当AI搜索开始赚钱养家_ai搜索引擎怎么样

声明:本文来自于微信公众号 光子星球，作者:郝 鑫，授权转载发布。

近期，在GPT-4o创造的新范式影响下，月暗、智谱、Perplexity和OpenAI相继上线了AI搜索推理功能。

与此前“大海捞针”不同，最近更新中AI搜索长了“脑子”，在面对问题时，能像人一样先拆解步骤，再精准搜索，最后呈现答案。

根据“知识管理模型”，数据本身无序且缺乏意义，只有向上进化为信息、知识、智慧才能具备价值。信息解决了“What”的问题，知识解决了“How”的问题，金字塔最顶端的智慧应对了“Why”的问题。以此进化逻辑来看，CoT（思考链）加持下的AI搜索已经开启了2.0时代，从信息聚合走向规律总结和辅助决策。

用户对AI搜索的依赖程度超出了预期，Perplexity宣称其每周能处理1亿次查询，每月能处理约4亿次。从巨头手中抢夺用户还远远不够，更重要的是，AI搜索在商业化上释放出了积极信号。国外最新报告显示，随着AI搜索的发展，谷歌搜索广告市场份额十年来首次跌破了50%。

无论新老玩家，都盯上了谷歌们留出来的“蛋糕”。目前有两种路径，一种是效仿谷歌做通用型AI搜索工具，向C端售卖使用权，向B端出售广告席位和创建AI搜索能力;另一种以应用为载体，将AI搜索能力嵌入场景中，欲绕过搜索引擎中间商，自建分发渠道和数据入口。既能通过搜索优化用户使用体验感，提升付费可能性，也能防止中间商赚差价，增强盈利能力。

月暗大搞饥饿营销，疯狂上分，怒刷“国内首个4o搜索”存在感;靠Talkie赚到回头钱的Minimax，将精力放在了AI应用的搜推上;就连一向温吞慢热的微信也在求变，灰测AI问答功能，打通混元与微信间的生态。

“越是共识，门槛越高”，有业内人士认为，正是由于普遍看好AI搜索，才加大了竞争，“如果不突出，还是选谷歌“。

搜索+深度推理=?

深度推理模式下的AI搜索对拆解、分析能力的需求，远远超越了“搜”这个动作本身，搜推的底层逻辑嵌套在了寻找和解决问题答案的过程中。

结合Perplexity和Kimi的使用体验，AI搜索推理模式的基本过程如下:提出一个可能涉及大量搜索和多个意图的问题，针对该问题AI不急于回答，而是先解题，将一个复杂的指令拆解成几个步骤，然后依次完成“搜索+分析”动作，最后才是呈现答案。

以前的AI搜索是“书呆子”，拿着关键词在题库里找，开卷作答。现在的AI是“机灵鬼”，在掌握解题思路后，依照解题步骤分点作答。而且整个解题是实时动态的，边思考边解答。

（来源:Perplexity）

以Perplexity官方给出的case为例，提问是“阅读贝索斯每年所有股东信，并列出一个每年关键要点的表格”。为了解决问题，AI将其分解为了三步，分别为“搜索并找到贝索斯所有年度的股东信”“获取贝索斯每封股东信的内容”以及“制出贝索斯每年股东信关键要点表格”。如果使用Kimi探索版，会在答案生成完毕后再次搜索，完成“反思后的补充”。

“搜索+深度推理”可视为执行搜索任务的Agent，所以能看到AI给出的是可行性的操作步骤，而不是类似“贝索斯”“股东信”“要点”一类的搜索关键词。AI搜索的底层逻辑发生了变化，从“找到”转向了“解决”，“搜”这一动作变成了解决问题底下的子集。如果把搜索视为辅助解决问题的工具，那这个子集可以无限扩充，比如文档、知识库、PPT、办公软件等等，Agent工具的开放性和延展性为提升搜索质量埋下了伏笔。

当然就目前而言，搜索Agent有其无法克服的自身缺陷。

光子星球在测试中发现，当去过分强调搜索步骤的完整性时，就会发生过程正确，而结果错误的现象。这意味着单个CoT的链条没有问题，但是链与链之间的连接关系出现了错误。在某些问题中出现了“鬼打墙”，搜索和步骤拆解动作反复循环，这将是对算力的巨大浪费。

上述也提到好的解题思路大于搜索，当CoT代替RAG成为标配，更要警惕出现把简单问题复杂化的倾向。比如在一些经典的逻辑问题中，本来可以两步到位的问题，非要强行增加分析过程，反而增加了搜索的难度。CoT不是拿数量说话，而是构建的质量。

AI搜索进阶2.0

跳出单个功能语境，AI搜索离解决问题又进了一步。

搜索筛选出的内容有维度之分，最底层是信息，互联网时代的搜索是通过关键词来匹配到信息池，具体怎么找还要靠用户手动点击进行页面筛选。AI搜索最先填补了上面的断裂，联网的AI可以在自行搜索后，得到确定而非模糊范围的答案。

但这个阶段，用户的感知非常明显，ChatGPT等助手只能回答类似于4W的问题，“谁、什么、何时、何地”。聚合的好处是不用打开N个网页，来了解某个事物的最基本情况，通过prompt以上的构成要素可以随意组合。此时，限制AI搜索是否好用的关键是搜索量，即搜索的范围越大，所能涵盖的4W越全面，也能靠量提升准确性。

知识在信息的基础上进一步被提炼出来，它涉及到对信息的深度理解和处理，是通过大量搜索、对比后发现的规律、趋势。智慧是知识的进一步升维，是运用规律后的指导决策和执行。

2.0阶段的AI搜索处于知识与智慧中间，例如可以追加提问“贝索斯经常提到的关键词”“贝索斯提到的关键点对亚马逊发展产生了怎样影响”等问题。也可以上传《孙子兵法》文档，让AI提出亚马逊发展建议。以上都脱离了4W层面，来到了How、Why问题的探讨。正是因为搜索处理信息维度升高，其价值才水涨船高。

就目前而言，开卷考试和自主思考两种搜索方式的差距并不大，同样的问题用关键词搜索也能获取差不多水平的答案。从信息到智慧，AI2.0搜索押注的是长期价值，但鉴于目前后训练推理投入不充分，这仍需时间。

除了CoT方式，AI搜索也有其他增强方式。信息搜索是地基，基于此衍生出三条思路，一是扩大搜索量和范围。Kimi探索版的搜索量是普通版的十倍，一次搜索可精读超过500个页面。

Kimi探索版产品负责人曾下过一个结论:“如果 Kimi搜不到的信息，那大概率用户也很难自己通过传统搜索引擎找到”。其潜台词充满了对Kimi搜索量的自信，但也忽略了一个问题，“全”不能与“准确”“优质”划等号。

这就诞生了第二条思路，优质化搜索。核心是提前过滤冗余、低质的信息，确保搜索池质量的基础上再开发搜索能力。相当于建立了一个搜索漏斗池，顶部是未经筛选的信息，第二层按照AI搜索公司或用户定制标准进行过滤，第三层进一步细分，比如关联性强弱、相似程度、优先级等，将重新分配信息的把关权、分发权。

（来源:Perplexity）

最后一种是直接补充信息来源，因为无论怎么在数量、质量上做取舍，都可能不符合用户预期。如果这样，不如让用户自己上传数据和文本。Perplexity目前支持用户自建AI研究和协作中心，用户可以上传内部知识库，结合网络搜索来获得针对性的答案。

瓜分“谷歌”，人人有份

传统搜索退，AI搜索进，趋势日益凸显。当下，AI搜索成为了必争之地。

招聘信息显示，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优化方向的岗位显示在招。功能上，越来越像Perplexity。Minimax同时也在招聘搜索推荐相关的工程师，但思路有所差异，聚焦在旗下AI应用里的算法、广告投放优化。

（来源:招聘平台）

谁也不知道留给新玩家的窗口期有多久，尽快吞下显现出的“蛋糕”迫在眉睫。此前积累的用户规模和留存沦为了AI搜索的“饵”，到了广告变现时刻。据悉，Perplexity即将在本季度在其应用内投放广告，可投放广告位有“问题回答”的媒体赞助，搜索答案下方的“相关问题”以及”显眼位置“的视频投放。

（来源:Perplexity、Kimi）

参照Perplexity，Kimi探索版一改免费版界面，新增搜索展示页面，预留广告招商位。Kimi本身免费使用，其公司月暗也没有其他业务，投流、算力、人力成本的投入急需输血，To B广告商收入是选择项之一。

“二次售卖”达成的前提是将“用户”售卖出去，用户构成决定了卖给谁。有数据显示，Perplexity中65%用户为“高收入职业白领”（医学、法律、软件工程），30%处于“高级领导职位”。这决定Perplexity瞄准的是高端广告市场，科技、金融、艺术等领域。媒体报道，Perplexity的CPM(每千次展示成本)广告收费为50多美元，是市场平均水平的4.5-20倍。

对Kimi们不算友好，其普遍用户画像为大学生、初入职场白领、宝妈、老师等。对广告主来说，上述用户的消费和转化能力相对有限。Perplexity的用户定价与ChatGPT持平，一年多的时间已完成了用户筛选。国内AI搜索和助手类应用，为了争夺市场，采取免费策略至今。投流打响了知名度，却也让收费更加难以推行，更广泛的用户意味着更模糊的广告投放市场。

值得注意的是，Perplexity借鉴Notion协作空间提供了AI搜索to小B的模式。Perplexity对外开放了AI搜索能力，既能共享知识库，也能提升检索、分析问题的效率，取代了一部分“RAG+知识库”的解决方案。在该版本上，有很大想象空间，比如提供AI搜索融入软件生态的渠道。像Notion一样，开放自身也允许其他产品API接入，既能弥补能力缺陷，也能提高用户使用率。

（来源:Perplexity）

在这基础上，订阅收费模式进一步分层。除了原先的专业版收费模式，还会按照企业规模数量为标准收费，小规模、中等规模、大规模和定制化解决方案。

种种迹象表明，AI行业正在步入营收和利润导向阶段。搜索被誉为“离钱最近的领域”，AI搜索如果能打响大模型商业化的第一站，无疑是一针强心剂。谷歌们后退，谁能吃掉第一口“蛋糕”?