观察者网2024年11月11日发布:AI搜索开始赚钱养家

根据“知识管理模型”的理论，数据本身是无序且缺乏意义的，只有通过演化转化为信息、知识和智慧，才能具备真正的价值。信息解决了“What”的问题，知识解决了“How”的问题，而智慧作为金字塔的巅峰回答了“Why”的问题。基于这种演化逻辑，通过CoT（思考链）增强后的AI搜索已经迈入了2.0时代，从简单的信息聚合转向了规律总结和辅助决策。

AI搜索的用户依赖程度超乎预期，Perplexity宣称每周能够处理1亿次查询，每月处理量约为4亿次。然而，仅仅从巨头手中夺取用户还远远不够，更重要的是，AI搜索在商业化方面释放出积极信号。最新的国外报告显示，随着AI搜索的发展，谷歌搜索广告市场份额首次在十年内跌破了50%。

无论是新进入者还是老牌玩家，都看准了谷歌等公司留下的“蛋糕”。目前，有两种发展路径可供选择。一种是仿效谷歌，构建通用型AI搜索工具，向个人用户销售使用权，向商业用户提供广告位和创建AI搜索能力；另一种是将AI搜索能力嵌入各类应用场景，绕过搜索引擎中介，自行建立分发渠道和数据入口。这样一来，不仅能通过搜索优化提升用户使用体验和增加收费可能性，还能避免中间商牟取差价，提升盈利能力。

月暗通过大规模营销活动引起了极大关注，积极提升知名度，纷纷争相实现“国内首个4o搜索”的存在感；Minimax通过Talkie赚取了回报，将重心放在了AI应用的搜索推广上；连一向保守的微信也在寻求变革，试验AI问答功能，打通混元与微信之间的生态关系。

“共识越高，门槛越高”，业内人士认为，正是对AI搜索的普遍看好，才使竞争日益激烈，“如果无法突出，还是选择谷歌吧”。

在深度推理模式下，AI搜索的需求超出了简单的搜索行为，它的底层逻辑嵌套在问题解决的过程中，对拆解和分析能力提出了更高的要求。

结合Perplexity和Kimi的使用体验，AI搜索推理模式的基本过程如下：首先，AI会提出一个可能涉及大量搜索和多个意图的问题，但它不急于回答该问题，而是先解题。AI将复杂的指令拆解成几个步骤，然后按顺序完成“搜索+分析”动作，最终呈现答案。

与以前的AI搜索相比，它是一位“书呆子”，只是在题库中寻找关键词，然后答题。而现在的AI则是一位“机灵鬼”，在掌握解题思路后，按照解题步骤进行答题。整个解题过程是实时动态的，边思考边解答。

以Perplexity官方给出的案例为例，将问题提问为“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”。为了解决这个问题，AI将其分解为了三个步骤，分别是“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“制作贝索斯每年股东信关键要点表格”。如果使用Kimi探索版，则在生成答案后会再次进行搜索，进行“反思后的补充”操作。

“搜索+深度推理”可以视为执行搜索任务的Agent，因此，AI提供的是可行的操作步骤，而不是类似于“贝索斯”、“股东信”、“要点”之类的搜索关键词。AI搜索的底层逻辑发生了变化，从“找到”转向了“解决”，将“搜”的动作作为解决问题的子集。如果将搜索视为辅助解决问题的工具，那么这个子集可以无限扩展，包括文档、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奠定了基础。

然而，目前来看，搜索Agent存在一些无法克服的自身缺陷。

根据光子星球的测试发现，当过分强调搜索步骤的完整性时，就会出现过程正确但结果错误的现象。这意味着单个CoT的链条没有问题，但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”的情况，搜索和步骤拆解的操作反复循环，这对算力造成了巨大浪费。

上面提到的好的解题思路大于搜索，当CoT代替RAG成为标配时，更要警惕把简单问题复杂化的倾向。在一些经典逻辑问题中，本来可以通过两步解决的问题，却被人为增加了分析过程，反而增加了搜索的难度。CoT并不是数量，而是质量的体现。

AI搜索技术升级至2.0版本，突破了单一功能语境的限制，为问题解决提供了更多可能性。

信息搜索和筛选具备不同的层次，底层是信息池，传统的互联网搜索依靠关键词匹配信息。然而，具体的筛选工作仍需依赖用户手动点击页面。AI搜索填补了这个缺口，通过自主搜索，能够得出明确而非模糊的答案。

然而，在这个阶段，用户仍能明显感觉到不足。像ChatGPT这样的辅助工具只能回答类似于谁、什么、何时、何地的问题。聚合的优势在于无需打开多个网页，即可了解某个事物的基本情况，通过不同的构成要素随意组合。因此，衡量AI搜索是否出色的关键在于搜索量，即搜索的范围越广，能涵盖的问题也越全面，从而提高准确性。

知识是在信息基础上的深度理解和处理，通过大量的搜索和比对，发现规律和趋势。而智慧是知识进一步升华，是将规律应用于指导决策和执行。

AI搜索2.0处于知识和智慧之间，可以回答那些涉及关键词以及其对亚马逊发展产生影响的问题，例如“贝索斯经常提到的关键词”以及“贝索斯提到的关键点对亚马逊发展产生了怎样的影响”。还可以上传《孙子兵法》文档，让AI提供亚马逊发展建议。这些问题已经超出了基本的谁、什么、何时、何地的层面，进入了对如何和为什么进行探讨的领域。正是因为搜索处理的信息维度提升，AI搜索的价值才得以提升。

目前来看，传统的关键词搜索和自主思考两种方式在开卷考试方面差别不大，同样的问题可以通过关键词搜索得到相似水平的答案。而从信息到智慧的转变，AI搜索2.0押注于长期价值，但鉴于后续推理训练的不足，这需要时间来完善。

除了CoT方式，AI搜索还有其他增强手段。信息搜索是地基，基于此可以拓展出三个思路。首先是扩大搜索量和范围。Kimi探索版的搜索量是普通版的十倍，一次搜索即可精读超过500个页面。

Kimi探索版的产品负责人得出一个结论：“如果Kimi搜不到的信息，那大概率用户也很难通过传统搜索引擎找到”。这句话的潜台词表达了对Kimi搜索量的自信，但却忽略了一个问题，即“全面”并不等同于“准确”和“高质量”。

因此，出现了第二个思路，即优质化搜索。核心是在提前过滤冗余和低质信息的基础上，确保搜索结果的质量，并进一步开发搜索能力。这可以理解为建立了一个搜索漏斗池，顶部是未经筛选的信息，第二层根据AI搜索公司或用户的定制标准进行过滤，第三层进一步细分，比如关联性强弱、相似程度、优先级等，重新分配信息的审核和分发权力。

最终一种方式是直接添加信息来源，因为无论在数量和质量上如何取舍，都可能不符合用户的期望。若如此，更好的选择是让用户自行上传数据和文本。Perplexity目前支持用户建立AI研究和协作中心，用户可以上传其内部知识库，结合网络搜索以获取有针对性的答案。

在“谷歌”上一同分享

传统搜索正在衰退，而AI搜索则在日益兴起，这一趋势愈发明显。如今，AI搜索成为了一个必争之地。

根据招聘信息显示，AI领域的六大巨头中，月暗公司在AI搜索推理领域投入的重点很明确，大量涉及推理和工程优化方向的岗位正在招聘中。从功能上看，月暗越来越像Perplexity。与此同时，Minimax也在寻找搜索推荐相关工程师，但其思路有所不同，更加专注于旗下AI应用中的算法和广告投放优化。

目前还没有人知道对于新玩家而言这个窗口期会持续多久，因此迫切需要争相抓住眼前的“蛋糕”。之前积累的用户规模和留存成为了AI搜索的“诱饵”，现在是广告变现的时刻。据悉，Perplexity即将在本季度在其应用中投放广告，广告的投放位置包括“问题回答”的媒体赞助、搜索答案下方的“相关问题”以及显著位置的视频广告。

参考Perplexity的做法，Kimi探索版对其免费版界面进行了改进，新增了搜索展示页面，并预留了广告招商位。Kimi本身是免费使用的，并且其所属的月暗公司也没有其他业务，因此亟需向流量、算力和人力资源方面进行投入，向B端广告商获取收入成为了其中的一个选择。

要实现“二次售卖”，其中的前提是要将“用户”卖出去，而用户构成决定了卖给谁。数据显示，Perplexity的用户中有65%属于“高收入职业白领”（医学、法律、软件工程），30%处于“高级领导职位”。这决定了Perplexity瞄准的是高端广告市场，如科技、金融和艺术领域。媒体报道称，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至20倍。

对于Kimi等搜索引擎来说，事情就不那么友好了。这些搜索引擎的普遍用户画像是大学生、初入职场的白领、宝妈、老师等。对于广告主来说，上述用户的消费和转化能力相对有限。Perplexity的用户定价与ChatGPT相当，经过一年多的时间已经完成了用户筛选。对于国内的AI搜索和助手类应用来说，为了争夺市场份额，他们一直采取免费策略。这种投放流量的做法提高了知名度，但也让收费更加难以推行，同时更广泛的用户意味着更模糊的广告投放市场。

需要注意的是，Perplexity采用了Notion协作空间的理念，为AI搜索到小B的模式提供了借鉴。Perplexity开放了AI搜索能力，不仅可以共享知识库，还可以提高问题检索和分析的效率，从而取代了部分“RAG+知识库”的解决方案。在这个版本中，还存在着广阔的发展空间，例如将AI搜索与软件生态融合的途径。就像Notion一样，Perplexity也允许其他产品通过API进行接入，以填补自身能力的不足，并提高用户的使用率。