当AI搜索开始赚钱养家

今天小编分享的科技经验：当AI搜索开始赚钱养家，欢迎阅读。

文 | 光子星球

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 " 腦子 "，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、办公軟體等等，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，AI 2.0 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。

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視窗期有多久，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、軟體工程），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、艺术等领網域。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 搜索融入軟體生态的渠道。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。