范围。

这里的“你”，不是一个品牌名称，也不是网页里出现的几个关键词，而是名称背后那个可以被唯一识别的对象。AI把这样的对象称为“实体”。品牌先被识别为一个明确的实体，后续的内容、提及和第三方资料才能与它建立关联。

这是实体建模系列的概念课。上一篇第35期讲了品牌实体建模的入门操作；这一篇集中解释两个问题：实体到底是什么，AI为什么需要通过实体理解信息。理解这些概念之后，再看第37期的海外 Schema 配置和第38期的国内百科词条建设，就会更清楚每一步在解决什么问题。

先看几个与实体相关的研究结果

多项研究和行业观察都在说明，生成式引擎对品牌的判断，已经不只是看网页和链接：

1. seoClarity 的实证研究显示，品牌实体一致性与AI引用的相关系数为 r=0.664，外链与AI引用的相关系数为 r=0.218。前一个数值约为后一个的3倍，但相关性不等于因果关系；
2. iProspect/Hallam 的实证研究观察到，品牌被第三方提及与AI引用之间的关联，约为反向链接的3倍；
3. Geneo 2025年的数据表明，带结构化数据标注的内容，被AI引用的频率是无标注内容的8.2倍；另有行业口径称，同时使用 Organization 和 FAQPage 标注，与AI摘要引用率提升37%相关，但该数据未经第三方核验，也不能直接视为普遍适用的因果结论；
4. 5W Research 的引用研究显示，在ChatGPT前十大引用源中，Wikipedia（维基百科）占47.9%；Wikipedia与Reddit合计占美国地区ChatGPT引用的25%以上；
5. Google官方口径显示，从2026年3月起，“可验证的作者或发布者实体”被列为强信号，其中包括通过 sameAs 字段指向Wikipedia、Wikidata（维基数据）等资料；
6. CNNIC（中国互联网络信息中心）第57次报告显示，截至2025年12月，国内生成式AI用户达到6.02亿，普及率为42.8%；
7. 行业观测认为，在生成式引擎排序的五个评分维度中，“实体一致性”的权重约为15%至20%。这一比例未经第三方核验，只能作为理解排序机制的参考。

这些数据的研究对象、统计范围和口径并不完全相同，不能直接相加，也不能由相关关系推出因果关系。但它们共同指出了一件事：生成式引擎不仅判断一段内容是否相关，还要判断内容在说谁，以及不同来源说的是不是同一个对象。

实体不是一个词，而是词所指向的对象

实体，英文为 Entity，指能够独立存在并被唯一识别的对象。一家公司、一个人、一款产品、一个地名，甚至一个概念，都可以成为实体。

“苹果”是两个汉字，但它可能指一种水果，也可能指苹果公司。这两个含义对应两个不同的实体。AI需要结合上下文判断文字具体指向哪个对象，这个过程叫实体消歧，即排除同名或近似名称造成的混淆。

传统搜索主要处理网页中的字符和关键词。生成式引擎在组织答案时，还需要确认字符背后的对象。即使两个品牌名称相同，只要成立时间、所在地、产品和关联人物不同，AI就应该把它们识别为两个实体。

对品牌而言，AI会尝试为这个实体记录一组属性，包括成立年份、所属品类、创始人、产品线和所在地。品牌还会与其他实体形成关系，例如“某公司生产某产品”“某人创办某公司”。这些对象、属性和关系共同组成AI可以检索和调用的知识网络，其中每个可识别对象都可以理解为一个实体节点。

当用户询问“这个品牌是谁”“某类产品有哪些供应商”或“推荐哪家公司”时，AI需要先从这些实体中确定候选对象，然后再结合检索到的内容组织答案。

AI为什么需要先识别实体

主流生成式引擎包括海外的ChatGPT、Perplexity、Google AI Overviews（Google的AI摘要），以及国内的豆包、DeepSeek（深度求索）、腾讯元宝、百度文心一言和阿里通义千问。

根据各引擎公开文档与2025年至2026年的第三方研究整理，这些产品普遍使用RAG，即检索增强生成：先检索与问题相关的外部内容，再由大模型根据检索结果生成答案。

一套常见的处理过程是：先找回20至100篇候选内容，再从中筛选出5至15条，随后把入选内容切分成约200至500词的内容块。内容块是模型实际判断和引用的文本单元。模型会分别评估这些内容块的可信度与相关性，最后组织成回答。

行业观测通常把排序判断概括为五个维度：语义相关性、权威性、新鲜度、可读性和实体一致性。其中，实体一致性的观测权重约为15%至20%，但这一比例未经第三方核验。

引擎在采用一段内容之前，需要回答三个问题：

• 这段内容说的是谁？
• 这个来源是否可信？
• 不同平台提到的是不是同一家公司？

这就是实体识别的重要性。大模型会把语言转换成语义向量，也就是用一组数值表示文字含义。即使内容没有直接出现品牌名称，只要语义明确指向该品牌实体，AI仍可能把内容关联起来。反过来，即使文章写了品牌名，如果AI无法确认这个名称具体对应哪个公司，这次出现也很难形成有效的实体证据。

seoClarity 研究中的 r=0.664与r=0.218，说明在其研究范围内，实体一致性和AI引用之间的相关程度明显高于外链和AI引用之间的相关程度。它不能证明实体一致性必然导致引用增加，但足以说明：不同平台上的品牌身份能否被准确归并，是生成式引擎判断内容时不能忽略的因素。

还有一个更长周期的影响。主流大模型通常每6至18个月更新一次训练语料。品牌实体信息进入训练语料后，可能成为模型对该品牌的默认认知，其稳定性通常高于一次实时检索。sameAs链接和Wikidata编号等统一标识，可以帮助模型判断不同页面是否指向同一个实体。

实体理解和关键词匹配有什么区别

SEO，即搜索引擎优化，主要解决网页能否被搜索引擎抓取、收录和排序的问题。GEO继承了这些基础要求，但生成式引擎还要完成实体识别、内容归并和答案引用。

维度	关键词匹配（传统搜索与SEO）	实体理解（生成式引擎与GEO）
识别对象	主要判断字符和关键词是否匹配	判断文字指向哪个实体，以及实体身份是否明确
排序单位	通常以整个网页为主要单位	可以细化到约200至500词的内容块
权威判断	重视外链的数量与质量	同时重视品牌提及、来源质量和实体一致性
同名处理	用户往往需要自行分辨搜索结果	引擎先进行实体消歧，再组织答案
主要优化动作	关键词布局、收录优化和外链建设	统一命名、结构化标注、百科资料和跨平台身份关联
常用效果指标	排名和点击率	被引用率、品牌提及次数和属性回答准确率

两套方法并不冲突。无论传统搜索还是生成式引擎，内容都要先能被抓取、读取和收录。Google Search Relations在2026年5月15日的官方表述是，面向生成式AI搜索的优化，本质上仍属于搜索优化。

因此，SEO仍然是GEO的必要基础。变化主要发生在判断方式上：过去更关注网页、关键词和外链，现在还要判断实体是否明确、不同来源能否归并，以及第三方资料是否能够相互佐证。

AI怎样判断一个品牌是谁

AI识别品牌通常要经过三步：

1. 识别：判断一段文字是否提到了某个组织、人物或产品；
2. 消歧：确认它具体指向哪个组织、人物或产品；
3. 归并：把不同网站和平台上的资料关联到同一个实体。

这三步都依赖公开网络中的可验证信息。AI不会主动替品牌补全缺失资料，也无法自动判断多个写法是否一定属于同一家公司。

首先要解决的是名称一致性。如果官网写“远山科技”，百科写“远山（中国）”，社交账号又使用“YS Tech”，但各页面没有说明三者的关系，AI可能把它们识别成多个不完整的实体记录。这样一来，原本属于同一品牌的提及、资料和第三方评价就无法完整归并。

更进一步，需要提供权威资料和明确的关系链接。海外通常通过Wikipedia、Wikidata，以及Schema.org结构化数据中的sameAs字段，说明官网、LinkedIn、Crunchbase等页面属于同一个实体。Schema.org是一套帮助搜索引擎理解网页内容的结构化标注规范；sameAs是其中用于关联同一实体不同页面的字段。

Google官方口径显示，从2026年3月起，可验证的作者或发布者实体已被列为强信号，其中包括指向Wikipedia和Wikidata的sameAs链接。

在国内，百度百科和搜狗百科可以为品牌提供较稳定的公开身份资料。官网、百科、媒体报道和各平台账号上的公司全称、成立年份、主营品类等信息越一致，AI越容易完成识别和归并。

一个直接的检查方法是，在ChatGPT和豆包中分别询问：“你知道×××（公司全称）吗？”如果回答能够准确说明成立年份、主营品类和规模，并且没有与同名公司混淆，说明品牌已经形成较清晰的实体记录。答不出来、关键信息错误或发生同名混淆，都说明相关资料仍需补充或统一。

实体建模会怎样影响品牌

1. 决定品牌能否进入候选名单

生成式引擎回答推荐类问题时，需要先确定一组候选实体。品牌如果没有形成清晰、可验证的实体记录，就可能无法进入候选范围。

B2B，即企业对企业的商业活动。一份2026年3月的多源引用分析以6.8亿条引用为样本，显示73%的B2B买家正在使用AI工具调研供应商。另有B2B采购研究称，未进入AI候选名单的供应商，99%不会被纳入考虑范围。

2. 决定不同来源的证据能否归到同一品牌

iProspect/Hallam的实证研究观察到，品牌被第三方提及与AI引用之间的关联，约为反向链接的3倍。Geneo 2025年的研究则显示，带结构化数据标注的内容，被AI引用的频率是无标注内容的8.2倍。

这些研究不能证明单独增加提及或标注，就必然带来相同比例的引用增长。但它们说明，第三方提及、结构化标注和身份一致性都可能参与引擎的判断。

这些资料最终要归到同一个实体上才有意义。品牌名称、公司信息和平台身份不一致，可能导致资料被分散到多个实体记录中，每个记录都缺少足够完整的佐证。

3. 影响模型对品牌的长期认知

模型训练语料通常每6至18个月更新一次。今天公开发布并持续保留的品牌资料，可能影响下一轮模型怎样介绍这个品牌。

如果公开资料中长期存在同名混淆、过期信息或错误关联，这些问题也可能进入模型认知，并持续到后续语料更新。实体建模不仅关系到当下能否被检索和引用，也关系到AI以后怎样理解和描述品牌。

海外品牌怎样建立实体资料

海外的主要做法是结构化标注与权威资料相结合。

首先，在官网部署Schema.org标注。常用类型包括：

• Organization：说明公司或组织的名称、网址、标识和关联页面；
• Product：说明产品名称、品牌和相关属性；
• FAQPage：说明页面包含常见问题及对应答案。

Organization中的sameAs字段，可以把官网与LinkedIn、Crunchbase、Wikipedia、Wikidata、GitHub、YouTube等平台账号关联起来。实操中可以优先覆盖至少8个具有公开身份价值的平台，前提是这些页面确实属于同一个品牌，信息也保持一致。

行业口径还称，同时使用Organization和FAQPage标注，与AI摘要引用率提升37%相关。该数据未经第三方核验，不能理解为部署这两类标注后，所有网站都会获得相同幅度的增长。

完成结构化标注后，还可以争取Google知识面板。知识面板是Google搜索结果中集中展示人物、组织或品牌资料的信息区域。具体的Schema配置方法，将在第37期展开。

国内品牌怎样建立实体资料

国内目前没有统一覆盖各主要平台的Schema生态，品牌实体识别更依赖百科资料、官网信息和平台账号之间的一致性。

百度百科和搜狗百科是国内AI引擎确认品牌身份时常见的公开参照。百科词条收录后通常能够长期保留，因此需要确保公司全称、成立年份、主营业务和代表产品都有可靠资料支持。百科词条的建设方法和佐证材料要求，将在第38期说明。

与百科资料配套的动作，是统一官网、微信公众号、百家号、抖音号等平台上的品牌名称和基础信息。只在一个平台发布资料，通常不足以让不同引擎完整识别品牌。

关于不同平台的引用倾向，行业观察认为：腾讯元宝较常引用微信公众号内容，文心一言较常检索百家号和百度百科，豆包较常引用抖音和今日头条，DeepSeek与Kimi（月之暗面）的公共信源中常见知乎内容。这些判断未经第三方核验，也会受到问题类型、检索时间、内容质量和来源可用性的影响，不能作为无条件成立的平台规律。

现在开始做实体建模晚不晚

从用户规模看，生成式AI已经进入日常信息查询场景。CNNIC第57次报告显示，截至2025年12月，国内生成式AI用户达到6.02亿，普及率为42.8%。QuestMobile 2026年第一季度的行业口径称，豆包月活跃用户约为3.45亿。

从品牌供给看，仍有大量企业没有形成清晰的AI实体记录。一项针对50家B2B SaaS企业的评测显示，其平均“AI存在感”得分为56.9分，44%的企业不及格。SaaS指通过网络提供的软件服务。这项数据来自DerivateX，样本为欧美企业；国内目前缺少可以直接比较的系统数据，相关情况仍待核实。

行业观点认为，较早建立完整实体资料的企业，更有机会影响AI对相关品牌和品类的默认认知。后来者若要纠正已经形成的认知，通常需要补充更多一致、可验证的公开资料。这个判断属于行业口径，实际效果仍会受到品牌基础、内容质量和引擎更新周期等因素影响。

现在可以先做两个成本较低的动作：统一所有公开平台上的品牌名称，再分别询问主要AI产品是否知道这家公司。如果回答缺少权威资料，就准备百科词条；如果各平台资料无法归并，就补充sameAs链接并统一公司信息。

常见问题（FAQ）

FAQ是Frequently Asked Questions的缩写，指常见问题与回答。

Q1：实体和品牌名是一回事吗？

不是。品牌名只是实体的一项属性。一个品牌实体还包括成立年份、所属品类、创始人、产品线、所在地，以及它和其他人物、公司、产品之间的关系。

品牌可以改名，也可以有简称或别名，但这些名称应当明确指向同一个实体。各平台写法不一致且没有说明对应关系，可能导致AI把同一品牌拆成多个不完整的实体记录。

Q2：小公司和新品牌在AI眼里也算实体吗？

算，但可能只是“弱实体”。这里的弱实体，是指AI能够识别名称，却无法准确回答它的成立时间、主营业务和核心产品。

补充资料可以按以下顺序进行：先统一全网名称，再建立百科词条，然后在官网和主要平台写清成立年份、品类与核心产品。定期询问“你知道×××吗”，如果属性回答的准确率逐步提高，说明AI对这个实体的识别正在改善。

Q3：实体建模多久能见效？

需要分层判断。名称统一和官网结构化标注可以在当天完成；进入实时检索结果通常以周为单位；百科词条收录后可以长期保留；训练语料通常每6至18个月更新一次，进入训练语料后才可能成为模型的默认认知。

因此，实体建模通常是以季度为单位持续推进的工作。要求AI在一个月内稳定改变对品牌的描述或引用，并不现实。

Q4：品牌有中英文名、简称和曾用名，会影响AI识别吗？

会。多个名称如果没有明确关系，会增加实体消歧的难度，也可能使不同平台上的资料被分散到多个实体记录。

建议确定一个主名称，并在主要平台统一使用。其他名称可以作为别名写入百科词条和结构化数据，明确说明它们指向同一实体。海外还可以用sameAs字段关联各平台账号。曾用名不必删除，只要公开说明使用时间和对应关系，反而有助于AI完成信息归并。

Q5：只做官网，不做百科和第三方平台，可以吗？

通常不够。生成式引擎回答问题时会综合10至30个来源，单一官网的判断权重有限。行业口径认为，国内引擎更倾向引用权威媒体和大型平台内容，企业独立网站被直接引用的比例较低；这一判断未经第三方核验，也会因问题和引擎而变化。

官网负责提供准确的第一方事实，百科资料帮助引擎确认实体身份，第三方平台提供独立佐证。三类资料承担的作用不同，需要相互配合。

Q6：怎样验证实体建模是否完成？

可以每月在ChatGPT、豆包、DeepSeek和腾讯元宝等主要引擎中测试一组固定问题：

• 你知道×××吗？
• ×××是哪年成立的？
• 创始人是谁？
• 主要业务是什么？
• 这家公司可靠吗？

每次记录三项结果：属性是否准确、是否与同名对象混淆、引用了哪些来源。属性回答准确率、同名识别结果和引用来源质量，可以用来持续评估实体建模效果。

Q7：实体建模会和现有SEO冲突吗？

不会，两者方向一致。SEO要求网站能够被抓取和收录，重视内容质量、结构化信息和来源权威性，这些也是GEO需要的基础。

实体建模额外增加了名称一致性、身份验证和跨平台关系链接。Google从2026年3月起，把可验证的作者和发布者实体列为强信号。先完成SEO所需的收录和内容建设，再补充实体资料，可以让同一批投入同时服务传统搜索和生成式搜索。

最适合立即开始的动作并不复杂：统一品牌名称，检查各平台基础资料，再用固定问题测试AI能否准确识别品牌。测试结果会直接显示下一步应该补充百科资料、结构化标注，还是纠正不同平台之间的信息冲突。

（内容更新：2026年7月9日）