Atom Capital：AI搜索的未来

写在前面

AI搜索是目前大模型应用中最火的方向之一。头部代表项目Perplexity成立仅2年，便已收获5000万用户，估值高达30亿美元。它的出现如一条鲶鱼般搅动了多年没有太大变化的搜索市场。Google迅速推出AI review，OpenAI 7月推出了SearchGPT。同时，AI搜索俨然成为一条创业“赛道”，短时间内涌入大量竞争者。海外如You.com、Lepton Search、Hebbia，国内包括秘塔、Genspark、Thinkany、360及昆仑万维的天工AI搜索等，竞争激烈。

作为如今为数不多找到了“PMF”的产品，AI搜索确实提供了一定的价值：快速的答案生成、多轮交互的体验，对话题深入的探索……但仔细拆解其产品结构后，又会陷入一些困惑：Perplexity被戏称为“套壳之王”，它的搜索调用Google等搜索引擎、AI调用OpenAI等大模型。这样的产品，壁垒在哪里、长期价值是什么、未来将走向何方？

 01  什么是AI搜索？

AI搜索是指利用AI技术来增强和改进搜索体验的一种搜索方式。它不再局限于关键词匹配，而是力求深入理解用户查询背后的真正意图，提供更精准、更全面的答案。

以目前最火的AI搜索产品Perplexity为例。Perplexity 巧妙地将大语言模型 (LLM) 与传统搜索 API 结合起来，利用大模型的自然语言交互和信息整合能力，加上传统搜索引擎的强相关结果，很大程度提升了用户的搜索体验，包括总结提炼答案、列出信息来源、支持多轮对话，并在结尾提供相关话题等等。

举个栗子

最近备受关注的美国大选，民主党总统候选人哈里斯于8月6日选了Tim Walz做副总统候选人。我们分别问了ChatGPT、Google与Perplexity，哈里斯为什么做这个选择。

ChatGPT：由于这件事刚发生不久，ChatGPT第一反应说没有这个信息。当提示它去搜索一下，它给出了一个Walz的简单背景介绍。

Google：给出了一些相关新闻的链接

Perplexity：直接给出了一个比较完整的分析，并且注明了信息来源、列出了后续可以继续探索的相关问题。浏览下来，对于哈里斯为何选择Walz有了个不错的理解:

• 做好优质信息的总结
• 提供信息来源，加强回答的可靠性，也方便用户直接回到信息原文深入了解
• 从不同维度对问题进行比较全面的分析
• 提供其他相关问题帮助用户进行后续探索

 02    搜索发展脉络：

IR->Web Search->AI Search

回看搜索引擎的发展历史，从最初的信息检索（Information Retrieval）到网络搜索（Web Search)再到如今的AI搜索，背后是对用户意图理解及信息探索不断深入的过程。

最早是信息检索（IR），主要面向用户的信息需求。针对用户的查询，系统从语料库中检索匹配的文档。随着互联网的普及，用户的意图变得越来越多样，包括信息检索，导航类查询（访问特定网站）和交易型需求（完成某个动作，如购物、文件下载）。这个期间Google作为搜索引擎横空出世，并且找到了广告变现的商业模式。而随着大模型的出现，其出色的问题理解和信息提取能力，让搜索得到进一步发展。

Google搜索的核心是关键词查询（Keyword Search），用户要找到合适的关键词。如果问的是个相对复杂的问题，用户需要不断尝试不同的关键词，得到搜索结果，再一一研究给出的10 blue links来理解寻找答案。而AI搜索，用户的核心是要探索和明确自己的意图。在得到答案的过程中，用户在对问题不断地探索和研究。搜索结果包括对问题的综合答案，还包括与之相关的问题，来激发进一步思考，从而帮助用户对问题建立更全面的认知。这是为什么Perplexity的Slogan是"知识的起点"，也把自己称为“知识发现引擎”。

所以，AI搜索改变了搜索的交互模式，让用户更主动更方便地获取信息探索世界。

做过搜索的人都知道，衡量搜索引擎的好坏核心在于长尾搜索（ “It is all about tails” ）。头部查询每家引擎都可以做得很好；对于长尾搜索，Google依靠其技术实力尤其是海量的用户反馈，把搜索结果的相关性做得非常好。因而，对于实时、长尾、任意领域的搜索，AI搜索需要依赖传统搜索引擎API来完成，在结果上的优势也未必明显——许多长尾领域没有太多结果可供“挖掘、整合、追踪、呈现”。但如果搜索针对有限、相对静态的数据，尤其涉及对复杂问题/研究型问题的搜索，AI搜索就能扬长弊端，发挥出它的优势，提供更好的结果。

从这个角度思考，我们认为，对AI搜索来说，有两个方向是非常适合的——即垂直领域搜索和企业知识管理。与数据量庞大、实时性要求极高的通用搜索不同，垂直领域和企业级搜索领域的数据量相对有限，更新频率较低，恰好规避了AI搜索在基础设施上的劣势。

每个垂直领域都有其独特的语言体系、知识结构及信息需求，通用搜索引擎往往难以满足这些专业化需求。我们认为，AI搜索引擎对此能够提供更好的搜索体验，比如以下的几个方面：

• 聚焦服务该领域的人群。比如通过社交传播将垂直领域的人聚集在一起，互相启发进行相关问题的持续探索。类似Perplexity Pages目前的功能，用户可以看到其他关注某个话题的人的问题和答案，彼此启发对该话题进行深入的探究。而这些“爱好者”的“探索路径”以及搜索到的回答，又将帮助AI搜索在该领域越做越好——回答得更深入、更准确。

• 提供更好的数据挖掘和分析。垂直领域的数据蕴藏着巨大价值而很多没有发挥作用。传统的搜索引擎通常只能提供简单的信息检索功能，难以做到对数据的分析和洞察。AI搜索则能够利用AI的分析及整合能力，加上对领域的理解，深度挖掘数据价值给出更好的结果，比如：趋势分析预测（如金融领域股价走势预测）、通过海量数据挖掘做关联分析及知识发现（如医疗领域，发现疾病之间的关联关系、药物的潜在副作用等）、利用多模态能力做可视化数据分析等。

• 搜索结果个性化。 AI 搜索引擎可以根据用户的搜索历史、兴趣偏好、专业背景、职业特征等信息，对搜索结果进行个性化生成，将最符合用户需求的信息优先展示。

其中一个典型的代表是Consensus。这是一款聚焦在学术及健康领域的AI搜索工具，旨在简化学术研究，类似于“AI版的Google Scholar ”。它能够根据用户提出的具体问题，找到相关的经过同行评审的学术论文。该平台利用了一系列大型语言模型来自动化研究过程中的关键步骤，使其成为研究人员、学生和专业人士的强大工具。Consensus成立于2021年，目前已拥有超过200万注册用户和40万月活跃用户，包括来自斯坦福大学、辉瑞公司和美国国家科学院等知名机构的学者和 AI 研究人员。Consensus 有 1.2 万名付费用户，预计今年有望达到150万美元ARR。它最近刚完成由Union Square Ventures 领投的1100万美元A轮融资。

Consensus提供的核心价值包括:

• 整合多个学术数据源
• 提供强大的过滤功能让用户更精准地搜索
• 自动化研究流程（将研究经验结合到产品中）
• 平台提供最新动态以及研究协作工具，便于用户产生粘性

• 企业知识库构建。帮助企业将分散在各个部门的文档、邮件、聊天记录等非结构化数据进行整合和分析，构建高效的知识管理和检索平台。

• 智能化决策支持。提供数据分析和预测服务，帮助企业优化运营效率、降低决策风险。

• 信息安全和隐私保护。 AI 搜索引擎可以通过本地化部署、数据加密等方式满足企业的需求。

Glean提供核心价值主要是：

• 自然语言交互。利用人工智能和自然语言处理技术理解用户的搜索意图，即使是模糊或口语化的查询也能返回精准的结果。

• 统一信息孤岛。整合企业内部各种应用程序和数据源，例如Slack、Salesforce、Google Workspace 等，为用户提供一站式搜索体验。

• 个性化搜索结果。根据用户的角色、团队、兴趣及过去的行为，提供量身定制的搜索结果，提高信息的相关性和效率。

• 知识发现与洞察。除了提供链接，还提取和汇总关键信息，帮助用户快速了解主题并做出更好的决策。