文心5.0刚出时，我经常跟朋友推荐。
文本能力本身已经很强了，但每次推荐时，我都会额外补一句：你试试它的搜索，真的好用。
大多数人反应差不多，是礼貌性地「哦」一声，然后该用什么还用什么。少数人会直接问，百度搜索现在还行吗？
我理解这种反应。
很多人对百度的印象停留在几年前，觉得它是传统搜索引擎，没什么新鲜感了；你跟他说搜索好用，他心里多少会打个问号，甚至会去用各种AI助理去了。
但我确实在说真话。
我的工作有一个硬性要求，数据不能出错；写商业分析，引一个营收数字、市场规模、融资金额，白纸黑字发出去，错了就是错了，没有「大概齐差不多」这回事。
这种校验的痛苦，做过内容的人都懂。
同一个数据，自媒体写500万，官方通稿报的是800万，到底信谁？你去翻三四个信源交叉比对，才能确认哪个口径是准的。
我用了市面上能用的工具，坦白讲，数据口径校验这件事上，百度搜索是让我最省心的；它能把官方信源、权威媒体的报道优先给捞出来，而且，时效性很强，昨天的发布会数据今天就能检索到。
这个能力听起来不性感，对我来说是刚需。
你可以说一个AI写作能力强、推理能力强、对话体验好，这些我都认；如果连引用的数据都没法确认是对的，其他能力对我来说就是空中楼阁。
百度做搜索做了二十多年，这个根基在那儿。
检索能力、信源积累、中文语料的覆盖，这些东西不是花两年时间训一个大模型就能追上的。
说实话，听我推荐的人不多。后来，我也不太执着于说服别人了。
人就是这样，愿意活在自己已经接受的那个判断里；一旦你形成了「百度搜索也就那样」的印象，跟印象矛盾的信息，都会自动过滤掉。
打破成见是一件成本很高的事，得承认自己之前的判断可能是错的，这对大多数人来说比接受一个新工具难多了；所以，我也不劝了，就自己用着，直到最近，有些事情开始帮我劝了。
今年315，央视曝光了一个叫GEO的东西，全称：生成式引擎优化；听着很专业，干的事情很简单：
花几十块钱，写十来篇软文，批量发到网上，等AI抓取、引用，几天之后，一个根本不存在的虚构产品就能变成AI口中的「推荐好物」。
被曝光的服务商自己都不避讳，直接管这套流程叫「给AI投毒」。
这件事传开之后，很多人的第一反应是愤怒，觉得这帮人太缺德了。如果你仔细想想，真正让人后背发凉的，其实是另一件事：你平时问AI得到的「答案」，有多少是被喂过的？你根本不知道。
315之前，AI幻觉的问题已经在发酵了。
演员刘美含配音时遇到一个字，「铸币坊」的坊，不确定读几声；她先后用了百度AI、DeepSeek、元宝、豆包等五款工具查了一遍，结果四款给的答案各不相同。
DeepSeek和元宝说是「一声」，豆包换个时间查给的结果还不一样，只有百度AI给了二声。
最后她经纪人翻了《新华词典》App，确认正确读音是fáng，二声。百度是唯一答对的。
南京师范大学文学院教授化振红也确认了，这个字在「铸币坊」这个语境里，指小手工业生产场所，读二声没有争议；一个汉字读音，查词典三秒钟就能解决的问题，五款AI工具能给出四种答案。
还有一个更有意思的。
有个博主在豆包上查古文「赤也为之小，孰能为之大」里面「为」字的读音，豆包先给了一个解释，说读四声，是介词。
博主拿百度结果去对质，百度说这里的「为」是动词，读二声。豆包看完之后改口了，回了一句：「你说得对，百度这里是对的，我刚才解释错了，非常抱歉。」
一个AI，被另一个搜索引擎的结果纠正了，然后向用户道歉。这个画面多少有点魔幻。
如果只是一两个案例，可以说是偶发，是模型还没训练到位；但315的GEO黑产、刘美含的读音乌龙、豆包的当场认错，这些事情挤在同一个时间窗口里集中爆发，它们指向的是同一个问题。
这个问题跟某一款AI产品好不好没关系，跟某一个大模型参数够不够大也没关系，它是AI「给你答案」这种模式本身带着的东西。
你有没有想过，为什么传统搜索引擎很少出现这种「张嘴就来」的问题？
原因很简单。
搜索引擎给一堆链接，你自己点进去看，自己判断哪个可信；它本质上在说：我帮你找到了这些信源，你自己定。
AI给的是一段话，一个结论，一个看起来很确定的答案；它本质上在说：你不用看了，我替你看过了，结论在这儿。
这两种模式的区别，表面上是效率高低的问题，往深了想，是判断权在谁手里的问题。
搜索引擎的模式，判断权在自己手上。信源靠不靠谱，数据口径对不对，自己比对、拿主意。这个过程确实慢，确实麻烦，但我们对信息的来龙去脉是清楚的。
AI的模式，判断权在模型手上。
它从海量语料里算出一个「最可能」的表达，打包成一段流畅的话递给我们；我们读着很舒服，很高效，但不知道这个结论是从哪来的，经过了什么筛选，丢掉了哪些不同的声音。
GEO黑产钻的就是这个空子。
既然用户看不到来源，那我只要把虚假内容喂进去，模型就可能把它当成「事实」输出；AI幻觉也是同一个逻辑，模型不知道自己不知道，但它的表达方式永远是一副「我很确定」的样子。
所以，刘美含查一个字的读音，五款AI能给四种答案，每一款都说得斩钉截铁；它们各自都很「确定」，但确定的方向完全不同。用户站在中间，反而比不查的时候更困惑。
百度搜索在这件事上做对了什么？
它没有放弃「给线索」这个逻辑，AI能力加上去了，但底层的搜索根基还在。我看了下资料，它在AI生成答案之前，其实做了挺重的筛选工作。
先是在信源这一关就卡得很严。
系统会自动去看发布时间、作者是谁、站点本身的信誉怎么样，不靠谱的内容在这一步就被拦掉了，只有权威信源才能进候选池。
进了候选池也不是终点。
同一个结论，得有多个可信来源互相印证才会被采用。孤证不立，单一来源说了不算。
答案上线之后还有一层兜底。后台有一套实时巡检的系统在跑，发现内容有偏，立刻介入纠正。
再加上百度百科那套体系。
所有词条先审后发，机审加人审，敏感词条还有高级别审核员二次核验，引用的参考资料必须是权威媒体来源。这个知识库已经联合了中科院、北大等机构超过10万专家，共建了超过100万个专业词条。
这些东西听起来很笨，很重，很不「AI」。但恰恰是这些笨功夫，让百度在刘美含那个测试里成了唯一给出正确答案的那个。
说到底，搜索和AI之间的差距，除了聪明还要关注谁更老实。讲到这儿，有人可能会觉得我在唱衰AI。
真没有。
AI在效率上的提升是实打实的，日常闲聊、文案生成、快速总结，这些场景用AI又快又好，没必要开一个搜索引擎慢慢翻。
我想说，搜索和AI从来就不是一个替代另一个的关系。
一个很有意思的信号是OpenClaw。
这个全球爆火的智能体平台，Skill就是它的App，开发者可以给AI装上各种能力插件。ClawHub上面有两万多个Skill可以选，什么类型都有。
在搜索类Skill里面，百度搜索的下载量和收藏量排在全球第一。一个搜索引擎的官方插件，在一个AI智能体平台上被下载得最多，你品品这件事。
开发者比普通用户更清楚一个道理：
搜索是智能体的基础设施。AI模型的训练数据有时间限制，上下文窗口也有天花板；如果没有一个靠谱的搜索能力帮它接入真实世界的最新信息，后面所有的推理、决策、自动化任务都是在沙子上盖楼。
用一个开发者的话说，搜索类Skill决定了整个智能体应用的智商下限。
这句话反过来理解就是：AI越强大，越需要搜索来兜底。模型的推理能力再好，如果喂进去的信息就是错的，输出的也只会是一本正经的胡说八道。
回到开头。
我之前跟朋友推荐百度搜索好用，大家不太信；现在315也好，AI幻觉也好，这些事情正在替我把道理讲明白，大家用了一圈AI后，开始重新理解搜索本身的价值。
打破成见有时候不需要说服。你把真实的东西摆在那儿，等就行了。
百度搜索做了二十多年，这二十多年的积累，在AI时代到来之前，看起来是旧资产，现在回头看，是地基。
地基不牢，上面盖什么都是幻觉。
