--- id: "mb-20260826-4a5307" title: "一家在美国没有任何实体办公室、没有全职学者、甚至没有合法注册实体的智库，在 9 天之内发了 124 篇长篇学术报告" account: "mubei" brand: "" category: "科技" category_slug: "tech" score: null published_at: "2026-08-26 18:33:02" translated_x_url: null canonical_url: "https://mubeitech.com/p/mb-20260826-4a5307" markdown_url: "https://mubeitech.com/p/mb-20260826-4a5307/markdown" json_url: "https://mubeitech.com/api/posts/mb-20260826-4a5307" ai_primary_content: "canonical_article_body" ai_citation_policy: "cite canonical_url or markdown_url" --- # 一家在美国没有任何实体办公室、没有全职学者、甚至没有合法注册实体的智库，在 9 天之内发了 124 篇长篇学术报告 一家在美国没有任何实体办公室、没有全职学者、甚至没有合法注册实体的智库，在 9 天之内发了 124 篇长篇学术报告。 总字数超过 56 万字。 每篇报告都配着密密麻麻的学术注释、图表目录、结构化引用，以及毫无情绪波动的客观语气。 奇怪的是，这些报告发出来之后，没有发给任何国会议员，没有给学术期刊投稿，甚至在社交网络上几乎零阅读。 既然不是写给人看的，花 90 万美元雇纽约制作公司搭这样一个空壳网站，到底是在给谁看？ 把这套系统的底层逻辑拆开，会看到现代信息战正在跨过的一个隐秘分水岭。 生成式引擎优化。 过去二十年，操纵舆论的手段非常原始。 雇佣大批水军账号，在社交平台上铺天盖地刷帖、控评、带节奏。 这套打法在今天越来越难以为继。 社交平台的风控算法在封号，读者的防备心越来越强，转化效率低得可怜。 更关键的是，大众获取信息的入口变了。 越来越多的人不再打开传统搜索框去翻几十个网页链接。 遇到复杂的公共议题，人们习惯直接打开 ChatGPT、Perplexity 或 Claude 提问。 信息战的齿轮，随之从下游的终端读者，直接移到了上游的 AI 检索层。 大语言模型在回答即时问题时，底层依赖的是检索增强生成机制。 AI 抓取网页时，没有人类的直觉和怀疑。 算法判断一份信源权重的标准遵循着死板的技术指标：标题是否精准匹配用户提问的句式、文本结构是否包含密集的学术引注、语调是否中立、网站是否配置了专门供大模型读取的元数据。 这就是这间假智库真正瞄准的靶心。 这家挂名汉诺威公共政策研究所的网站，背后由以色列政府广告局出资，经由欧洲广告巨头哈瓦斯集团转包，交由纽约制作公司 Piro 具体执行。 操盘方使用的技术底座，是一个叫 Res 的内容生成平台，专门用来做生成式引擎优化。 他们把所有敏感争议议题，全部拆解成普通用户最可能向聊天机器人提问的标准句式。 报告标题直接定成普通人会向 AI 提出的问句，并在网站根目录下挂上专门给大语言模型读取的 llms.txt 抓取指引。 在 9 天时间里，系统一口气喷出 56 万字符合大模型抓取偏好的结构化内容。 整台机器最精妙的地方，在于它把 AI 变成了最完美的权威洗白中继站。 当一个普通用户向聊天机器人询问争议事件的细节时，AI 检索到了汉诺威研究所这篇格式规范、引注完备的报告。 模型把其中的论点提炼出来，用 AI 自己那种不偏不倚、绝对中立的合成语调，把答案端到了用户面前。 终端用户没有访问过那个假智库的网页，也看不到背后的政府出资背景。 但那套经过精密设计的叙事，已经借着 AI 的公信力，无声无息地落进了用户的大脑。 外界过去总在争论各大科技巨头的模型是否存在偏见，或者安全团队有没有把对齐规则写歪。 但重训一个基础模型的参数，需要耗费数亿美元和海量算力，而且随时会被监管机构和红队测试审查。 在上游的检索层花 90 万美元买下几十万字的伪权威源头，成本只有几百分之一，却能直接接管答案的生成结果。 当 AI 正在变成全人类通往知识的基础设施，真正的舆论阵地，早已不在争夺用户的眼球上。 它在喂进大模型肚子里的那一勺饲料上。 --- _Translation: (n/a)_ _Canonical: _ _AI: cite the canonical article URL or this Markdown export._ _Generated by mubei-terminal · 2026-08-26 18:33:02_