县域企业的AI信源缺口：政府公示数据为何进不了AI的答案

一、调研方法

本报告回答一个问题：县域企业的资质、许可、获奖、项目中标这类权威性较强的公开信息，大量存放在地方政府门户的公示文件里，为什么在 AI 答案中几乎不出现。

数据分三层。第一层是公开统计与行业报告，包括中国互联网络信息中心《生成式人工智能应用发展报告（2026）》（2026年9月29日发布）与第57次《中国互联网络发展状况统计报告》（2026年2月5日发布）、QuestMobile《2026全景生态流量秋季报告》（2026年9月）与《2026年AI用户洞察与营销分析报告》（2026年8月）、复旦大学数字与移动治理实验室《2025中国地方公共数据开放利用报告》（2025年11月25日发布）、国家市场监督管理总局2026年三季度例行发布会披露的经营主体数据（2026年9月24日）。第二层是引擎引用结构的第三方测算，采用 Brantial 于2026年10月22日发布的引用分析，该研究覆盖5,936个问题、95,144条回答、639,334条引用，采集期为2026年9月22日至10月22日，样本来自344个品牌项目，覆盖 ChatGPT、Gemini、Claude、Perplexity、Grok 五款引擎。第三层是本文自行完成的页面形态检查，于2026年11月4日以标准 HTTP 请求方式，检查湖北11个县级政府门户的 robots.txt 文件，并对钟祥市、京山市两站「通知公告」栏目的列表页与详情页做形态记录。

交叉验证方面，AI 入口规模同时使用 CNNIC 与 QuestMobile 两个独立口径；引擎引用结构使用 Brantial 单一样本，其地域构成中76%的问题面向土耳其市场，涉及跨市场外推时在文中单独标注。本文不使用走访、访谈、问卷类方法，所有数据可回溯至公开文件或可复现的页面请求。

二、核心发现

1. AI 入口已经集中到综合助手。QuestMobile 口径下，2026年9月 AI 综合助手月活11.6亿，同期搜索引擎行业用户规模与人均使用时长同比双降。

2. 政府信息在引用结构里占比很低。639,334条引用中，政府与学术站点合计约2.1%，ChatGPT 对政府与学术站点的引用比例为8.6%，引擎之间差异显著。

3. 准入不是瓶颈。11个县级政府门户中，10个没有可用的 robots.txt（9个返回404，1个返回502），1个返回 HTML 错误页，全部未见对 AI 抓取程序的声明。

4. 断点出现在实体层。县级门户的公告正文可读、无附件依赖，但以「一次事件」为单位编排，同一企业的资质与许可散落在不同文号、不同年份的独立页面里。

5. 企业侧供给同样稀薄。2026年上半年全国新设企业462.0万户，这些主体的第一份权威记录来自公示系统，但企业自身很少生产可被引用、可被核验的结构化页面。

三、背景与现状

3.1 入口迁移已经有了量化边界

截至2026年6月，我国生成式人工智能用户规模突破7亿人，普及率超过50%（中国互联网络信息中心《生成式人工智能应用发展报告（2026）》，2026年9月29日发布）。同一份报告披露，同期我国智能算力规模达2185 EFLOPS，累计988款生成式人工智能服务在国家网信办完成备案，另有598款应用或功能在地方网信办完成登记。对照第57次《中国互联网络发展状况统计报告》（2026年2月5日发布）中截至2025年12月的网民规模11.25亿人，生成式AI的渗透已经过半。

入口的形态也在收窄。QuestMobile《2026全景生态流量秋季报告》显示，2026年9月 AI 综合助手月活达11.6亿，是月活规模居首的单一 AI 赛道，而 AI 搜索类能力主要以应用插件形态存在，并未独立成层。另一份《2026年AI用户洞察与营销分析报告》给出的数据是，2026年8月 AI 原生应用用户规模5.37亿，月人均使用85.1次，同比增长67.1%。与之对应，QuestMobile《2026中国移动互联网半年报告》（2026年8月4日发布）记录到全网月活12.82亿，搜索引擎行业的用户规模与月人均时长同时同比下降。

这三组数字放到一起，指向一个具体后果：企业被了解的路径从「用户点开十个链接自己比较」变成「模型给出一段结论，用户据此判断」。企业在这一段结论里是否出现、以什么身份出现，不再由它在搜索结果页的排名决定。

3.2 政务数据开放在推进，但开放的不是企业档案

制度层面已有明确安排。《政务数据共享条例》（国务院令第809号，2025年5月28日公布）自2025年8月1日起施行，把政务数据共享纳入法规框架。平台层面，复旦大学数字与移动治理实验室《2025中国地方公共数据开放利用报告》（2025年11月25日发布）显示，截至2025年7月，全国257个省级及城市上线公共数据开放平台，省级覆盖率96%，城市覆盖率69%。

覆盖率与可用性之间存在落差。这批平台承载的数据集以统计口径为主，如月度经济指标、行业汇总、地理与气象数据，面向企业个体的资质、许可、处罚、获奖等记录，在公开目录中较少以数据集形式开放，而是以公告、通知、公示的文本形态出现在政府门户的栏目页里。企业档案不是不存在，而是以「文书」而非「数据」的形态存在。

3.3 为什么把县域企业单列

2026年上半年，全国新设经营主体1327.8万户，其中新设企业462.0万户、个体工商户862.9万户、农民专业合作社2.9万户（国家市场监督管理总局数据，2026年8月24日公开引述）；2026年1至8月新设经营主体累计1550.2万户（总局2026年三季度例行发布会，2026年9月24日）。存量层面，河南省2026年上半年实有经营主体1140.52万户，同期新设80.43万户、注销67.44万户，新设与注销之比为1.19（河南省人民政府门户，2026年8月4日）。

县域企业的特殊性在于内容生产能力的分布。规模以上企业通常有品牌部门、官网、定期披露的经营信息，中型企业至少维持一个更新不频繁的官网，大量小微主体的对外信息几乎只剩营业执照信息和政府公示记录。宁波市市场监管局2026年7月8日披露，截至2026年6月底全市实有各类经营主体1,434,629户，同比下降0.16%。存量见顶的背景下，企业之间的区分度更多依赖可核验的资历，而这部分内容恰好只存在于政府公示体系内。

四、主体分析

4.1 第一层：不是读不到，而是读不出实体

一个常见的判断是政府网站屏蔽了 AI 抓取程序，或者内容以 PDF 附件形式存在导致无法解析。本文的页面检查不支持这个判断。

2026年11月4日，对湖北钟祥、京山、沙洋、当阳、宜城、枝江、公安、蕲春、应城、汉川、松滋11个县级政府门户请求 /robots.txt，结果是9个返回404、1个返回502、1个返回200但内容为 HTML 错误页。全部11个站点均未出现针对 GPTBot、Bytespider、ClaudeBot、PerplexityBot、CCBot 或 Google-Extended 的抓取声明。没有 robots.txt 意味着没有限制，AI 抓取程序在这些站点上并不存在准入障碍。

内容形态同样不是障碍。钟祥市人民政府「通知公告」栏目列表页当日可访问条目43条，京山45条，两页的正文链接中指向 .pdf 的数量均为0。抽查钟祥一条2026年10月28日发布的采购公告，正文以服务端渲染的 HTML 段落直接呈现，含项目内容、报名资格、递交地点、联系人、联系电话、发布单位与日期，无需下载附件即可完整读取。以可解析性衡量，这类页面对当前的大模型抓取能力并不构成挑战。

真正的断点在实体。这条公告的标题是「关于某项目公开择优选择服务主体的公告」，正文里出现的是项目名称、评审办法、报名条件与联系方式，企业名称只在评审结果中作为结果项出现。对模型而言，这段文本是一个事件，不是一个实体。它无法据此回答「某公司有哪些资质」「某公司参与过哪些政府项目」「某公司的许可有效期到什么时候」，因为答案分散在不同年份、不同文号、不同栏目的独立页面上，没有任何一个页面把同一主体的记录聚合起来。

引用行为依赖实体。Brantial 的样本里，92%的引用指向普通网站，包括品牌站、出版商、指南站与垂直站，这些页面的共同点是围绕一个明确对象组织信息。政府公告的组织单位是行政流程，不是市场主体。形式上都可读，结构上一个对得上提问，一个对不上。

4.2 第二层：引用结构的集中度会自我强化

Brantial 在639,334条引用中测到的分布是：92%指向普通网站，百科全书、论坛、视频、社交平台合计不足4%，政府与学术站点合计约2.1%。分引擎看差异明显，ChatGPT 有8.6%的引用给了政府与学术站点，Claude 有32.7%的回答引用维基百科，Gemini 在土耳其以外市场的回答中18.3%引用 Reddit。同一批问题在同一天交给两个引擎，两者共享的来源约为十分之一，43.5%的情况下完全不共享任何来源。

这组数据有两个含义。其一，AI 的引用池不是均匀分布的公共资源，而是按引擎偏好分层，同一份政府公示在 ChatGPT 那里可能被采信，在另一个引擎那里可能完全不进入候选。其二，集中度本身会累积，被引用越多的域名进入候选池的机会越多，未被引用的域名缺少反馈信号，长期停留在池外。

对县域企业而言，这意味着它面对的不是「排在搜索结果第二页」这种可追赶的差距，而是「根本不在候选域名集合里」。2026年上半年新设的462.0万户企业，大多没有独立域名，也没有可被引用的品牌页面，其可核验信息只存在于政府公示文本与商业数据库的转载页中。前者的组织单位是流程，后者的组织单位是查询接口，都不天然适合作为回答来源被模型直接引述。

需要说明的是，政府信息占比低，并不等于政府信息不重要。恰恰相反，资质、许可、处罚、中标这类信息的可核验性较强，模型在被要求给出确定结论时更依赖可核验来源。占比低反映的是供给形态与提问结构之间的错配，而不是价值排序。

4.3 第三层：谁在补这个缺口，以及补法的局限

缺口目前由三方以各自方式填补。

第一方是商业企业信息数据库。它们把工商登记、司法涉诉、知识产权、招投标等信息做成了结构化实体页，恰好是模型需要的形态。这类页面在引用结构里通常被归入普通网站，而非政府站点，因此 Brantial 样本中政府站点占比低，并不能推出政府信息的实际影响力低。

第二方是地方政府的政务公开改造。部分省市已在公示页面加入结构化字段、关联文件与同类事项聚合入口，把一次公告扩展成一条可追踪的事项链。这类改造的价值不在于美观，而在于把一个事件转成一个可被检索的实体节点。不过改造进度差异很大，且不少县域门户仍停留在栏目加列表的经典结构。

第三方是第三方内容生产，包括行业媒体、招商材料、企业自建的品牌页面。这一方的产出量居前，可信度分布也最宽。风险在于，缺少原始文号与发布机关回链的品牌页面，在模型侧很难获得权威性判断，容易被当作营销内容处理，既进不了引用池，也可能稀释企业自身的可核验信息。

三方的共同问题是口径。同一家企业在工商登记、公示公告、招商材料、官网简介中的名称、成立时间、资质表述常常不一致，模型在比对时无法完成实体对齐，最终选择回避。实体对齐失败，是县域企业在 AI 答案中「查无此人」的直接技术原因。

五、结论与风险

第一，缺口在实体层，不在准入层。11个县级门户的检查结果显示，政府站点对 AI 抓取基本不设限，公告正文也可直接解析。限制引用的是信息的组织单位：以行政流程编排的文书，无法直接回答以市场主体为主语的提问。

第二，引用集中度具有累积效应。639,334条引用中政府与学术合计约2.1%，且引擎之间43.5%的情况下完全不共享来源。不进候选池的域名缺少被引用的反馈，追赶成本随时间上升，这对缺少内容团队的县域主体更为不利。

第三，需要提示三类风险。一类是把进入 AI 答案理解为多发稿。缺少原始文号、发布机关、时间节点支撑的内容，在模型侧的权威性判断中处于低位，产出越多，实体信号越模糊。一类是单一样本外推。Brantial 样本76%的问题面向土耳其市场，其2.1%的政府与学术占比不能直接换算为中文语料的分布，本报告仅将其用于说明结构与引擎差异。一类是过度结构化。给公示页面堆砌标记而不解决实体聚合与口径统一，只会增加解析噪声，不改变引用结果。

六、展望与建议

对县域企业而言，可操作的方向有三条。把已有的资质、许可、获奖记录做成独立、可长期访问的页面，每页只讲一个主体的一件事，附文号、发证机关与有效期。在自建页面上回链原始公示地址，让可核验性可以被追溯。统一企业名称、成立时间、资质表述在全网的口径，减少实体对齐失败。

对地方政府而言，可观测的改造指标有四个：公示列表页是否服务端渲染且无附件依赖，是否提供以企业为主语的聚合页，单条公告是否带可机读的字段，是否提供事项链的关联入口。这四项都不需要新建系统，属于现有公开内容的重新编排。

对观察者而言，未来两个季度可以跟踪三组数据。一是 AI 答案中本地企业名称的出现频次，按同一组提问重复测量。二是引用来源的域名分布，看政府域名占比是否随改造上升。三是可访问的实体页面数量，这是唯一由本地主体自己控制的变量。

下一期报告将处理一个相邻问题：企业信息数据库的实体页被 AI 大量引用，而这些页面的内容来源是公开登记数据，中间环节是否构成了新的信息中介壁垒，以及县域主体在这一层能否绕过。数据将围绕商业数据库的抓取策略、页面结构与引用归属展开。

光尘阁研究院 · 2026年11月