劃重點(diǎn)
01隨著GPT-4o創(chuàng)造的新范式，AI搜索推理功能如月暗、智譜、Perplexity和OpenAI相繼上線，開啟2.0時(shí)代。
02AI搜索2.0從信息聚合走向規(guī)律總結(jié)和輔助決策，用戶對(duì)AI搜索的依賴程度超出預(yù)期。
03然而，AI搜索2.0在商業(yè)化上仍面臨挑戰(zhàn)，谷歌搜索廣告市場(chǎng)份額十年來首次跌破50%。
04目前，AI搜索有兩種路徑：通用型AI搜索工具或應(yīng)用載體，前者向C端售賣使用權(quán)，后者將AI搜索能力嵌入場(chǎng)景中。
05除此之外，AI搜索還有擴(kuò)大搜索量、優(yōu)質(zhì)化搜索和直接補(bǔ)充信息來源等增強(qiáng)方式。
以上內(nèi)容由大模型生成，僅供參考
近期，在GPT-4o創(chuàng)造的新范式影響下，月暗、智譜、Perplexity和OpenAI相繼上線了AI搜索推理功能。
與此前“大海撈針”不同，最近更新中AI搜索長(zhǎng)了“腦子”，在面對(duì)問題時(shí)，能像人一樣先拆解步驟，再精準(zhǔn)搜索，最后呈現(xiàn)答案。
根據(jù)“知識(shí)管理模型”，數(shù)據(jù)本身無序且缺乏意義，只有向上進(jìn)化為信息、知識(shí)、智慧才能具備價(jià)值。信息解決了“What”的問題，知識(shí)解決了“How”的問題，金字塔最頂端的智慧應(yīng)對(duì)了“Why”的問題。以此進(jìn)化邏輯來看，CoT（思考鏈）加持下的AI搜索已經(jīng)開啟了2.0時(shí)代，從信息聚合走向規(guī)律總結(jié)和輔助決策。
用戶對(duì)AI搜索的依賴程度超出了預(yù)期，Perplexity宣稱其每周能處理1億次查詢，每月能處理約4億次。從巨頭手中搶奪用戶還遠(yuǎn)遠(yuǎn)不夠，更重要的是，AI搜索在商業(yè)化上釋放出了積極信號(hào)。國(guó)外最新報(bào)告顯示，隨著AI搜索的發(fā)展，谷歌搜索廣告市場(chǎng)份額十年來首次跌破了50%。
無論新老玩家，都盯上了谷歌們留出來的“蛋糕”。目前有兩種路徑，一種是效仿谷歌做通用型AI搜索工具，向C端售賣使用權(quán)，向B端出售廣告席位和創(chuàng)建AI搜索能力；另一種以應(yīng)用為載體，將AI搜索能力嵌入場(chǎng)景中，欲繞過搜索引擎中間商，自建分發(fā)渠道和數(shù)據(jù)入口。既能通過搜索優(yōu)化用戶使用體驗(yàn)感，提升付費(fèi)可能性，也能防止中間商賺差價(jià)，增強(qiáng)盈利能力。
月暗大搞饑餓營(yíng)銷，瘋狂上分，怒刷“國(guó)內(nèi)首個(gè)4o搜索”存在感；靠Talkie賺到回頭錢的Minimax，將精力放在了AI應(yīng)用的搜推上；就連一向溫吞慢熱的微信也在求變，灰測(cè)AI問答功能，打通混元與微信間的生態(tài)。
“越是共識(shí)，門檻越高”，有業(yè)內(nèi)人士認(rèn)為，正是由于普遍看好AI搜索，才加大了競(jìng)爭(zhēng)，“如果不突出，還是選谷歌“。
搜索+深度推理=?
深度推理模式下的AI搜索對(duì)拆解、分析能力的需求，遠(yuǎn)遠(yuǎn)超越了“搜”這個(gè)動(dòng)作本身，搜推的底層邏輯嵌套在了尋找和解決問題答案的過程中。
結(jié)合Perplexity和Kimi的使用體驗(yàn)，AI搜索推理模式的基本過程如下：提出一個(gè)可能涉及大量搜索和多個(gè)意圖的問題，針對(duì)該問題AI不急于回答，而是先解題，將一個(gè)復(fù)雜的指令拆解成幾個(gè)步驟，然后依次完成“搜索+分析”動(dòng)作，最后才是呈現(xiàn)答案。
以前的AI搜索是“書呆子”，拿著關(guān)鍵詞在題庫(kù)里找，開卷作答�，F(xiàn)在的AI是“機(jī)靈鬼”，在掌握解題思路后，依照解題步驟分點(diǎn)作答。而且整個(gè)解題是實(shí)時(shí)動(dòng)態(tài)的，邊思考邊解答。
（來源：Perplexity）
以Perplexity官方給出的case為例，提問是“閱讀貝索斯每年所有股東信，并列出一個(gè)每年關(guān)鍵要點(diǎn)的表格”。為了解決問題，AI將其分解為了三步，分別為“搜索并找到貝索斯所有年度的股東信”“獲取貝索斯每封股東信的內(nèi)容”以及“制出貝索斯每年股東信關(guān)鍵要點(diǎn)表格”。如果使用Kimi探索版，會(huì)在答案生成完畢后再次搜索，完成“反思后的補(bǔ)充”。
“搜索+深度推理”可視為執(zhí)行搜索任務(wù)的Agent，所以能看到AI給出的是可行性的操作步驟，而不是類似“貝索斯”“股東信”“要點(diǎn)”一類的搜索關(guān)鍵詞。AI搜索的底層邏輯發(fā)生了變化，從“找到”轉(zhuǎn)向了“解決”，“搜”這一動(dòng)作變成了解決問題底下的子集。如果把搜索視為輔助解決問題的工具，那這個(gè)子集可以無限擴(kuò)充，比如文檔、知識(shí)庫(kù)、PPT、辦公軟件等等，Agent工具的開放性和延展性為提升搜索質(zhì)量埋下了伏筆。
當(dāng)然就目前而言，搜索Agent有其無法克服的自身缺陷。
光子星球在測(cè)試中發(fā)現(xiàn)，當(dāng)去過分強(qiáng)調(diào)搜索步驟的完整性時(shí)，就會(huì)發(fā)生過程正確，而結(jié)果錯(cuò)誤的現(xiàn)象。這意味著單個(gè)CoT的鏈條沒有問題，但是鏈與鏈之間的連接關(guān)系出現(xiàn)了錯(cuò)誤。在某些問題中出現(xiàn)了“鬼打墻”，搜索和步驟拆解動(dòng)作反復(fù)循環(huán)，這將是對(duì)算力的巨大浪費(fèi)。
上述也提到好的解題思路大于搜索，當(dāng)CoT代替RAG成為標(biāo)配，更要警惕出現(xiàn)把簡(jiǎn)單問題復(fù)雜化的傾向。比如在一些經(jīng)典的邏輯問題中，本來可以兩步到位的問題，非要強(qiáng)行增加分析過程，反而增加了搜索的難度。CoT不是拿數(shù)量說話，而是構(gòu)建的質(zhì)量。
AI搜索進(jìn)階2.0
跳出單個(gè)功能語(yǔ)境，AI搜索離解決問題又進(jìn)了一步。
搜索篩選出的內(nèi)容有維度之分，最底層是信息，互聯(lián)網(wǎng)時(shí)代的搜索是通過關(guān)鍵詞來匹配到信息池，具體怎么找還要靠用戶手動(dòng)點(diǎn)擊進(jìn)行頁(yè)面篩選。AI搜索最先填補(bǔ)了上面的斷裂，聯(lián)網(wǎng)的AI可以在自行搜索后，得到確定而非模糊范圍的答案。
但這個(gè)階段，用戶的感知非常明顯，ChatGPT等助手只能回答類似于4W的問題，“誰(shuí)、什么、何時(shí)、何地”。聚合的好處是不用打開N個(gè)網(wǎng)頁(yè)，來了解某個(gè)事物的最基本情況，通過prompt以上的構(gòu)成要素可以隨意組合。此時(shí)，限制AI搜索是否好用的關(guān)鍵是搜索量，即搜索的范圍越大，所能涵蓋的4W越全面，也能靠量提升準(zhǔn)確性。
知識(shí)在信息的基礎(chǔ)上進(jìn)一步被提煉出來，它涉及到對(duì)信息的深度理解和處理，是通過大量搜索、對(duì)比后發(fā)現(xiàn)的規(guī)律、趨勢(shì)。智慧是知識(shí)的進(jìn)一步升維，是運(yùn)用規(guī)律后的指導(dǎo)決策和執(zhí)行。
2.0階段的AI搜索處于知識(shí)與智慧中間，例如可以追加提問“貝索斯經(jīng)常提到的關(guān)鍵詞”“貝索斯提到的關(guān)鍵點(diǎn)對(duì)亞馬遜發(fā)展產(chǎn)生了怎樣影響”等問題。也可以上傳《孫子兵法》文檔，讓AI提出亞馬遜發(fā)展建議。以上都脫離了4W層面，來到了How、Why問題的探討。正是因?yàn)樗阉魈幚硇畔⒕S度升高，其價(jià)值才水漲船高。
就目前而言，開卷考試和自主思考兩種搜索方式的差距并不大，同樣的問題用關(guān)鍵詞搜索也能獲取差不多水平的答案。從信息到智慧，AI 2.0搜索押注的是長(zhǎng)期價(jià)值，但鑒于目前后訓(xùn)練推理投入不充分，這仍需時(shí)間。
除了CoT方式，AI搜索也有其他增強(qiáng)方式。信息搜索是地基，基于此衍生出三條思路，一是擴(kuò)大搜索量和范圍。Kimi探索版的搜索量是普通版的十倍，一次搜索可精讀超過500個(gè)頁(yè)面。
Kimi探索版產(chǎn)品負(fù)責(zé)人曾下過一個(gè)結(jié)論：“如果 Kimi搜不到的信息，那大概率用戶也很難自己通過傳統(tǒng)搜索引擎找到”。其潛臺(tái)詞充滿了對(duì)Kimi搜索量的自信，但也忽略了一個(gè)問題，“全”不能與“準(zhǔn)確”“優(yōu)質(zhì)”劃等號(hào)。
這就誕生了第二條思路，優(yōu)質(zhì)化搜索。核心是提前過濾冗余、低質(zhì)的信息，確保搜索池質(zhì)量的基礎(chǔ)上再開發(fā)搜索能力。相當(dāng)于建立了一個(gè)搜索漏斗池，頂部是未經(jīng)篩選的信息，第二層按照AI搜索公司或用戶定制標(biāo)準(zhǔn)進(jìn)行過濾，第三層進(jìn)一步細(xì)分，比如關(guān)聯(lián)性強(qiáng)弱、相似程度、優(yōu)先級(jí)等，將重新分配信息的把關(guān)權(quán)、分發(fā)權(quán)。
（來源：Perplexity）
最后一種是直接補(bǔ)充信息來源，因?yàn)闊o論怎么在數(shù)量、質(zhì)量上做取舍，都可能不符合用戶預(yù)期。如果這樣，不如讓用戶自己上傳數(shù)據(jù)和文本。Perplexity目前支持用戶自建AI研究和協(xié)作中心，用戶可以上傳內(nèi)部知識(shí)庫(kù)，結(jié)合網(wǎng)絡(luò)搜索來獲得針對(duì)性的答案。
瓜分“谷歌”，人人有份
傳統(tǒng)搜索退，AI搜索進(jìn)，趨勢(shì)日益凸顯。當(dāng)下，AI搜索成為了必爭(zhēng)之地。
招聘信息顯示，AI六小虎中重押AI搜索推理方向的是月暗，大量涉及推理和工程優(yōu)化方向的崗位顯示在招。功能上，越來越像Perplexity。Minimax同時(shí)也在招聘搜索推薦相關(guān)的工程師，但思路有所差異，聚焦在旗下AI應(yīng)用里的算法、廣告投放優(yōu)化。
（來源：招聘平臺(tái)）
誰(shuí)也不知道留給新玩家的窗口期有多久，盡快吞下顯現(xiàn)出的“蛋糕”迫在眉睫。此前積累的用戶規(guī)模和留存淪為了AI搜索的“餌”，到了廣告變現(xiàn)時(shí)刻。據(jù)悉，Perplexity即將在本季度在其應(yīng)用內(nèi)投放廣告，可投放廣告位有“問題回答”的媒體贊助，搜索答案下方的“相關(guān)問題”以及”顯眼位置“的視頻投放。
（來源：Perplexity、Kimi）
參照Perplexity，Kimi探索版一改免費(fèi)版界面，新增搜索展示頁(yè)面，預(yù)留廣告招商位。Kimi本身免費(fèi)使用，其公司月暗也沒有其他業(yè)務(wù)，投流、算力、人力成本的投入急需輸血，To B廣告商收入是選擇項(xiàng)之一。
“二次售賣”達(dá)成的前提是將“用戶”售賣出去，用戶構(gòu)成決定了賣給誰(shuí)。有數(shù)據(jù)顯示，Perplexity中65%用戶為“高收入職業(yè)白領(lǐng)”（醫(yī)學(xué)、法律、軟件工程），30%處于“高級(jí)領(lǐng)導(dǎo)職位”。這決定Perplexity瞄準(zhǔn)的是高端廣告市場(chǎng)，科技、金融、藝術(shù)等領(lǐng)域。媒體報(bào)道，Perplexity的CPM(每千次展示成本)廣告收費(fèi)為50多美元，是市場(chǎng)平均水平的4.5-20倍。
對(duì)Kimi們不算友好，其普遍用戶畫像為大學(xué)生、初入職場(chǎng)白領(lǐng)、寶媽、老師等。對(duì)廣告主來說，上述用戶的消費(fèi)和轉(zhuǎn)化能力相對(duì)有限。Perplexity的用戶定價(jià)與ChatGPT持平，一年多的時(shí)間已完成了用戶篩選。國(guó)內(nèi)AI搜索和助手類應(yīng)用，為了爭(zhēng)奪市場(chǎng)，采取免費(fèi)策略至今。投流打響了知名度，卻也讓收費(fèi)更加難以推行，更廣泛的用戶意味著更模糊的廣告投放市場(chǎng)。
值得注意的是，Perplexity借鑒Notion協(xié)作空間提供了AI搜索to小B的模式。Perplexity對(duì)外開放了AI搜索能力，既能共享知識(shí)庫(kù)，也能提升檢索、分析問題的效率，取代了一部分“RAG+知識(shí)庫(kù)”的解決方案。在該版本上，有很大想象空間，比如提供AI搜索融入軟件生態(tài)的渠道。像Notion一樣，開放自身也允許其他產(chǎn)品API接入，既能彌補(bǔ)能力缺陷，也能提高用戶使用率。
（來源：Perplexity）
在這基礎(chǔ)上，訂閱收費(fèi)模式進(jìn)一步分層。除了原先的專業(yè)版收費(fèi)模式，還會(huì)按照企業(yè)規(guī)模數(shù)量為標(biāo)準(zhǔn)收費(fèi)，小規(guī)模、中等規(guī)模、大規(guī)模和定制化解決方案。
種種跡象表明，AI行業(yè)正在步入營(yíng)收和利潤(rùn)導(dǎo)向階段。搜索被譽(yù)為“離錢最近的領(lǐng)域”，AI搜索如果能打響大模型商業(yè)化的第一站，無疑是一針強(qiáng)心劑。谷歌們后退，誰(shuí)能吃掉第一口“蛋糕”？
