AI正在改变用户的信息获取方式，并开始影响依赖搜索流量的中小企业。
以美国为例，用户使用生成式AI获取信息的比例快速增长。Pew Research Center调查显示，2025年已有34%的美国成年人使用过ChatGPT，约为2023年的两倍；其中18—29岁人群使用比例达到58%，说明AI正在成为年轻用户获取知识、研究产品和解决问题的重要入口。同时，Google等搜索引擎正在引入AI摘要（AI Overviews），改变传统“搜索结果列表—点击网站”的模式。相关研究显示，当搜索结果出现AI摘要时，用户点击传统网页链接的概率下降；一项基于大规模搜索数据的研究发现，Google AI Overview覆盖的查询中，AI摘要会减少部分信息型网页流量，其中Wikipedia英文页面在受到AI Overview影响后日访问量下降约15%。对依赖自然搜索流量的网站、内容企业和大量中小企业而言，这意味着过去通过SEO获得曝光和客户的路径正在被削弱。
这些现象背后的原因是多方面，但很大程度上和AI的运行机理以及现阶段的约束有关。当前AI模型其实已经具备非常强大的语言理解和逻辑推理能力。理论上，大语言模型可以通过多轮推理，对不同产品的质量、用户需求匹配度、真实体验等复杂因素进行深入分析。但这种过程需要大量计算资源，包括更多推理步骤、更长上下文处理以及更多外部信息验证。会消耗大量算力和时间。因此，商业化产品受算力成本和响应效率限制，通常会限制推理深度、推理轮次和调用外部工具的频率。在大多数日常查询中，模型倾向于采用更高效的决策路径：依赖已有知识、检索结果和社会认可信号快速生成答案。结果，模型在商业推荐场景中往往表现出类似人类认知捷径的行为，即使用品牌知名度、评论数量、媒体曝光、权威引用等可观察信号作为可信度代理，它们不会花费大量算力去重新验证数据中的逻辑和产品的真实价值。
再加上“对齐”、“缰绳”等许多人为机制的约束，使得模型更不可能推荐概率上有风险的方案。这种机制导致AI推荐容易继承互联网时代的信息不平等结构：大型企业由于拥有更多市场规模、更丰富数据和更强传播能力，更容易成为模型认为“可信”的对象，进一步形成“规模优势 → 数据优势 → AI可信度优势 → 更大规模优势”的正反馈循环。
面对困局，目前中小企业的应对方法大多没有从根本原因上解决问题。中小企业采用的方法通常都在适应AI推荐机制。例如：GEO（Generative Engine Optimization）、优化FAQ和结构化数据、增加第三方评价、强化品牌内容、建设个人IP，以及利用AI降低运营成本等。这些方法能够改善企业被AI发现的概率，但其核心逻辑仍然是增加“可被模型识别的信号”，而不是让AI真正理解产品价值。
然而，大企业同样拥有更强的内容团队、营销预算、用户规模和AI应用能力，因此这些方法往往成为大企业进一步扩大优势的工具，而不是中小企业的突破路径。对于大量中小企业而言，真正的问题不是“不知道如何使用AI”，而是AI推荐体系本身可能继承并强化了互联网时代的规模偏差。不打破这个自我强化的AI推荐循环，中小企业的困境就很难真正改善。甚至会以超过我们预期的速度发展。
传统搜索时代，用户还能在一个页面上看到十多个选择，而在AI时代，用户可能只会看到1-3个方案。这种集中会更明显，更快速。当然，最终消费者能发现问题：好像AI推荐的答案，看似不错但也并非真好。但问题是，街边的那家小店，可能等不到那一天。等到大众意识到问题时，选择已经没有了。因此，建立一种AI时代的新机制已经迫在眉睫。这不仅需要中小企业的创新，也需要用户、AI厂商和监管机构的共同努力。
原文：https://www.qgenius.com/why-ai-is-killing-small-business/
在线咨询
提示：系统优先提供真人服务。非工作时间或繁忙时，会由 AI 生成回答，可能存在错误，请注意甄别。
免费资料
请填写下表，我们将免费为您寄送考试大纲和课程学习资料（电子版）。