曾几何时，AI搜索一度被视为科技圈里的蓝海赛道，很多大厂和新贵都对此寄予厚望。如今，这个赛道早已成了拥挤的红海，而且是红到发黑的那种。国外知名的有Perplexity、必应、You.com、Andi Search，国内入局的也有天宫AI、秘塔AI、360AI搜索等，甚至连钉钉都推出了针对办公场景的AI搜索。

“拥挤”已不必多说，它的前途又会怎么样呢？有人说AI搜索是颠覆性产品，终会带来一场搜索革命；也有人说AI搜索是伪需求，没办法解决一些关键的根本问题，这些说法究竟有没有道理呢？K哥就来聊聊我对这个问题的看法。

01

AI搜索，解决了什么问题

1、省时间，提高准确性

先说说传统搜索，不管是谷歌还是百度，都是全文搜索引擎，通过爬虫从互联网中提取各个网站的文本信息建立数据库，然后从数据库中检索与用户查询条件相匹配的记录，并按照一定顺序将这些数以万计的结果呈现给用户。在整个过程中，用户需要自己选择网页，然后自主查看，并筛选、消化、整合其中的有用信息。这一过程涉及大量的选择、阅读和总结，非常耗时，而且当中过量而庞杂的信息，也常常让人无所适从。

而AI搜索技术的出现，却在很大程度上改变了这一局面。它不仅能够快速找到相关的网页，还能基于大模型对这些网页内容进行整理和总结，直接为用户输出一个简洁、清晰、条理的答案，起到了类似“搜索秘书”的作用，帮用户节省了选网页、点网页、看网页的宝贵时间。有人做过一个统计，用传统搜索方式搜索答案，整个过程一般需耗时3-10 分钟。而通过AI搜索，每次获取结果的平均时间，大约为 5-10 秒。妥妥几十倍的提效，AI搜索获取信息的效率，确实是传统搜索方式难以匹敌的。

2、AI搜索，解决了大模型幻觉问题

但凡体验过的朋友都知道，AI大模型有时候确实不太靠谱，很喜欢一本正经地胡说八道。出现这种情况，主要是因为大模型是基于大量数据训练的，并在训练的过程中学习到了数据中的统计规律和模式。因此，即使向模型输入它没遇过的新问题，它还是会按照以前的模式和规律，生成一些看上去很不靠谱的答案，这也就是所谓的大模型幻觉。而这个“幻觉”也直接让大众对大模型生成答案的准确性和可靠性大打折扣。

AI搜索的出现，却可以很好地解决大模型幻觉的问题。当用户提出查询时，AI 搜索通过 RAG等技术，找到相关的内容事实，然后让大模型基于网页中的内容事实生成回答。这就意味着，大模型生成的答案是有据可查的，而不是胡编乱造，从而大大提高了搜索信息的准确性。

02

AI搜索，仍干不掉传统搜索

AI搜索刚一出现时，曾被认为是“搜索世界秩序的改变者”，不少业内人士也大喊“谷歌危险了”。但后来的事实证明，AI搜索想成为一名“颠覆者”，远没想象中的那么容易。

1、搜索引擎的技术壁垒比想象中的高

信息搜索是互联网最基础的功能之一，而搜索引擎也在互联网从“找不到信息”到“能找到信息”的发展进程中，居功至伟。从上世纪90年代，雅虎定义搜索引擎范式以来，经过30年左右的沉淀和积累，传统搜索引擎早就构建了自己的技术壁垒和护城河。

从传统搜索引擎的工作原理来看，一个搜索引擎的工作流程通常包括：网页抓取、建立索引、权重计算、查询响应等主要环节。每一个环节都涉及复杂的工程技术，需要投入大量的人力和计算资源。以网页抓取为例，搜索引擎需要部署大规模的服务器和网络基础设施，不断爬取和更新海量的网页数据，这就需要解决诸如网络带宽、硬件扩展、性能优化等一系列工程难题。再比如建立索引，需要采用各种高效的数据结构和算法，以快速地对海量的网页内容进行检索和匹配等等。

虽然近几年AI技术飞速发展，但在搜索引擎领域，仍然是以关键词为入口，通过抓取、解析和索引全球网页内容, 构建庞大的知识图谱作参考，计算页面与搜索词相关性等一套基本流程，这与之前并没有太大差异。除了流程，在一些关键技术点上，AI搜索同样没有多少石破天惊的突破。比如，在海量网页内容抓取和处理上，无论是针对页面内容还是链接结构进行模拟，计算机依靠的仍是定量分析和统计学，并没有真正实现人类语言水平的理解能力。

2、必应没有革掉谷歌的命

看完技术层面，我们再看看市场格局。当初ChatGPT横空出世，震惊世人，作为OpenAI的投资人，微软近水楼台先得月，大张旗鼓将ChatGPT融入必应，推出New Bing。一时间市场一片看多必应、看衰谷歌之声。

但一年半过去了，事实又如何呢？根据Statcounter 4月数据显示，使用谷歌搜索的，依然高达90.9%，牢牢占据统治地位。而必应的市场份额，只有3.6%。不难看出，“新必应”并没有带来很多人想象的“新气象”。这并不是说AI搜索没有发展空间，而是说照目前发展趋势，即使有了AI搜索，也很难在短时间内，改变谷歌的市场霸主地位。谷歌搜索通过数十年的技术沉淀和用户积累，所形成的垄断地位，不仅体现在底层技术的优势，还体现在用户体验、品牌影响力等方面。New Bing虽然在某些方面有创新，但整体用户体验和覆盖范围，还远不到撼动谷歌的地步。

3、AI搜索，面临工程化、产品化问题

除了技术壁垒和市场份额方面，AI搜索在工程化和产品化方面也存在不少挑战。

1）工程难度较高

首先是在搜索排序算法方面，传统搜索引擎主要依赖于PageRank等基于网页关系的算法，计算相对简单。而AI搜索引入了深度学习、强化学习等复杂模型,需要在海量数据上进行大规模训练和优化，这就对算法提出了极高的要求。有数据统计，搜索引擎每天要响应数10亿次查询请求，而目前主流的大型语言模型在处理每一个查询时，都需要数10次参数计算。二者叠加，其难度和复杂程度可想而知。

其次是实时输出，现在的用户对搜索结果的实时性要求越来越高,任何明显的延迟都会严重影响体验。但大模型需要推理，它的反映时间往往更长一些。以谷歌的LaMDA对话模型为例，它在单次交互中，因为需要进行大量的自然语言推理和生成，计算延迟往往达到数秒。对于搜索场景下的即时响应要求来说，这显然是一个需要解决的问题。

推理准确度是AI搜索的另一个技术难题。AI搜索需要在极短的时间内完成复杂的逻辑推理，以提供最准确的搜索结果。这不仅要求算法具有高效的计算能力，还需要能够处理模糊和多义的查询。例如，当用户输入“我想买苹果”时，AI搜索要能迅速判断用户是想买水果，还是想买手机。

2）产品形态仍很初级

当前的AI搜索产品在用户体验上还有很大的提升空间。比如大家常遇到的，在使用AI搜索时，得到的结果不准确或者和问题不相关，这不仅影响了用户的搜索效率，也降低了用户对AI搜索的信任度。

在个性化方面也面临挑战。AI搜索的理想状态是能根据用户的搜索历史、偏好和行为模式，提供个性化的搜索结果。但目前大多数AI搜索产品，在这方面的功能还相对初级，远远不能满足用户对个性化服务的期待。

03

AI搜索，路在何方

任何新生事物，都要经过一段时间的摸索和试错，AI搜索自然也不例外，它该走什么样的路，该往何处发展，K哥有以下几点看法：

1、自建内容闭环

AI搜索的核心在于内容本身。与传统搜索引擎依赖外部网页内容不同，AI搜索有望通过生成内容的方式，自建内容闭环。比如，微软的新模型，正是使用 GPT-4 生成的教科书来训练的，其效果也许还有进一步加强之处，但已经从侧面说明，AI搜索已经朝着自我生成内容的方向努力了。

2、蚕食专业搜索的市场份额

正如前面所说，只要传统的搜索巨头，一边稳扎稳打，一边与时俱进，不犯严重的战略性错误，AI搜索新贵们想正面“倒反天罡”的机会还是渺茫的。但他们在垂类、专业领域一点点崛起壮大，倒是很有可能的。

比如，小红书、今日头条、淘宝都推出了自己的AI搜索。有数据统计，淘宝问问月活跃用户已近9亿，每日搜索量高达数百亿次。而小红书也依托用户的笔记和分享，形成了独特而有黏性的社区化内容，进一步突显了自身亮点和特色。再以专业领域的论文搜索和医学搜索为例，像Semantic Scholar，就是一个由AI驱动的学术搜索引擎，通过自然语言处理技术，能够理解用户查询的意图，并提供相关的学术论文和研究成果。同样，在医学领域，AI搜索也可以通过分析大量的医学文献和病例数据，为用户提供更加精确的诊断建议和治疗方案。

3、结合硬件，颠覆流量入口

最早提出AIPC概念的英特尔曾表示：“在2025年前，将AI技术引入超过1亿台PC设备内，AI将从根本上改变、重塑和重构PC体验。”不管英特尔的目的最终能不能达成，仅从这家巨头的策略上就能看出AI搜索的另一个方向，即通过结合AIPC、AI手机等智能硬件，改变传统搜索的流量入口，实现颠覆式创新。

未来，随着AIPC、AI手机等智能设备的普及，AI搜索极有可能成为这些设备的核心功能之一。它们可以预装AI搜索引擎，将搜索流量从传统浏览器中转移到这些AIPC、AI手机上来。此举不仅可以改变传统搜索的格局，让AI搜索成为流量的主要入口；还可以让用户通过语音或手势与AI搜索进行交互，实现更加自然和便捷的信息检索体验。

谷歌前搜索负责人本·戈麦斯说过一句名言：搜索是离钱最近的地方。离钱最近的地方，必然也是争抢最激烈的地方。搜索的未来到底由谁掌握，传统搜索还是AI搜索？巨头们还是新贵们？故事刚开始，结局还早，我们不妨拭目以待。

 -  END -