我们问了 3 个 AI 一个问题，看看它们认识明胜品智吗？
上一期，我们介绍了 GEO（生成式引擎优化）是什么，以及影响 AI 回答的五个层面：品牌自述的清晰度、内容的可解析性、第三方印证的密度、品牌数字身份的完整度、内容分发的覆盖面。
延伸阅读：生成式引擎时代新学科——GEO 知识分享
既然 GEO 讲的是让 AI 认识你，那不如先看看，AI 到底认不认识我们自己。
餐饮行业做 AI 销量预估/备货预估，有哪些供应商？
我们把这个问题扔给了当前的大模型，问了豆包、Deepseek、Kimi。
这次我们怎么测
测试设计如下：
- 测试时间：2026 年 7 月 30 日
- 测试方式：每个模型独立对话窗口，不带上下文；开启联网检索
- 测试问题（1 个，聚焦真实采购场景）：餐饮行业做 AI 销量预估/备货预估，有哪些供应商？
选这个问题有 3 个原因：
- 它是一个真实的采购提问——比”介绍一下明胜品智”这种”考试题”更接近陌生用户的行为；
- 它精准指向明胜品智的核心能力——AI 智能预估（销量、备货、需求）是明胜品智 20 年沉淀里最硬的一块；
- 它能同时测出 AI 的”广度”和”精度”——广度是列了多少家、有没有列全，精度是对每一家的描述准不准。
豆包的回答：明胜品智排在”专注 AI 预测厂商”类第 1 位
豆包用一份非常工整的清单回答了这个问题，把供应商分成 5 大类：国内专业服务商 / 外卖中小餐饮 SaaS / 生鲜食材配送 / 海外国际方案 / 云厂商定制 AI。
在”国内专业服务商”这一大类下，豆包按顺序列了 7 家，明胜品智排在第 1 位：
这份答案的 GEO 意义：
- ✅ 公司全称 + 官网品牌：豆包正确写出了”明胜品智 MyAI.tech”
- ✅ 战略合作关系：直接标注了”百胜中国战略合作伙伴”
- ✅ 客户案例矩阵：肯德基、必胜客、海底捞、霸王茶姬、蜜雪冰城——5 个全部是行业顶级品牌
- ✅ 能力细节颗粒度：BOM 拆解、天气/节假日/商圈/上新/闭店 6+ 个建模变量、加盟直营混合
- ✅ 场景匹配精准：明确适配”500+ 门店、自建中央仓”的大型头部连锁
对一个陌生用户来说，这份答案的信息密度足以让他直接进入下一步——搜官网、发询价、加微信。
DeepSeek 的回答：一句话精准命中”知识图谱 + 百胜中国”
Deepseek 是按”综合大厂 / 垂直专业 / 创新方案”三段展开。在”垂直领域专业服务商”这一段，DeepSeek 给出了明胜品智的独立词条：
这一句话，踩中了两个只有内行才知道的关键实体：
- 明略科技——明胜品智所属的集团公司
- 百胜中国（KFC/必胜客母公司）——明胜品智真实服务的核心大客户
末尾的脚注 ¹ 说明这段结论有联网检索来源，不是模型幻觉，也不是记忆的模糊拼贴——是一次可追溯的检索结果，虽然这个结果还需要完善。
Kimi 的回答：给规模数字
Kimi 的回答把供应商分成 4 类，在”AI 原生预测/预估类”这一类里，明胜品智排在第 2 位：
对品牌意味着什么
抛开明胜品智这个具体样本，如果你是一家连锁餐饮的 IT 负责人、供应链负责人，你在做选型时，AI 会成为你的第一道过滤器。
- AI 提到的，你可能会去了解
- AI 没提到的，大概率不会主动进入你的视野
- AI 说得清楚的，你会印象更深、更愿意联系
- AI 说得含糊的，你会觉得”再看看”
这就是 GEO 从”品牌营销”跨越到”业务前置”的地方。它不再只是曝光度问题，而是——你的品牌在 AI 眼里长什么样，直接决定了下一步询价单里有没有你的名字。