今天小編分享的财經經驗：B站的野望，百度的危機，歡迎閲讀。
圖片來源 @視覺中國
文 | 表外表裏，作者 | 張冉冉、黑銀柯、周霄，編輯 | 付曉玲
" 未來的搜索形式會不斷地發生變化，但是它的市場規模之大，恐怕遠超很多人的想象。"
李彥宏 4 年前打出的子彈，時至今日，似乎擊中了百度自己。
近期（七月底）B 站投資者日上，管理層披露業務最新進展："B 站在搜索這塊，有非常大的流量增長空間，今年 Q2 起，我們會增加搜索廣告的嘗試。"
而更早之前，3 月初 B 站開始陸續出現搜索廣告。比如搜索 " 遊戲 "，搜索結果中的第三個位置展示了遊戲廣告。
也就是説：B 站給出商業化可能的答案，正是視頻搜索。
實際上，這不是無源之水，也不是無本之末。行業趨勢便是如此，目前視頻平台的搜索趨勢都愈加明顯。抖快均在去年上線搜索廣告，Tiktok 也在今年 3 月放開搜索廣告。
對于後面的發展，普遍信心十足。如快手 2023Q1 電話會議也説道：搜索流量快速增長，搜索廣告轉化效率更高。
巧合的是，這都是最新一個季度發生的轉變。這顯然離不開過去半年 AIGC 的大熱——行業由 TensorFlow 時代，發展至 Transformer 時代
當下，技術進步的催化，或許打開了視頻搜索可能性。過去受制于視頻搜索技術、時間效率、成本（人工、硬體）等難題，正在不同程度的一一發生變化。
這自然會打破過去視頻行業的商業化天花板。
相比長視頻（缺乏有用性）、短視頻（純粹奶頭樂）的特征，B 站獨特的中視頻、泛知識、通俗有趣等特征，匹配搜索行為的特定需求，會產生更好的化合效應。
在 AIGC 時代，視頻搜索或将成就 B 站的 " 野望 "，同時，引發百度的 " 危機 "。
AI 實現 " 看視頻説話 "，視頻平台就能坐上金礦
很長的互聯網發展周期裏，視頻搜索都被證明是一條很困難的賽道。
難就難在，視頻搜索的整個搜索流程裏（輸入關鍵詞→解析關鍵詞→召回→結果呈現），召回和結果呈現環節，都存在很大挑戰。
以召回環節來説，要實現這點——根據輸入的關鍵詞，與數據庫内容進行匹配，檢索出最符合的視頻——不僅要求平台擁有豐富的視頻内容池，還要有搜索的精準度。
内容豐富度方面，視頻内容因為創作門檻高、時間短等原因，在深度與厚度沉澱上有限。
搜索精準度上，則存在更大的挑戰。舉個例子，在谷歌上搜索 " 邊牧智商 "，呈現的第一個搜索文章，内容裏明确有邊牧如何高智商的解釋字眼。
但如果在 YouTube 上有一個視頻，從能聽懂人話、完成指令等各個動态維度，更直觀展示了邊牧智商很高，可标題、字幕等卻沒有提及邊牧智商等文字标籤，這個視頻就很難被搜到。
之所以會這樣，是因為視頻融合了文字、圖片等多模态信息，相比純文章，内容理解要難得多——很難将視頻裏的狗子，識别成為邊牧，更難把邊牧的動作，和高智商挂鈎。
事實上，2017 年 Transformer 架構被提出之後，多模态模型已不斷進化。
比如，先是谷歌由此架構提出了實現影像分類的 ViT 模型，将 Transformer 帶到了視覺領網域，但該模型仍然只是單影像模态。
在其之後，OpenAI 提出了 CLIP 模型，可以基于文本對圖片進行分類，包括影像處理和文本處理兩方面的内容，打破了過去二者泾渭分明的界限，實現多模态。
而且，CLIP 在 GPT-3 的啓發下，可以直接全網數據爬蟲，一圖一文匹配，稍微做篩選即可，幾乎不需要人工标注，實現了更高的成本和時間效率。
要知道，過去的視覺模型都是基于人工标注的數據集訓練，而一秒視頻至少有 24 幀，短短一分鍾的視頻就能夠提取出 1440 張影像，把其應用到視頻識别上，成本極高。
但盡管 CLIP 在識别常見物體上表現良好，卻無法處理更抽象的任務，比如輸出圖片中物體的個數等需要一定邏輯思維推理的任務。
也就是説，此時的影像識别，更像人的視網膜原理。但人不光是眼睛看到了當前的情況，大腦還得對情況有相應的反應。
這需要算法具備像大腦一樣的語義理解能力，才能夠全面理解視頻，更好地支撐關鍵詞的召回匹配和排序。
而幾個月前發布的 GPT-4，讓這一問題有了解決的迹象。
比如在對話中輸入下圖，GPT-4 的回答是 " 這是一棵生長在冰凍湖上的仙人掌，它周圍長滿了巨大的冰晶，遠處還有白雪覆蓋的山峰 "。
繼續問 " 這種景象在現實世界中是否常見 "，其解釋很少有這樣的景象，并給出相應原因。
也就是説，最新的 GPT 4 已經具備了 " 看圖説話 " 的能力——不僅做了物體的識别，還可以做很多語義的解讀。
以此後推，随着 AI 模型加速迭代，" 看視頻説話 " 也指日可待。當然，反過來也能夠實現文本生成視頻，降低制作視頻的門檻。
但 GPT-4 這個能力目前只在宣布階段，還不存在一個完整的多模态大模型，需要一定時間的探索。
況且，多模态大模型要以影像和視頻等作為訓練數據，檔案大小遠大于語言類模型，算力成本極高。
比如，百度的文心一言雖然展示了視頻生成能力，但因成本較高，現階段還未對所有用户開放。
而在結果呈現環節，視頻也不能像文章一樣快速浏覽，ctrl+F 查找，一個十分鍾的視頻，可能到後半段才有你要的信息，再加上暫停、記錄，三十分鍾都搞不定。
但這個問題，國内已有音視頻大模型破解：将視頻信息歸納總結，想看哪一段，直接點擊章節，就可以跳轉到相應的時間段播放。
總的來説，随着視頻 AI 技術的應用，視頻搜索在核心的内容豐富度以及搜索精準度，都有望解決。
何況視頻本身比文本就更加直觀生動，更具吸引力——截止 2022 年 6 月，國内網民每天一半的網上娛樂時間都花在短視頻平台上。
種種利好疊加，到那時，視頻或能代替文本成為搜索的主流。當下在海外，這種苗頭已經出現。
Chowdhury 機構調研顯示，近 40% 的年輕人在尋找吃飯的地方時，會在 TikTok 進行，而不是谷歌搜索。
可以看到，海外年輕人平均每天都要沉浸在 TikTok 上近兩個小時。在這兩個小時内，但凡看到有趣的内容，自然觸發搜索行為。
這樣的情況，讓谷歌深感威脅。據透露，谷歌數百名員工被分配到一個被稱為 " 重要的搜索轉移 " 的項目中工作，該項目的内容是讓搜索結果顯示更多影像和視頻。
顯然，這對百度來説，也可能是未來會遇到的情況。
但 " 驚喜 "，遠不止此。
不同于文字，視頻能潤物細無聲地植入廣告，吸引用户點擊。最早上線視頻搜索廣告的 youtube 曾表示，視頻搜索廣告帶來的點擊次數比插播廣告，高出近五倍。
不止點擊率，廣告價格方面也是一樣。視頻平台本身在算法推薦上就具備優勢，再與搜索結合，廣告精準度提升，就有人買單。
總的來説，視頻搜索場景下，搜索廣告的幾大驅動因子——流量、加載率、點擊率、價格等都有了進一步提高的可能。
這樣一來，意味着一旦技術突破，視頻搜索可能會重構搜索廣告的生态與邏輯，視頻平台相當于坐上了金礦。
" 潑天富貴 " 終于輪到 B 站？
B 站 14 周年慶上（6 月召開），陳睿當着全國年輕人的面，向中長視頻 UP 主服軟稱，" 要用更真實的播放分鍾數去替代播放次數，作為 B 站視頻的主要外顯數字。"
那麼，為何 B 站會口風大變呢？
其實，管理層可能不是在讨好中長視頻 UP 主們，而是要迎接自己的時代。
眾所周知，一直以來，抖快以沉浸式娛樂内容，在日活、用户時長上，壓了視頻号、B 站等以泛知識内容為主的平台一頭。
但視頻搜索場景下，兩者的處境截然相反。
YouTube 相關負責人曾提到："YouTube 上，每周經由關鍵詞搜索而產生的視頻浏覽量有數十億次，許多風格偏實用的視頻正是通過這種方式被發現的。"
其所説的實用視頻正是 how to（如何 ...）類視頻—— Youtube 上每天有數以百萬計的搜索關鍵詞當中包含 "how to"，用户花在 "how to" 類視頻的時間是 " 寵物和動物 " 的 10 倍。
原因在于：視頻搜索是有目的性的，偏知識類的内容，更符合搜索需求。
而這也是 B 站的舒适區，可以看到，截至今年 3 月份，B 站泛知識内容占比 41%，" 學習網站 " 的名頭無意中越來越夯實。
如此就不難理解，為何 " 睿帝 " 低頭，調整激勵方式。
不過，内容優質只是一方面，視頻搜索效率高，還要能提取足夠多的關鍵詞。
這一點來看，同一關鍵詞分别在抖音、B 站搜索到的标題匯總顯示：抖快視頻标題很長，但大多數采用現成的 tag，或者 " 标題黨 " 類标題；
相比之下，B 站的标題簡單，可大多具備關鍵詞匯，也更加專業。
搜索内容呈現也是一樣，以 " 山東地震 " 為例，抖音搜索結果聚焦在 " 肯定要先跑出去呀 "、" 啊啊啊啊啊，地震了 " 等博主本人感受。
B 站搜索到的諸如 " 山東為何突然爆發地震？" 等知識科普，創作者更多運用 " 板塊運動 "" 斷裂帶 " 等專業詞匯講解。
也就是説，無論标題、内容，還是時長方面，中視頻比短視頻都更易提取關鍵詞，與視頻搜索更适配。
且短視頻平台的創作者想轉向做中長視頻，恐怕也有難度。可以看到，過去一年，不少千萬粉絲的抖音創作者入駐 B 站後，粉絲量表現均不佳。
此外，用户自己搜索所需下，優質的内容能夠獲得更長的生命周期。
仍以 youtube 為例，上述所説的 How to（如何 ...）類視頻生命周期極長，即使過去很長時間，依然能維持較高的熱度，甚至是逆襲式的消費曲線。
B 站自己也有這樣的暢想，2022Q4 電話會議曾提到：B 站上面有很多知識類内容，都有很好的歷史價值，幾年以後大家也都會去看它。ChatGPT 的搜索體驗，它可以把 B 站的内容積累的價值，更充分地發揮出來。
這樣一來，會激勵創作者產出更多優質内容，而不是像當下的 Story Mode 模式，不斷衝擊站内的中長視頻 UP 主基本盤。
有了更多的優質内容，就能夠擴大搜索流量池，廣告主聞利而來，創作者也能獲得更多收益，社區生态整個良性循環。
換言之，如果技術實現突破，相比可能讓 B 站陷入 " 死亡螺旋 " 的 Story Mode 模式，視頻搜索廣告才是良藥。
更何況除了拉動正循環，搜索場景下，平台還掌握着宏觀調控的權力。
如 YouTube，2020 年提升了 how-to 類内容和高商業化 KOL 分發權重，當年廣告營收達到 198 億美元，相比 2017 年翻了超過 3 倍。
B 站來説，可以将搜索流量分發至更多中腰部 up 主的推廣視頻中，一定程度上可以帶着 up 主 " 共同富裕 "。
小結
視頻搜索的藍圖，讓所有人垂涎。AI 大模型加持下，技術正在突破 ing，廣闊的商業化變現空間，隐隐招手。
而 B 戰尤甚，中視頻與視頻搜索更适配，這意味着盤活平台的創作者生态，促進新一輪的生态發展。
當然，預期總是美好的，但這一塊短中期落地方面，仍存在較大的挑戰。
比如，視頻訓練成本高極高，同時 AI 聯想能力并不可控，可能會導致不恰當關鍵詞投放，讓廣告主落入負面風險中。
