今天小編分享的互聯網經驗：距離Perplexity，國產AI搜索還差什麼？，歡迎閱讀。
文 | 新眸，作者 | 鹿堯
過去一年，圍繞 "AI 搜索是否能夠颠覆傳統搜索 " 這個話題，業界已經展開了無數次讨論，站在 2025 時間節點來看，問題已經有了結論：AI 搜索的确颠覆了傳統搜索。
從 StatCounter 數據來看，傳統搜索巨頭谷歌的市場份額今年首次跌破 90%，微軟 Bing、OpenAI、阿裡通義、百度、小紅書等玩家相繼入局，讓 Gartner 關于 "2026 年傳統搜索流量或降 26%" 預測加速兌現。
但需要注意的是，這種 " 颠覆 " 還僅停留在用戶使用習慣的改變和傳統搜索場景中，并非是對傳統搜索引擎生态及其商業化模式的系統變革。
以最近 DeepSeek 對國產應用程式幾乎全面接入來講，相比納米 AI、文心一言、騰訊元寶，人們的注意力主要集中在 DeepSeek 上，道理也很簡單，DeepSeek R1 推理能力很強，但總是卡頓，前者貢獻用戶流量，後者扮演提供滿血版入口的工具角色。
聯想到微信搜一搜官宣接入 DeepSeek R1 時，兩個國民級產品的結合，一度讓月活 7 億的微信搜索看到了商業化的春天——但事實真的是這樣嗎？
先說觀點，直到現在，AI 搜索還有很大的想象空間。
即使放在微信場景裡也是一樣，《新眸》在實際體驗中發現，AI 搜索除了回答問題時的語料庫有一定差異，用戶體驗上并沒有什麼不同。不同的是，它是完全免費的，而且不能加廣告。
很多人會将 Perplexity 視為行業标杆，去年這家公司估值 " 三級跳 " 來到了 90 億美元，資本押注的原因更多的是數據增長：Perplexity 年度經常性收入（ARR）暴漲 500% 至 5000 萬美元。
盡管如此，Perplexity 收入來源仍然非常單一，基本靠 Pro 版的付費訂閱，閱聽人還局限在一些高知高薪人群。其創始人 Aravind Srinivas 自己都曾表示焦慮，AI 搜索最大的障礙不是 Google，而是人們的習慣難以改變——他們不擅長做出這樣的提問。
更糟糕的是，迷信 AI 搜索的技術愛好者們，如今還無法徹底擺脫對 AI 幻覺的擔憂，信息溯源始終是個難題，無論是國内還是國外，不同商業化叙事下，一些共性問題始終存在。
同質化與内卷之下，AI 搜索的分化與增長困境
溯源起來，國内真正意義上第一款融入大模型的 AI 搜索產品，是昆侖萬維在 2023 年推出的天工 AI 搜索。與 Perplexity 相比，兩者均采用自然語言互動 + 信息源标注的核心架構，功能重合度超過 80%，在中文場景，天工的語義理解和實時信息抓取的表現甚至更優秀。
彼時國產大模型浪潮迭起，幾乎同一時間，文心一言官宣全面開放，功能圍繞 " 搜索 + 多模态生成 + 聊天智能體 " 進行搭建，側重基礎回答、AI 總結和寫作；AI 新勢力的代表作品，比如智譜清言和月之暗面的 Kimi，它們的優勢更多體現在長文本處理和内容生成方面。
仔細對比會發現，包括早期的騰訊元寶、阿裡通義千問在内，國内大多是基于大模型開發的 AI 產品，對比天工、Perplexity，并不能算作真正的 AI 搜索工具。
後者具備全網實時檢索、深度推理和跨源驗證的能力，而前者的強項在于文本和對話，并且大多依賴預訓練語料和封閉内容生态，比如文心一言早期就依賴百度搜索數據增強，元寶則與微信生态深度綁定，在大模型爆發早期，主要起到市場份額提前占位的作用。
2024 可能是國内 AI 搜索動蕩最大的一年。MoE（混合專家模型）和 RAG（檢索增強生成）技術的成熟應用，解決了以往搜索在實時性、語義理解上的不足，使得 AI 搜索能自主分解復雜問題并生成結構化答案（如對比表格、思維導圖）。其中最典型的，文心一言、豆包等檢索能力得到大幅提升。
另一方面，Perplexity 的爆火，讓外界看到，即使不去卷大模型，憑借對數據的整合、精準的信息檢索以及高效的知識問答能力，仍然可以取得不錯的商業化效果，尤其對于那些陷入大模型無效内卷的玩家來說。
當 AI 搜索駛入加速階段，產品側迎來分野時刻，市場也急劇催生出四條路徑。
一類是像 Perplexity 的原生 AI 搜索引擎，秘塔、Kimi 作為其中代表，典型特征是采用 " 搜索框 + 結構化答案 " 模式，通過聯網直接生成含來源引用的多維度回答。
第二類是 AI 增強型傳統引擎，比如有了 GPT 加持的 Bing，還有嵌入大模型的百度搜索，它們會在傳統結果頁的上方疊加 AI 生成框，并且保留廣告位和商業排名機制。
第三類以 AI 對話助手為基礎平台，融入搜索功能，比如阿裡的通義千問、騰訊的元寶和字節的豆包。聯網功能的上線，讓他們與 AI 搜索的邊界變得更加模糊。
AI 搜索裡的第四類分支，是在原應用生态中生長出的附屬功能。比如除了基礎回答外，抖音、小紅書、微信的搜索入口，會基于 UGC 内容來生成答案。
據新眸不完全統計，截至去年底，包括騰訊、阿裡、小紅書、B 站、AI 六小龍在内的大型公司，再從搜狗、抖音，到微信、知乎和支付寶——幾乎所有帶搜索框的互聯網產品，都嵌入了 AI 入口，意味着 AI 搜索這一概念逐漸泛化。
其中，大廠更傾向将 AI 搜索作為生态粘合劑，90% 的通用型產品采取完全免費策略，并沒有實際的商業價值。而在原生 AI 搜索引擎中，用戶需求往往集中在增值服務或專業領網域，但現實裡願意為此付費的人群非常有限，且他們往往很快就能找到免費平替。
同質化的產品過多，用戶随用随走，幾乎沒有粘性可言，這成了 AI 搜索產品的通病。
據 QuestMobile 發布數據，2024 年與 AI 相關 APP 中，月活千萬以上僅兩家，八成月活低于 50 萬，包括豆包在内的大部分工具型 AI，月均使用天數 5 天左右，平均解除安裝率高達 50%。用戶增長大多依靠投流，缺少曝光的情況下，流失率極高。
從這個角度來看，DeepSeek 陡然出圈并不是一件壞事，雖然 Kimi、通義、訊飛星火等訪問量出現下滑，但接入 DeepSeek 的玩家在底層能力的差距，卻在逐漸縮窄。
這種的背景下，國内外產品呈現出戲劇性反差，以天工 AI 為例，雖然曾以 5 個月達成千萬月活的成績超越 Perplexity，卻在半年内用戶流失超 60%；反觀 Perplexity，其月訪問量突破 1 億後仍保持日均 3 萬的下載量增長，随着近期超級碗期間的營銷成功，Perplexity 的應用下載量又提高了約 50%。
Perpelexity 是 AI 搜索的标準答案嗎？
為什麼同樣是 AI 搜索，Perplexity 這麼受歡迎？
把這個問題抛給元寶、豆包和 DeepSeek 分别回答時，它們給出的答案基本都圍繞 Perplexity 在技術、市場定位、用戶體驗、社區生态、文化因素和市場營銷等方面的優勢。其中，DeepSeek 給出了概括：
比起對話，Perplexity 更善于進行實時深度的信息檢索，因此契合了歐美用戶更願意為省時間的工具付費的習慣。
《新眸》在體驗了市面上大多 AI 搜索後發現，類似秘塔、Kimi，以及其他接入了 DeepSeek 能進行聯網搜索的產品，它們與 Perplexity 功能差别并不大，真正的不同體現在其它方面。
當下 AI 搜索的瓶頸并非大模型，而是數據的準确性與可靠性。AI 搜索的關鍵技術在于 RAG，後者能夠解決 AI 幻覺、知識更新、長文本連貫性等問題，但 RAG 強烈依賴傳統搜索引擎提供的信息。打個比方，一旦谷歌搜索的結果出現失誤，AI 搜索的回答将難免有混亂。
典型的例子，有時候 DeepSeek 生成的答案裡會暗含廣告，這其實并非工具夾帶了新的商業模式，而是投喂的語料中，尤其是中文互聯網領網域本身就充斥着大量垃圾信息。
據官方介紹，Perplexity 的 " 知識庫 " 是動态抓取 + 結構化數據庫的結合，通過多層過濾體系從海量噪聲中提取準确信号，疊加 RAG 架構的深度優化。不少人評測後發現，同樣是檢索資料，Perplexity Pro 成功率最高，甚至可以完全放心接受它的生成結果，這是其他產品很難達到的。
回到标題的問題：Perplexity 會是 AI 搜索的标準答案嗎？
如果僅從滿足用戶搜索需求的角度看，它的确是個稱職的 " 答案引擎 "。然而，換個角度，大多颠覆式的產品背後，都伴随了商業模式的徹底革新——顯然，如今 Perplexity 還沒有達到這個程度。
不到兩年的時間裡，Perplexity 的 ARR 達到了 5000 萬美元，步入高增長企業行列，但值得注意的是，這部分收入基本源于 pro 版本的訂閱。如果要維持持續的算力投入，并支撐 90 億美元甚至更高的估值，Perplexity 不僅要解決持續拉新和老會員續費的問題，更要突破單一的商業化模式。
按照 Srinivas 的說法，AI 搜索目前是一門高投入低回報的生意，因為 " 它的利潤不夠高，用戶基數還不夠大，如果有 1 億人訂閱，留存率接近 100%，那才是一門好生意。" 在他看來，廣告是下一步最好的選擇。
去年，Perplexity 宣布将改革谷歌首創的競價系統，在新模式裡，廣告主不再是傳統的競價模式，而是能夠直接針對特定的問題進行競标。一旦成功，當用戶搜索相關問題時，就會展示由該廣告主批準的答案。
舉個例子，當用戶查詢紐約三日遊攻略時，AI 基于語義分析自動生成關聯性商業問題，例如 " 是否需要預訂帶私人泳池的酒店？"，廣告商則通過競标機制植入品牌内容。
在收費方式上，Perplexity 采用的是按每千次廣告展示計費的 CPM 模式，而非按點擊次數收費。學歷高、收入高的付費用戶為其高定價提供了支撐，目前，Perplexity CPM 定價超 50 美元，遠高于傳統廣告平均個位數的水平。
坦白講，廣告究竟給 Perplexity 帶來了多少盈利，我們還不得而知。Srinivas 在近期的多次采訪中表示，相比訂閱、企業服務，廣告會成為 Perplexity 最核心的盈利引擎，但問題是，他們還沒有徹底解決 " 相關性 " 的問題。
關于 AI 搜索的商業化想象
國内 AI 搜索的商業化同樣一言難盡，時至今日，還沒有一家公司公布其 AI 搜索的完整盈利情況。
如果是 C 端產品，市場的付費意願本就低迷，再加上 DeepSeek 入場，為了保住用戶流量，連文心一言也立馬宣布全面免費；廣告這一模式仍尚未萌芽，畢竟 Perplexity 作為行業标杆都在摸索前行。
具體來看，大廠派的 AI 搜索，比如豆包、文心一言，本質上是由自家大模型對話產品進化而來的功能，除了搜索，還支持各種多模态生成和生產力工具。但這些免費的 AI 搜索都不直接參與盈利活動，基于大廠的常見邏輯推測，他們的商業化路徑可能圍繞 " 流量入口 + 生态協同 " 驅動變現。
而像天工、Kimi、秘塔這類原生 AI 搜索應用，功能同樣免費，他們收入來源于企業級搜索或者專業領網域的訂閱，比如前段時間，秘塔科技股東傅盛提到，秘塔 AI 搜索未來有可能會采取復合的商業模式，向付費會員開放深度分析的功能。
再看國外，大部分的公司已經把視線轉向了企業級 AI 搜索。在這一領網域，Glean、 You.com 作為範本，前者 ARR 在過去一年增長了快 3 倍，今年有望突破 1 億美元；後者過去一年的收入增長 40 倍，達到千萬序列。這樣的背景下，Perplexity 和 OpenAI 最近也都有将目标瞄準企業 AI 搜索的意向。
去年，Perplexity 收購了一個叫 Carbon 的 AI 產品，這是一個能夠将外部數據源連接到大模型的檢索引擎，能夠基于用戶數據構建 RAG 應用。
據介紹，Perplexity 将把 Carbon 的數據連接器進行整合，讓用戶可以把 Notion、Slack 和 Google Docs 等應用的數據直接連接到 Perplexity，讓用戶更容易從自己不同的信息源裡檢索。
今年初，Perplexity 又推出了一款企業級 API 服務 Sonar，讓企業和開發人員可以自己選擇數據來源，并把 Perplexity 的 AI 搜索工具集成到自己的應用程式裡，滿足不同的應用場景。目前 Zoom 已經接入了 Sonar，AI 助手能在用戶不用離開視頻界面的情況下，實時提供網絡搜索的答案。
AI 搜索公司将商業化的希望寄托在企業級市場，核心原因在于，B 端有更明确的付費場景、更高的客單價和更強的數據壁壘。
但企業搜索同樣有些問題仍待解決。以 Glean 為例，它雖号稱能連接眾多 SaaS 工具實現統一搜索，但企業内容通常復雜敏感，信息孤島的形成原因與數據權限、團隊協作息息相關，僅靠搜索技術難以解決，" 大一統 " 的搜索結果常需篩選和申請權限，很容易導致體驗不佳。
據業内人士透露，AI 驅動的企業搜索產品在技術與服務之間容易出現定位模糊。技術授權難以獲客，企業通常希望一站式解決方案；賣服務則需持續投入，提升留存。包括 Glean 在内的大多玩家還都面臨獲客成本高、產品黏性低的困境。
可以确定的是，即使已經到了 2025，關于 AI 搜索的讨論還遠不會停止。
