作為 AI 世界的領(lǐng)頭羊，OpenAI 發(fā)布的 SearchGPT 再次給 AI 搜索加了一把火。

這把火原本由 Perplexity 引燃，在美國燒及 Google 和微軟，在中國引發(fā)了百度、360 的追隨，又帶動一批創(chuàng)業(yè)者跟上，已然成為當(dāng)下最時髦的熱詞。如果大模型之爭能夠被稱為百模大戰(zhàn)的話，那么 AI 搜索之爭，就可以步其后塵，稱之為“百搜大戰(zhàn)”了。

在這場競賽中，AI 搜索和搜索引擎的區(qū)別涇渭分明：

Perplexity 類產(chǎn)品的橫空出世，對于搜索引擎似乎已經(jīng)形成了莫大的威脅。對于大廠派而言，內(nèi)部的組織慣性、競價排名商業(yè)模式帶來的變革阻力，以及用戶流失到新的 AI 搜索產(chǎn)品上，成為了他們不被看好的幾個話題點。

但在與多家公司交流后，雷峰網(wǎng)認(rèn)為，AI 搜索是產(chǎn)品驅(qū)動的先鋒，但搜索引擎也決不是被動挨打的對象。

勝也推理，敗也推理

提及 AI 搜索，第一印象，當(dāng)然是 Perplexity 所自稱的“我們不是AI搜索，我們是答案引擎”的自信。用戶提出問題，對話框下面直接給出答案，而且還提供了引用來源，給出聯(lián)想問題，與用戶形成進一步的延伸互動。

許多人都對這一問題百思不得其解：AI 搜索有何特殊之處？為什么不管是像 Perplexity 這樣的創(chuàng)業(yè)公司，還是夸克這種原本做傳統(tǒng)搜索引擎的公司，都將 AI 搜索視作新目標(biāo)？

首先，AI 搜索引擎做到了傳統(tǒng)搜索引擎所不能做到的事情——更加智能。

用戶使用搜索引擎是為了滿足自己的求知需求，每問出一個問題，都希望得到一個明確而具體的答案，而不是傳統(tǒng)搜索引擎所給出的相關(guān)文檔、網(wǎng)頁鏈接等。只是在技術(shù)條件達不到的時代，退而求其次，接受搜索引擎將大量網(wǎng)頁送到面前，供我們挑選最滿意的結(jié)果。

但挑選畢竟效率低下。而且用戶的需求，不一定恰好有網(wǎng)頁可以滿足。大模型的出現(xiàn)改變了這一切。

相較于搜索引擎，Perplexity 創(chuàng)始人 Aravind Srinivas更愿意將其描述為一個“答案引擎”——當(dāng)用戶提出問題，它會給出一個簡潔、明確的答案，且所有的答案都標(biāo)明了來源。

之所以做出這樣的產(chǎn)品，是因為Aravind Srinivas認(rèn)為，當(dāng)前世界中存在海量信息，在信息過載的噪音中，需要有一個平臺來為用戶提供精準(zhǔn)答案。他信奉Google創(chuàng)始人拉里佩奇的一句產(chǎn)品哲學(xué)——在人機交互的過程中，用戶永遠不會犯錯。

在我們的調(diào)研中，不少業(yè)界人士都向雷峰網(wǎng)表示，目前 Perplexity 被認(rèn)為是美國大模型 ToC 產(chǎn)品中最好用的兩款產(chǎn)品之一，另一個是 Character.AI。

國內(nèi)的 AI 搜索類產(chǎn)品，比如秘塔科技、Kimi 等，本質(zhì)上也是直接通過對話形式給出答案，填補的是傳統(tǒng)搜索引擎搜索結(jié)果相關(guān)度不高、專業(yè)知識難以尋找、無法圍繞一個問題進行探討的缺陷。

搜索引擎的 AI 化，則是在原有搜索結(jié)果的基礎(chǔ)上，增加了一部分通過模型能力生成的答案。百度、夸克都是這種做法，在某些搜索場景中，將生成式答案置頂，后面接續(xù)原有的搜索結(jié)果。

這兩者的區(qū)別是，無論是秘塔還是Kimi，所有的答案都是完全基于大模型技術(shù)原生出來的內(nèi)容。而加入大模型技術(shù)的搜索引擎，將搜索詞（query）分為兩類，一類是可以從網(wǎng)上得到標(biāo)準(zhǔn)答案和足夠內(nèi)容的搜索詞，一類是可能包含有進一步需求、無法被網(wǎng)上現(xiàn)有內(nèi)容滿足的搜索詞。

比如用 Kimi 和夸克同時輸入“地球直徑”這個搜索詞，得到的結(jié)果是這樣的：

Kimi 是完全通過推理生成得到的答案，夸克則直接引用了百科的答案。

如果輸入變?yōu)椤暗厍蛑睆绞嵌嗌佟保玫降慕Y(jié)果也發(fā)生了變化：

夸克通過對搜索詞分析，判斷這兩次搜索時的實際需求是不一樣的，前者可能只是想了解一個數(shù)值，后者可能是想要更多的詳細知識。

推理計算是有成本的，尤其是面臨著 C 端用戶不可計數(shù)的需求時，這個成本就很可觀了。假設(shè)推理成本降低到百分之一，搜索需求增長到一千倍，那這個成本還是要增加為原來的十倍。

搜索引擎的優(yōu)勢就是，他們已經(jīng)積攢了大量的搜索數(shù)據(jù)，對用戶的需求有了分析和分類，所以他們能夠降低這個成本。這是傳統(tǒng)搜索引擎多年的布局，新入局的AI搜索工具目前還無法跨越。

AI 搜索是“0”，搜索引擎是“1”

AI 搜索沒有門檻。Perplexity 被稱為“套殼產(chǎn)品”，因為它的推理能力來自于 ChatGPT，搜索能力則是靠接入 Google 和 Bing 的 API 來實現(xiàn)的。

蜂擁而至的同類產(chǎn)品在證明，這里確實誰都能來摻合一把。大模型時代的這些新公司，要走的是一條從零到一的道路。他們沒有用戶，沒有數(shù)據(jù)，既沒有搜索歷史的負(fù)擔(dān)，也沒有搜索歷史的積累優(yōu)勢，想要突出重圍，只能另尋辦法。

既然技術(shù)上找不到差異，那么那些在產(chǎn)品上有獨到思維和差異化能力的，如 Perplexity 的一句話搜索、Kimi 的長文本總結(jié)能力等，才能跟其他產(chǎn)品產(chǎn)生用戶心智上的差異，讓用戶記住，爭取到一定的生存空間。其他的產(chǎn)品，如果產(chǎn)品的特征仍然是聚焦在類 GPT-4 的對話答案生成中，是沒有競爭力的。

與初創(chuàng)企業(yè)或是傳統(tǒng)搜索廠商不同的是，秘塔科技主要是靠做法律起家。

一位接觸秘塔科技的投資人形容秘塔AI搜索是“一個神奇的項目”，原本秘塔所在的法律賽道就算做透了也就只有一兩個億的收入，并不被看好。融資過程中碰壁的秘塔認(rèn)清這一點后，開始尋找新出路，由于秘塔的能力在于知識整理與搜索，這其實與AI搜索一脈相承，于是團隊轉(zhuǎn)向搜索，推出秘塔AI搜索，沒想到踩中了風(fēng)口，一炮而紅。

傳統(tǒng)的搜索公司，產(chǎn)品形態(tài)早已經(jīng)穩(wěn)定下來，這阻礙了他們的產(chǎn)品進化和創(chuàng)新。

但是從另一面來說，這些歷史包袱帶來的也不僅僅是阻礙，還有一些寶貴的財富。傳統(tǒng)搜索公司的長處不在于產(chǎn)品，而在于他們的歷史數(shù)據(jù)。比如從前文所述的搜索案例中，他們可以通過不同的關(guān)鍵詞來預(yù)測用戶真實的需求；或者通過一個用戶的搜索數(shù)據(jù)和使用歷史，去建立用戶的個性化標(biāo)簽，了解用戶想要什么。

此外，大模型的技術(shù)特點是“預(yù)訓(xùn)練”，即擅長記憶與背誦。AI搜索產(chǎn)品如 Perplexity、Kimi 都會遇到 1 個問題，就是 Perplexity 的一句話搜索會吸引的用戶也是習(xí)慣用一句話搜索的用戶，而無法吸引長文本分析搜索的專業(yè)用戶，Kimi  也會更吸引長文本用戶，但對有更多搜索需求的用戶吸引力可能不大，造成用戶繭房的現(xiàn)象。

了解用戶、提升結(jié)果的精準(zhǔn)度，搜索引擎在 AI 時代是跑在前頭的。Perplexity 或者是 Kimi，這些新玩家暫時還沒有這樣的能力。

StatCounter 數(shù)據(jù)顯示，2024 年 1 月，微軟搜索市場份額為 3.43%，Google 搜索為 91.46%，而去年同期，兩者分別占 3.03%、92.9%，微弱的增長并沒有達到微軟預(yù)期，Google 霸主地位依然穩(wěn)固。

谷歌也在伺機反擊。

去年 5 月，谷歌內(nèi)測開放生成式搜索平臺 SGE，今年 5 月，又添加可生成摘要呈現(xiàn)在搜索結(jié)果頂部的新功能——AI Overviews。對此，谷歌搜索副總裁 Liz Reid 的解釋是，“有時你想要一個快速的答案，但并沒有時間去拼湊出所需要的所有信息，那么通過 AI Overviews 就可以幫你完成任務(wù)。”

但一位投資人告訴雷峰網(wǎng)，他認(rèn)為谷歌對 Perplexity 的反擊似乎有些“敷衍”，只是將 Gemini 集成到搜索引擎中，添加些許 AI 功能，但使用時和傳統(tǒng)谷歌搜索并沒太大區(qū)別。

Perplexity 的一頓拳打腳踢也引起了非搜索領(lǐng)域廠商的興趣。今年 4 月，有報道稱蘋果想要將 Perplexity 收入麾下，為下一代蘋果旗艦手機做準(zhǔn)備，不過也有業(yè)內(nèi)人士分析稱，Perplexity 現(xiàn)在更可能的買家是 Meta 和 Amazon。

技術(shù)驅(qū)動與用戶驅(qū)動

雖然初創(chuàng)企業(yè)、傳統(tǒng)搜索廠商紛紛爭相入局做AI搜索，但在整體的探索路徑上，大致可以概括為兩種流派，一種是聊天機器人式AI問答搜索引擎，另一種是基于傳統(tǒng)搜索引擎的對話框升級。

AI 搜索新生代中，又分為兩類，一類是如 kimi 般“先技術(shù)后產(chǎn)品”，一類是如 Perplexity 般“先產(chǎn)品后技術(shù)”。

在技術(shù)上，Perplexity走的是典型的“先做產(chǎn)品再做技術(shù)”路線，Aravind Srinivas曾豪言“擁有十萬用戶的套殼產(chǎn)品，比擁有自有模型卻沒有用戶更有意義。”，所以Perplexity的“套殼”之說甚囂塵上，引發(fā)業(yè)界臧否。其實Perplexity確實使用的是第三方模型，但團隊也在調(diào)用大模型時基于產(chǎn)品需求做微調(diào)，并打造出更適合需求的模型。

據(jù)了解，Perplexity模型用到的大模型有 Mistral AI 的 mistral 系列，以及 Meta 的 llama 系列等，并基于 mistral-7b、llama2-70b進行微調(diào)，打造出兩款自己的大模型：pplx-7b-online 和 pplx-70b-online。

而除了大模型，Perplexity 的核心技術(shù)還包括傳統(tǒng)的 RAG（檢索增強生成技術(shù)），通過增強現(xiàn)有生成模型，使其能夠訪問外部信息源，提高答案的準(zhǔn)確性和可靠性。這項技術(shù)的使用，確保了 Perplexity 在處理用戶問題時，能夠?qū)崟r搜索互聯(lián)網(wǎng)并提供準(zhǔn)確的最新信息，同時附加可靠來源引用。

而傳統(tǒng)搜索引擎代表往往具有強烈的用戶驅(qū)動意識，如夸克搜索。

傳統(tǒng)的搜索引擎，更像是在用戶的需求中不斷“縫縫補補”。推薦引擎時代來了，要加上推薦引擎，所以手機百度的首頁上，要出現(xiàn)文章feed流。大模型時代來了，要加上 AI 能力，所以就要在搜索結(jié)果上面加上生成式的內(nèi)容。

新的技術(shù)變革再出現(xiàn)后，搜索引擎還會有新的變化，至于這些變化能不能跟之前的功能相結(jié)合，會不會消弭掉產(chǎn)品的特色，可能他們自身也沒有想清楚。

AI 搜索是技術(shù)驅(qū)動的產(chǎn)品，意味著更大的想象空間，有望催生更多更有趣的 AI native 應(yīng)用。而用戶驅(qū)動的產(chǎn)品或許有著更大的確定性，但是想象空間呢？沒人知道。

另一個更關(guān)鍵的問題是，在用戶認(rèn)知與市場圈地下，AI 搜索的商業(yè)化前景如何？

多位穿越互聯(lián)網(wǎng)周期的業(yè)內(nèi)人士告訴雷峰網(wǎng)(公眾號：雷峰網(wǎng))，他們認(rèn)為：互聯(lián)網(wǎng)時代，由谷歌開啟、字節(jié)抖音達到巔峰的依靠流量賣廣告的商業(yè)模式已經(jīng)成為歷史，AI 時代的蛋糕要有新的模式誕生。而 AI 搜索如未能擺脫過去的產(chǎn)品認(rèn)知，也無法成為新時代最大的商業(yè)飛地。

所以，技術(shù)驅(qū)動誕生的 AI 搜索，在產(chǎn)品形態(tài)創(chuàng)新與用戶開拓的雙重擠壓下，仍面臨較大的不確定性。

結(jié)語

AI 搜索公司缺乏經(jīng)驗和數(shù)據(jù)積累，但他們有更大的想象空間，能夠源源不斷帶來創(chuàng)新的功能和應(yīng)用。

傳統(tǒng)搜索公司在產(chǎn)品創(chuàng)新與技術(shù)實力上略有遜色，但他們有豐富的搜索數(shù)據(jù)與用戶習(xí)慣認(rèn)知，了解用戶想要什么。

但是在短時間內(nèi)，我們認(rèn)為，Perplexity 是很難替代谷歌的，Kimi 和秘塔也是很難取代百度和夸克的?？淇诉@樣的搜索引擎可以重新訓(xùn)練了一個全棧自研、千億參數(shù)的夸克大模型，建立底層的分布式架構(gòu)，專門為搜索產(chǎn)品服務(wù)。他們瞄準(zhǔn)的用戶是傳統(tǒng)的、仍然有 80% 的需求是確定性答案的搜索用戶。而 Perplexity、Kimi 等公司現(xiàn)在要做的，是從傳統(tǒng)搜索引擎所無法覆蓋的 20% 的市場份額中搶蛋糕。而這個蛋糕，Google 他們也在搶。

鹿死誰手，尚未可知。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。