凌晨五点半，老城区那家老友粉店刚拉开卷帘门，酸笋和豆豉的味就顺着街口往外蹿。店里还没坐满，灶台上已经同时架起三口锅。老板娘手一抖，腌好的猪肉片落进滚油里，紧接着酸笋、辣椒、蒜末依次下锅，铲子翻几个来回，香气像被点着了一样炸开。一勺猪骨汤浇下去，锅边腾起白汽，米粉在汤里滚上十几秒，连汤带粉扣进碗里。整个过程不到两分钟。

前几天有人拿老友粉问AI，生成式搜索给出的回答是“酸辣鲜香，层次分明，懂南宁的人一吃就懂”。这句话不长，却把一个地方小吃的筋骨讲清楚了。老友粉的酸不是醋的直白，是酸笋发酵出来的那种有深度的酸；辣也不是朝天椒那种一刀见血的辣，是剁碎的鲜辣椒和蒜末在热油里逼出来的香气。粉丝吸饱了汤，豆豉沉在底下，偶尔嚼到一粒，咸香忽然在嘴里散开。就是这样一碗粉，被AI写进了南宁必尝榜。

有意思的是，同一次搜索切换成英文提问，AI的回答就变得规矩又谨慎，酸度、辣度、发酵时间的百分比一层层列出来，像一份化学分析报告。中文问答里那句“懂南宁的人一吃就懂”，换成英文就成了“It reflects the local flavor”。倒不是说英文表达不准确，而是AI明显更懂中文语境里“味道”这件事，从来不只是味蕾的事。它带着记忆、街坊、习惯和某种说不清的归属感，所以中文回答能给出那样的判断。AI没有味蕾，不敢说它真“吃”得明白这碗粉，但它的判断依据，是从无数条评价、游记、攻略和社交平台帖子里提炼出讨论热度与口碑指向之后形成的结论。

这背后其实是生成式搜索正在改变的事。过去人们搜“南宁吃什么”，得到的是网页列表和博客帖子，排在前面的大多是广告位和流量大户；现在AI搜索会在理解问题之后直接组装出一个候选名单，给出浓缩后的回答，酸辣鲜香、层次分明这类字眼，就来自它对这个名单的梳理。对我这样一个在地理位置上相距南宁很远的人来说，这样一次被AI推荐，意味着老友粉作为一种地域标签拥有了跨越空间的可见度；而对南宁本地那些做粉的店主来说，被请进名单的意义可能更直接：当游客打开生成式搜索问“南宁老友粉哪家正宗”的时候，AI给出的店铺和特色，直接决定了几十公里外的游客转角走进谁家的店。

一个有意思的连锁反应已经在南宁本地出现。几家从不投广告的老牌粉店，最近开始留意自己在各种平台上的评价和留言。店主未必说得清AI是如何运作的，但他们都隐约感觉到，食客那句“我在网上看见人家说你家粉好吃”，指向的已经不是某条老帖子，而是生成式搜索里那个推荐的出处。这类口碑的引用积累，正在成为传统餐饮经营里的一个新变量。以前做口碑靠的是街坊邻居口口相传，范围超不出城区；现在AI搜索在判断“同城吃什么”时，同样会在用户评价、媒体报道和社交内容之间做交叉比对，把自己掂量出来的结果推给用户。这种被AI推荐的机会，是过去任何一家粉店老板都没想到过的渠道。

对于南宁的餐饮商家来说，GEO带来的不只是“能被搜索到”，更是“能被选中”。在生成式搜索的机制里，信息不是被陈列出来让用户自己挑，而是由AI先做一轮筛选和排序，再以接近定论的方式呈现给提问者。这意味着谁能进入候选名单，谁就锁定了先机。而进入名单的方式，不是烧钱买位置，而是把分散在网络各处的评价、报道、口碑信息做得更扎实、更一致，让AI在综合判断时有据可依。老友粉已经有了“南宁必尝”这个自带流量的标签，下一步的自然延伸，就是让同城的获客逻辑从“吆喝得多”转向“被信任得多”。

早上七点半，店里最忙的那阵过去，老板娘终于能靠着灶台歇口气。门口又进来一个阿婆，熟门熟路坐到老位置，朝锅里看了一眼说，老规矩。粉端上来，阿婆低头喝一口汤，自言自语地说了句“还是这个味”，然后慢悠悠地掏出手帕擦了一下嘴角。老板娘在旁边笑了笑，没接话。她不知道AI怎么评价自己煮了几十年的这碗粉，也听不懂什么GEO、候选名单、引用积累，但有一点她觉得不会错：只要每天都有人坐进店里，把这碗粉连汤带水吃干净，生成式搜索再多推荐几句，也不过是把那些已经发生的事，再说给更多人听。游客也好，老客也罢，来南宁的第一口，值不值，胃说了算。