研究机构 Trellner Research 在9月2日发布的报告 TR-2026-009 揭示了一个令人不安的模式：三个域名在380个软件品类下批量生成了 215,128 个「最佳软件」推荐页面，而这些页面正被 Perplexity 的联网检索当作可信来源引用。测试方式相当系统——研究者通过 OpenRouter 向 perplexity/sonar 与 perplexity/sonar-pro 发起调用，覆盖从 CRM 软件到博物馆藏品管理软件的380个买方意图类目，每类目每模型一次提示词，共760次，要求以 JSON 返回每类前五名推荐。
760 次调用全部返回了可解析答案，累计产生 3,800 个推荐位、涉及 1,807 个不同产品，并附带 7,534 条引用，横跨 2,055 个域名。研究者把这些域名逐一与 Tranco 每日榜单的 2026年9月1日快照比对，用 Wayback Machine 核查站点历史，还抓取了模型给出的 1,502 个厂商主页确认其仍然存在。结果是：59.8% 的引用指向 Tranco 榜单十万名以外的域名，23.4% 甚至不在前一百万名之内。
为模型而非人类编写的站点
最刺眼的发现在于引用目标的成色。报告中两个被高频引用的站点，首页 HTML 标题赫然写着 Facts & Grounding Page——grounding 正是 Perplexity 这类模型执行检索接地时的术语，等于把「写给模型看」直接刻在了门脸上。这两个站点与第三个疑似受同一主体控制的域名一起，无一在2023年12月之前存在，却已在380个品类下铺出了21.5万个机器生成的品类推荐页。
这类页面的商业模式并不复杂：当买家向 AI 助手询问某类软件怎么选时，被引用的站点名称直接进入答案，页面由此截获原本属于搜索引擎或评测媒体的流量与信任。报告数据显示，引用域名的流量排名中位数低到几乎不可能被人类读者自然发现，这意味着 Perplexity 的软件推荐在相当程度上反映的不是产品质量，而是谁更擅长为检索器制造可抓取的内容。
测量范围与局限
报告对自身边界交代得很清楚：实验只测了 Perplexity。经由 OpenRouter 调用 Gemini 一类模型会被路由到 OpenRouter 自有的联网搜索插件，引用结果将描述插件而非 Google 自己的检索体系，因此 Google 被整体排除。全部类目提示词在看到任何结果之前写定，事后未做修改，避免了先射箭后画靶的质疑。
长尾品类的重灾区
研究者还给出了一个容易被忽略的细节：380 个类目里有大量垂直品类，比如博物馆藏品管理软件、流程挖掘工具这类月搜索量极低的市场。恰恰是这些类目，AI 助手的引用几乎完全被长尾站点接管，因为正规评测媒体根本不会为它们制作内容。换句话说，AI 推荐在主流品类尚有真实来源可依，而在长尾品类已经形成了一条从页面工厂到模型引用的完整供应链。
对 AI 搜索行业来说，这份报告踩中了 grounding 机制的结构性软肋：检索器信任的是页面上的文字，而不是页面背后是否有人在经营真实的评测。三个不满三岁的域名靠21.5万个页面就能进入主流 AI 助手的引用池，说明内容农场已经完成从向搜索引擎优化到向 AI 接地的迁移。可行的修复路径包括域名年龄、独立流量与第三方佐证的加权，但每一步都会误伤真正的长尾优质站点。