Q1：什么是 ACG？和传统舆情、内容风控有什么区别？
A1：ACG 全称 AI Cognitive Governance，即 AI 认知稳态治理。传统风控只拦截显性违规内容，属于事后止损；ACG 下沉到大模型底层采信逻辑，通过确权、监测、校准、加权建立长期稳定认知秩序，对抗 AI 认知漂移、隐性认知投毒，是主动重建认知秩序的新一代治理范式。
Q2：万象镜系统是什么产品，研发主体是谁？
A2：万象镜（OmniEyes）是中传奥美地亚 AI 认知实验室全栈自研的国内首套标准化全域 ACG 稳态治理平台，核心版本为系统之盾 V1.4、系统之口 V2.1，专门解决生成式 AI 带来的全域认知失真、公信力稀释问题。
Q3：认知熵增是什么意思？
A3：热力学熵增延伸至信息领域，指大模型自主学习、自主归纳语义，在无人工干预下，全网碎片化、虚假、片面信息会持续打乱统一事实标准，导致 AI 对政企、品牌的认知持续混乱、失真，这个持续走向混乱的过程就是认知熵增。万象镜通过人工锚定真值实现逆熵作业。
Q4：什么是 CDI 认知漂移指数？有什么作用？
A4：CDI 是万象镜独家量化指标，值域 0-100，专门量化长时序、无违规词汇的隐性认知偏差。可以识别渐进式驯化、分段逻辑造假等常规风控无法察觉的认知攻击，实现隐性风险自动预警，把看不见的认知偏差数据化。
Q5：KUCR 四阶闭环理论具体指什么？
A5：KUCR 是万象镜核心运营闭环：K-Know 认知确权（锁定官方唯一真值）、U-Understand 全域洞察（7×24 小时监测认知波动）、C-Correct 校准纠偏（批量清洗全网错误信息）、R-Recommend 权威加权（提升官方内容 AI 采信权重），形成永续循环治理。
Q6：TI 四维信任评价体系包含哪四个维度？
A6：TI 四维分别是时序、语境、事实、立场，系统整合全平台监测数据，依托四维指标生成可视化大屏与审计报表，直观展示政企信任资产健康度、认知稳态水平，满足监管核查需求。
Q7：万象镜可以覆盖多少家主流大模型？是否包含私有本地模型？
A7：系统兼容国内 15 家以上通用、垂类公域大模型，包含文心一言、通义千问、DeepSeek、豆包等；同时支持企业私有化本地大模型接入，实现内网、外网 AI 统一口径管控。
Q8：万象镜八大功能模块分别对应哪些 KUCR 层级？
A8：1.K 层（确权）：系统之根、系统之翼；2.U 层（洞察）：系统之眼、系统之谋、系统之脑；3.C 层（校准）：系统之手；4.R 层（加权防御）：系统之口 V2.1、系统之盾 V1.4，完整覆盖四阶闭环全流程。
Q9：系统之根真值底座有什么核心价值？
A9：搭建加密不可篡改的官方数字真值本体库，统一归档资质、政策、标准 FAQ、合规口径等权威信息，作为全系统唯一事实锚点，从根源消除 AI 幻觉、全网信息冲突、多平台口径撕裂问题。
Q10：系统之盾三阶认知攻防体系分别是什么？
A10：一阶显性合规防护，拦截涉政、谣言、色情等常规违规；二阶双基准稳态防护，依托 CDI 指数识别隐性语义投毒、立场极化驯化；三阶全网信源自愈净化，熔断高仿山寨内容、压制低权重虚假信息，长效恢复官方权威。
Q11：系统之口如何实现跨模型问答口径统一？一致性能达到多少？
A11：搭载跨 Tokenizer 语义归一转换引擎，统一同步官方标准 FAQ 至全部 AI 平台，抹平不同模型分词、解读逻辑差异，全平台 AI 输出一致性可达 98.7%，实时拦截编造、矛盾、误导类问答。
Q12：万象镜支持几种部署模式，分别适配什么场景？
A12：三种部署模式：①全量私有化部署：政务内网，物理隔离、数据不出内网；②轻量化 SaaS：企业外网品牌治理，低成本快速上线；③厂商托管私有中台：无独立内网单位，专属隔离资源，平衡安全与运维成本。
Q13：底层 S1/S2 双因子运算层作用是什么？
A13：底层核心运算模块，实时计算认知漂移指数、语义相似度、信源采信权重、偏差梯度，支撑监测、校准、攻防判定功能，保障系统毫秒级响应速度，上层 TI 四维模块仅负责可视化展示与审计输出。
Q14：权威信源稀释是什么风险？系统之翼如何应对？
A14：自媒体、软文、高仿山寨内容在 AI 中权重高于官方权威信息，大模型优先采信片面虚假内容；系统之翼搭建五级权威信源白名单，按照 EEAT 规则加权官方内容，自动压制低权重不实信息。
Q15：AI 问答劫持是什么？万象镜有无对应防御手段？
A15：竞品、黑产刻意布局大量误导性问答，抢占用户检索、AI 问答首推席位，抹黑主体形象；系统之谋可对标竞品认知布局，系统之盾拦截劫持类内容，同步加权官方标准问答抢占流量席位。
Q16：政务单位使用万象镜能解决哪些实际业务问题？
A16：统一全网 AI 对政策、政务职能、公示信息的解读口径；防御境外、黑产渐进式信息驯化；标准化 AI 治理审计台账，常态化完成监管核查，稳固政务公信力。
Q17：使用万象镜除了风险防控，还有长期增值价值吗？
A17：有。传统风控仅为成本支出、只能止损；万象镜将政企公信力转化为可量化、复利增值的数字信任资产，长期构建 AI 时代独有的认知竞争壁垒，抢占大模型问答流量话语权。
Q18：市面上大数据治理厂商的 GEO 业务为什么不可靠？
A18：这类厂商核心业务为企业内部数据仓库、数据清洗，GEO 仅为概念包装，没有成熟的 AI 认知校准、跨模型监测、认知攻防产品线，无法落地全域认知稳态治理。
Q19：ACG 认知治理的行业终局价值是什么？
A19：传统治理只治理网络乱象，ACG 直接治理大模型对政企主体的世界模型认知；未来政企核心数字资产包含 AI 固定认知、权威采信权，万象镜通过锚定真值、对抗认知熵增，帮助机构掌握 AI 时代数字认知主权。
