當AI搜索開始賺錢養家

今天小編分享的互聯網經驗：當AI搜索開始賺錢養家，歡迎閲讀。

文 | 光子星球

近期，在 GPT-4o 創造的新範式影響下，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 搜索長了 " 腦子 "，在面對問題時，能像人一樣先拆解步驟，再精準搜索，最後呈現答案。

根據 " 知識管理模型 "，數據本身無序且缺乏意義，只有向上進化為信息、知識、智慧才能具備價值。信息解決了 "What" 的問題，知識解決了 "How" 的問題，金字塔最頂端的智慧應對了 "Why" 的問題。以此進化邏輯來看，CoT（思考鏈）加持下的 AI 搜索已經開啓了 2.0 時代，從信息聚合走向規律總結和輔助決策。

用户對 AI 搜索的依賴程度超出了預期，Perplexity 宣稱其每周能處理 1 億次查詢，每月能處理約 4 億次。從巨頭手中搶奪用户還遠遠不夠，更重要的是，AI 搜索在商業化上釋放出了積極信号。國外最新報告顯示，随着 AI 搜索的發展，谷歌搜索廣告市場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，向 B 端出售廣告席位和創建 AI 搜索能力；另一種以應用為載體，将 AI 搜索能力嵌入場景中，欲繞過搜索引擎中間商，自建分發渠道和數據入口。既能通過搜索優化用户使用體驗感，提升付費可能性，也能防止中間商賺差價，增強盈利能力。

月暗大搞飢餓營銷，瘋狂上分，怒刷 " 國内首個 4o 搜索 " 存在感；靠 Talkie 賺到回頭錢的 Minimax，将精力放在了 AI 應用的搜推上；就連一向温吞慢熱的微信也在求變，灰測 AI 問答功能，打通混元與微信間的生态。

" 越是共識，門檻越高 "，有業内人士認為，正是由于普遍看好 AI 搜索，才加大了競争，" 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 搜索對拆解、分析能力的需求，遠遠超越了 " 搜 " 這個動作本身，搜推的底層邏輯嵌套在了尋找和解決問題答案的過程中。

結合 Perplexity 和 Kimi 的使用體驗，AI 搜索推理模式的基本過程如下：提出一個可能涉及大量搜索和多個意圖的問題，針對該問題 AI 不急于回答，而是先解題，将一個復雜的指令拆解成幾個步驟，然後依次完成 " 搜索 + 分析 " 動作，最後才是呈現答案。

以前的 AI 搜索是 " 書呆子 "，拿着關鍵詞在題庫裏找，開卷作答。現在的 AI 是 " 機靈鬼 "，在掌握解題思路後，依照解題步驟分點作答。而且整個解題是實時動态的，邊思考邊解答。

（來源：Perplexity）

以 Perplexity 官方給出的 case 為例，提問是 " 閲讀貝索斯每年所有股東信，并列出一個每年關鍵要點的表格 "。為了解決問題，AI 将其分解為了三步，分别為 " 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内容 " 以及 " 制出貝索斯每年股東信關鍵要點表格 "。如果使用 Kimi 探索版，會在答案生成完畢後再次搜索，完成 " 反思後的補充 "。

" 搜索 + 深度推理 " 可視為執行搜索任務的 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 " 一類的搜索關鍵詞。AI 搜索的底層邏輯發生了變化，從 " 找到 " 轉向了 " 解決 "，" 搜 " 這一動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，那這個子集可以無限擴充，比如文檔、知識庫、PPT、辦公軟體等等，Agent 工具的開放性和延展性為提升搜索質量埋下了伏筆。

當然就目前而言，搜索 Agent 有其無法克服的自身缺陷。

光子星球在測試中發現，當去過分強調搜索步驟的完整性時，就會發生過程正确，而結果錯誤的現象。這意味着單個 CoT 的鏈條沒有問題，但是鏈與鏈之間的連接關系出現了錯誤。在某些問題中出現了 " 鬼打牆 "，搜索和步驟拆解動作反復循環，這将是對算力的巨大浪費。

上述也提到好的解題思路大于搜索，當 CoT 代替 RAG 成為标配，更要警惕出現把簡單問題復雜化的傾向。比如在一些經典的邏輯問題中，本來可以兩步到位的問題，非要強行增加分析過程，反而增加了搜索的難度。CoT 不是拿數量説話，而是構建的質量。

AI 搜索進階 2.0

跳出單個功能語境，AI 搜索離解決問題又進了一步。

搜索篩選出的内容有維度之分，最底層是信息，互聯網時代的搜索是通過關鍵詞來匹配到信息池，具體怎麼找還要靠用户手動點擊進行頁面篩選。AI 搜索最先填補了上面的斷裂，聯網的 AI 可以在自行搜索後，得到确定而非模糊範圍的答案。

但這個階段，用户的感知非常明顯，ChatGPT 等助手只能回答類似于 4W 的問題，" 誰、什麼、何時、何地 "。聚合的好處是不用打開 N 個網頁，來了解某個事物的最基本情況，通過 prompt 以上的構成要素可以随意組合。此時，限制 AI 搜索是否好用的關鍵是搜索量，即搜索的範圍越大，所能涵蓋的 4W 越全面，也能靠量提升準确性。

知識在信息的基礎上進一步被提煉出來，它涉及到對信息的深度理解和處理，是通過大量搜索、對比後發現的規律、趨勢。智慧是知識的進一步升維，是運用規律後的指導決策和執行。

2.0 階段的 AI 搜索處于知識與智慧中間，例如可以追加提問 " 貝索斯經常提到的關鍵詞 "" 貝索斯提到的關鍵點對亞馬遜發展產生了怎樣影響 " 等問題。也可以上傳《孫子兵法》文檔，讓 AI 提出亞馬遜發展建議。以上都脱離了 4W 層面，來到了 How、Why 問題的探讨。正是因為搜索處理信息維度升高，其價值才水漲船高。

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 搜索押注的是長期價值，但鑑于目前後訓練推理投入不充分，這仍需時間。

除了 CoT 方式，AI 搜索也有其他增強方式。信息搜索是地基，基于此衍生出三條思路，一是擴大搜索量和範圍。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 個頁面。

Kimi 探索版產品負責人曾下過一個結論：" 如果 Kimi 搜不到的信息，那大概率用户也很難自己通過傳統搜索引擎找到 "。其潛台詞充滿了對 Kimi 搜索量的自信，但也忽略了一個問題，" 全 " 不能與 " 準确 "" 優質 " 劃等号。

這就誕生了第二條思路，優質化搜索。核心是提前過濾冗餘、低質的信息，确保搜索池質量的基礎上再開發搜索能力。相當于建立了一個搜索漏鬥池，頂部是未經篩選的信息，第二層按照 AI 搜索公司或用户定制标準進行過濾，第三層進一步細分，比如關聯性強弱、相似程度、優先級等，将重新分配信息的把關權、分發權。

最後一種是直接補充信息來源，因為無論怎麼在數量、質量上做取舍，都可能不符合用户預期。如果這樣，不如讓用户自己上傳數據和文本。Perplexity 目前支持用户自建 AI 研究和協作中心，用户可以上傳内部知識庫，結合網絡搜索來獲得針對性的答案。

瓜分 " 谷歌 "，人人有份

傳統搜索退，AI 搜索進，趨勢日益凸顯。當下，AI 搜索成為了必争之地。

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化方向的崗位顯示在招。功能上，越來越像 Perplexity。Minimax 同時也在招聘搜索推薦相關的工程師，但思路有所差異，聚焦在旗下 AI 應用裏的算法、廣告投放優化。

（來源：招聘平台）

誰也不知道留給新玩家的視窗期有多久，盡快吞下顯現出的 " 蛋糕 " 迫在眉睫。此前積累的用户規模和留存淪為了 AI 搜索的 " 餌 "，到了廣告變現時刻。據悉，Perplexity 即将在本季度在其應用内投放廣告，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 探索版一改免費版界面，新增搜索展示頁面，預留廣告招商位。Kimi 本身免費使用，其公司月暗也沒有其他業務，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之一。

" 二次售賣 " 達成的前提是将 " 用户 " 售賣出去，用户構成決定了賣給誰。有數據顯示，Perplexity 中 65% 用户為 " 高收入職業白領 "（醫學、法律、軟體工程），30% 處于 " 高級領導職位 "。這決定 Perplexity 瞄準的是高端廣告市場，科技、金融、藝術等領網域。媒體報道，Perplexity 的 CPM ( 每千次展示成本 ) 廣告收費為 50 多美元，是市場平均水平的 4.5-20 倍。

對 Kimi 們不算友好，其普遍用户畫像為大學生、初入職場白領、寶媽、老師等。對廣告主來説，上述用户的消費和轉化能力相對有限。Perplexity 的用户定價與 ChatGPT 持平，一年多的時間已完成了用户篩選。國内 AI 搜索和助手類應用，為了争奪市場，采取免費策略至今。投流打響了知名度，卻也讓收費更加難以推行，更廣泛的用户意味着更模糊的廣告投放市場。

值得注意的是，Perplexity 借鑑 Notion 協作空間提供了 AI 搜索 to 小 B 的模式。Perplexity 對外開放了 AI 搜索能力，既能共享知識庫，也能提升檢索、分析問題的效率，取代了一部分 "RAG+ 知識庫 " 的解決方案。在該版本上，有很大想象空間，比如提供 AI 搜索融入軟體生态的渠道。像 Notion 一樣，開放自身也允許其他產品 API 接入，既能彌補能力缺陷，也能提高用户使用率。