在 Google Search Central Live Deep Dive Asia Pacific 2025 会议上，Cherry Prommawin 与 Gary Illyes 就 AI 融入搜索机制进行了深入探讨。针对业界热议的生成式引擎优化（GEO）和答案引擎优化（AEO），两位专家明确指出：无需为此制定全新的独立框架。
AI 功能本质仍是搜索基础设施的一部分
Cherry Prommawin 指出，AI Mode、AI 摘要、圈选搜索及 Lens 等功能，其运作逻辑类似于精选摘要或知识面板。这些 AI 组件并非运行于独立平台，而是基于 Google 核心索引和排名引擎构建，仅作为额外的解释层存在。
Gary Illyes 进一步强调，AI 驱动工具与传统搜索服务共享统一的基础设施。无论是索引、排名还是结果展示，底层系统均保持一致。部署新的 AI 能力，实质上是将新模型集成至现有系统中，例如圈选搜索和 Lens 仅在原有架构上增加了查询理解模块。
AI Mode 和 AI 摘要只是搜索的功能，并建立在相同的搜索基础设施之上。
抓取机制
所有 AI 摘要及 AI Mode 功能均依赖驱动 Googlebot 的同一爬虫系统，负责页面访问、链接跟踪及新鲜内容收集。Gemini 虽被视为爬虫生态系统中的独立系统并使用自有机器人向模型提供数据，但整体仍属于统一的抓取体系。
索引流程
AI 搜索的核心索引过程与传统搜索高度一致。已爬取页面经分析整理入索引后，通过统计模型和 BERT 进行优化。其中，统计模型沿用超 20 年，最初用于支持“您是否想要”功能及识别垃圾信息；BERT 则增强了对自然语言的深层理解能力。
结果排序与服务
索引构建完成后，系统会对用户查询进行解析，包括过滤停用词、识别关键术语及语义拆分。随后进入排名阶段，根据文本、图片、视频等不同格式的权重对潜在结果排序。RankBrain 利用机器学习调整信号权重，MUM 则采用多模态、多任务方法理解复杂查询并匹配最佳答案。
SEO 策略启示：沿用核心原则即可
鉴于 AI 功能与标准搜索的深度集成，建立独立的 GEO 或 AEO 项目可能导致资源重复投入。SEO 从业者应将现有优化实践直接应用于 AI 搜索场景，关注 AI 增强功能如何融入当前工作流，而非分散精力构建全新框架。
正如会议总结所强调，AI 仅是搜索产品的另一项功能。专业人士可继续遵循传统搜索引擎优化的核心原则来完善策略，确保在 AI 时代保持竞争优势。
- [网络研讨会] 可验证的 AI 可见性：从 SEO 战略到 GEO 战术
- LLM 如何解读内容：如何为 AI 搜索构建信息结构
- 如何让 AI 和 LLM 推荐您的内容（及品牌）
- AI 时代的 SEO