2023 年，浪仔在一个创业者知识分享群里认识了豁如，拥有相似教育背景和大厂工作经历的两人，顺理成章地成了朋友，作为两个 AI 产品的发烧友，又在做事方法和认知上有些共识，两人决定在AI赛道开始创业。
2024 年初，豁如又拉来其他志同道合的朋友，组成了一个 5 人小团队，浪仔来负责产品设计，豁如及其他成员主攻技术，ALL IN AI 创业。11 月下旬，经过接近一年的开发与产品打磨，他们的AI搜索产品 Hika 开始测试，12 月底正式公开上线。（网址：hika.fyi）
白鲸出海：两位创始人都是 AI 产品的深度用户，也深度使用了多款产品，决定创业时，团队为什么会将主攻方向确定为 AI 搜索引擎呢？
浪仔：首先 AI 搜索的讨论度在行业内一直很高，是一条很热门的赛道，而且 AI 搜索也是我最常用的 AI 产品，我对这个产品类型的理解也更为深刻。与传统搜索相比，AI 搜索能给用户带来更大的体验差异，或者说升级。
但是，我认为目前市面上的 AI 搜索产品的形式都比较单一，整体来讲，所有 AI 搜索产品都是“换壳版 Perplexity”，我觉得我们能做出不一样的东西，所以就选了 AI 搜索这个方向。
白鲸出海：作为 AI 搜索领域的“龙头”，Perplexity 单月访问量已经上亿，今年内就融资 4 轮，估值已经超过了 90 亿美元，它算是定义了 AI 搜索的产品形态。那么，您认为目前 AI 搜索的产品，还能再去改进或者说差异化的是哪里？
浪仔：就我的理解，问题有三个，大模型没那么聪明、搜索图片体验不好、用户对感兴趣的内容无法深入。
大模型的不聪明体现在两点，一是目前AI搜索的准确率不是那么高，出现幻觉问题的频次依然较高，大模型对正确信息的筛选能力还有待升级。二是大模型无法给出符合用户需求的个性化答案，就拿旅游举例，同样都是搜索美食，有人喜欢重口味一些，有人喜欢清淡一些，但 AI 搜索给出的推荐却一个样。
图片与链接方面，这是很多 AI 搜索都会有的模块。传统引擎对图片模态有着较强的数据和技术积淀，我在 Google 搜索，它能给到我成百上千的图片供我选择。但在 AI 搜索引擎中，虽然大模型可以通过理解问题去配图，但是呈现的图片数量不仅少，大多数情况下也与回答文不对题，失去辅助理解的意义。
第三是用户对感兴趣的部分无法深入。这个问题我是基于自身的体验发现的，在搜索时，我除了想得到单个问题的答案，我还希望了解事情的其他方面，以求更全面的了解。但是 Perplexity 等产品，只会给我一个相对简洁的“答案”，我很难去围绕这个主题去了解与之相关的更多信息，我们称之为“问题域”。虽然 Perplexity 在产品设计上也加入了“延伸问题”的功能，但在我看来仍然是不够的。
人们在面对一个新事物时，都是从不同方面去了解事物，然后再组合成对事物的全面认知，而 Perplexity 却只给一个答案，缺乏引导用户思考的过程。
豁如：我补充一下，一是 AI 搜索产品只能给出比较常规的答案，并没有很强的独特性，给出的图片也基本上是搜什么内容就配什么图片，比如搜苹果手机，就给一张苹果手机的图片，并不能帮助用户理解。另外，所有 AI 搜索产品界面都很繁复，页面上堆满了文字、引用链接、图片、追问问题等等，看到这样的界面，我的使用意愿也大大降低了。
白鲸出海：基于您之前说到的，Perplexity 在准确率、独特性、个性化等等问题，Hika 怎么去优化的？Hika 与 Perplexity 的核心差异点在哪里呢？
浪仔：如果说 Perplexity 给出的是定制化的套餐，那么 Hika 给出的内容就是自助餐。对于我们来说，模型层面的优化我们做不了，也不是我们所擅长的东西，取而代之，我们在产品设计上下了不少功夫。
Hika 首先会针对这个问题的几个方面，给出一些相对简洁的答案，供用户“速览”，帮用户找到“关键词”。然后，用户在找到自己感兴趣的关键词后，再点击“深入这段”，让 AI 自行扩展信息，或由用户主导进行追问。进一步交互的同时，用户也把自己的意图反馈给了 Hika，用户也进一步接近了真相。
再辅以我们给到的逻辑图和表格，用户还可以捕捉到各个概念间的关系，基于此用户可以继续和 Hika 交互，“无限接近”答案。
Hika 所谓的准确，不是绝对意义的准确，而是提供用户需要的答案，我们不只是一个搜索产品，更是一个帮助用户思考的“思维产品”。
白鲸出海：这么听下来，Hika 主要的差异就在于通过点选交互和多轮追问，来帮助用户用户获得所需要的答案。从我们的观察来看，大多数一般用户进行搜索的目的，只是单纯地想要一个简洁的答案。那么 Hika 定位的人群会比其他的 AI 搜索产品小一些吗？
浪仔：首先，无论是过去还是现在，人们对知识/信息的渴求从来没有变过，我觉得这种需求像吃饭睡觉一样自然。虽然大多数用户一般情况下都只需要一个简单答案，但是，每个用户在学习和工作中，总会面对相对复杂的问题，会有需要了解多元信息的情况。虽然目前，Hika 的产品形态可能指向的方向相对小众，但我不觉得我们做的是一件小众的事情。
另一个方面来说，其实现在 AI 搜索并不是真的在搜索，更像是在问答。如果说仅是搜索行为的话，谷歌这样的传统搜索引擎已经可以满足需求了，但是目前的 AI 搜索产品，在搜索信息之外又延伸了总结、追问等等环节，AI 搜索只是将之前产品做不到的事情做到了，并以搜索的形式进行了呈现。如果从这个层面上说，Hika 谈不上“小众”。
白鲸出海：对于很多 AI 搜索产品来说，准确率都是一个很大的问题，而且 Hik a的定位可能还比其他 AI 搜索产品更深度一些。那么“大模型+公开信息”的组合能否满足需求？在准确性方面，Hika 做了哪些技术层面的优化呢？
浪仔：Hika 的设计思路是找到一个适合 AI 改造同时又兼具普适性的问题场景，这类问题不是一句话就可以解决的简单问题，也不是需要引用大量专业论文的深度难题，而是介于两者之间，相对复杂、又比较高频（工作，学习，爱好等等）的问题，这类问题靠公开信息是可以解答的。而大模型主要负责呈现有逻辑的答案，但是如何给大模型更多的角度，让它的答案更符合用户需求，这其实又回到了上面说的产品设计层面。
豁如：大模型的幻觉是目前做 AI 搜索必然会遇到的问题，所以我们只能尽量规避这个问题。总的思路是，尽量给 AI 提供高质量的信息源。目前，我们会给不同的信源（网站）进行可信度的评分，减少可信度低的网站的搜索权重。
此外，Hika 内部也讨论过很多方案，比如针对每个答案块加入一个“反思”过程，Hika 会再调用一次 AI 搜索，来验证之前呈现的答案，然后将验证的结果以“置信度”的形式呈现在旁边，告诉用户这段内容在多大程度上是可信的。但是这个功能目前只是设想，还在讨论当中。
白鲸出海：我们感觉，目前愿意使用 Hika 都是好奇心比较强，对信息准确度要求比较高的用户，Hika 的用户对错误信息是不是比一般用户更难接受一些？引入核查机制会不会付出很高的人力成本？
豁如：目前来看的话，比较准确的信源基本都能靠人力列举出来，比如维基百科、主流新闻网站等等，再加上有大模型的帮助，我们是可以比较高效地去标注信源的，不会消耗很多时间。
浪仔：无论哪类用户，只要感知到了错误的出现，都会有不好的体验。传统搜索引擎其实不存在这个问题，因为它只管提供信息，用户承担辨析信息的任务。但 AI 搜索做了总结和分析这一步，就需要对信息准确度负责，这是 AI 搜索行业共通的问题。
要彻底解决准确度问题，要等到大模型技术的进一步发展，但就现实而言，我觉得可以让用户也参与进来，比如加入一些给输出内容打分的功能和上面提到的“置信度”功能，可以更好地帮助用户使用 AI 搜索。
白鲸出海：这样理解下来，我们通过交互去部分解决准确的问题，以及帮助用户更深入去理解一个事物，之前提到的图片搜索和个性化内容，我们有什么解决方案吗？
浪仔：图片是信息的一种形式，我们可能会考虑将其作为输入模态来加入 Hika 中，用户可以通过上传图片来与 Hika 互动；而个性化内容的基础，则是对用户的行为进行更深度地洞察与分析，这一部分，Hika 团队仍在还在学习当中。
白鲸出海：目前 Hika 已经开放测试了，几个内测群也都爆满，目前的用户反馈如何？未来有什么产品迭代的计划或者方向？
浪仔：大家对于 Hika 的接受程度其实超过我们的预期，有的用户认为能够通过Hika看到一个答案或者一个问题的整体脉络，而且能够获得一些启发和灵感。我们未来会增强 Hika 的信息丰富度和层次性，让用户在 Hika 中获得更多信息，并让 AI 能够更智能地给出符合用户需求的内容。
白鲸出海：搜索引擎本身是 “大流量且头部效应明显”的赛道，在海外，Google 占了 90% 以上的市场份额，在国内，百度也有 70%+的市场份额，对于中小开发者来说，你们希望在这条赛道上找到哪些机会？
浪仔：我认为 AI 时代才刚刚开始，模型能力也没到很完善的地步，目前尚未出现一个已经获胜的 Killer App，一切都还存在变数，这是行业发展层面的机会。
而在产品层面，AI 搜索产品目前还是一个相对新鲜的赛道，目前的产品设计也相对单一，但是单一并不代表着它的产品设计就是正确的。对于 Hika 而言，我认为与用户交互是 Hika 的一个特色，而伴随后续模型能力的提升，这种交互方式也会发生变化，很有可能大大提升用户体验，并短时间内快速扩大用户规模。
但另一方面，要在 AI 搜索赛道站稳脚跟，难度确实也相当大。因为所有的产品基本都使用的是相同的底层大模型，不同产品的差异点就体现在前端的呈现，但产品设计是没有正确答案的，谁也不知道哪种设计是最符合用户需求的。这对我们是挑战，但也是机遇。
白鲸出海：目前 Hika 的成本情况如何？未来有什么商业化计划吗？
豁如：成本方面的话，基本上是可控的。最主要成本的就是调用模型和搜索引擎的API的费用，我们目前申请了微软的创业者计划，可以为我们负担一部分成本，而未来我们会积极地寻找一些大模型厂商进行合作，尽量让成本处于可控的状态。
浪仔：商业化路径的话，我的设想基本上是两个方向。一是搜索引擎的传统商业化模式——广告变现，但相比传统广告纯粹宣发的作用，我们可以通过设计一些推荐机制，为用户提供更有价值的信息，也帮广告主更精准地触达合适的用户。未来流量起来之后，这是一个可行的方案。
另一个方向其实就是在流量起来之后，用户本身也会出现分层的情况，对于不同的用户，我们可以提供不同的功能，来进行变现。比如有用户用 Hika 来做深度研究或者写论文，我们就可以给这个用户配最好的模型，提供更高质量的信息，并向用户收费。
但我们的产品仍处于早期阶段，这些商业化路径还处于构想的阶段。
目前的 AI 搜索引擎市场，我们曾经在《半年融资 12.8 亿美金，以为没什么机会的赛道，疯狂融资》选题中进行过观察， 2024 年上半年，全球各大搜索引擎总共融资 12.8 亿美金，但面向大众的通用搜索引擎的融资还不到 1 亿美金（算上 Perplexity），搜索引擎的机会主要在垂类场景和 ToB，而下半年搜索引擎赛道的融资新闻中，通用搜索引擎的占比依然不那么高。
就通用搜索引擎赛道看，“玩家”大概有几类，一是 Google、微软等传统搜引擎玩家，二是像国内的秘塔，国外的 Perplexity 这样的少数明星创企，而中小开发者做通用搜索引擎，看似是最没有机会的一种组合。
但是从浪仔和豁如两位创始人的讲述来看，目前 Perplexity 仍存在不少问题，产品模式也并没有定型，这个不确定性就是包括中小开发者在内，所有“玩家们”的机会，但怎么切入、又怎么将搜索引擎做成一个大众产品，依然充满挑战。
