曾几何时搜索引擎优化的含义和主要环节，AI搜索被认为是科技圈的一片蓝海，不少大公司和新贵都对其寄予厚望。如今，这条赛道早已成为人山人海的红海，红得近乎黑色。国外知名公司有Perplexity、Bing、优搜、安迪搜索等，国内公司还有天工AI、米塔AI、360AI搜索等，就连钉钉也针对办公场景推出了AI搜索。
“拥挤”这个词不用多说，但它的未来又会如何呢？有人说，AI搜索是一个颠覆性的产品，最终会带来搜索革命；也有人说，AI搜索是伪需求，无法解决一些关键的根本性问题。这些说法合理吗？我就这个问题分享一下我的看法。
01
AI搜索解决了什么问题？
1.节省时间并提高准确性
先说传统的搜索。Google和百度都是全文搜索引擎，它们利用爬虫从互联网上的各个网站抽取文本信息建立数据库，然后从数据库中检索符合用户查询条件的记录，并按照一定的顺序将这些数以万计的结果呈现给用户。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。这个过程需要大量的选择、阅读和总结，非常耗时，过多、复杂的信息往往让人不知所措。
AI搜索技术的出现，大大改变了这一现状。它不仅能快速找到相关网页，还能基于大模型对这些网页内容进行整理、归纳，直接向用户输出简洁、清晰、有条理的答案，起到类似“搜索秘书”的作用，帮助用户节省选择、点击、浏览网页的宝贵时间。有人做过统计，用传统搜索方式寻找答案，整个过程一般需要3-10分钟。而通过AI搜索，平均每次获得结果的时间大概在5-10秒左右。AI搜索在获取信息方面的效率确实是传统搜索方式无法比拟的，效率提升了几十倍。
2. AI搜索解决大模型幻读问题
有过经历的人都知道，AI大模型有时候很不靠谱，喜欢胡言乱语。出现这种情况主要是因为大模型是基于大量数据进行训练的，在训练过程中学习到了数据中的统计规律和模式。因此，即使输入了模型从未遇到过的新问题，它还是会按照之前的模式和规律生成一些看似不靠谱的答案，这就是所谓的大模型幻觉。而这种“幻觉”也直接降低了大模型生成答案的准确性和可靠性。
而人工智能搜索的出现，可以有效解决大模型假象问题。当用户提出查询时，人工智能搜索利用RAG等技术找到相关的内容事实，然后让大模型根据网页上的内容事实生成答案。这意味着大模型生成的答案是有据可查的，而不是捏造的，这大大提高了搜索信息的准确性。
02
人工智能搜索仍然无法取代传统搜索
人工智能搜索刚出现时，被认为是“搜索世界秩序的改变者”，不少业内人士也高呼“谷歌危在旦夕”，但后来的事实证明，人工智能搜索想要成为想象中的“颠覆者”，远没有想象中那么容易。
1.搜索引擎的技术门槛比想象中高
信息搜索是互联网最基本的功能之一，而搜索引擎在互联网从“找不到信息”到“能找到信息”的发展过程中发挥了至关重要的作用。自上世纪 90 年代雅虎定义搜索引擎范式以来，经过约 30 年的沉淀和积累，传统搜索引擎早已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，搜索引擎的工作流程通常包括：网页爬取、索引编制、权重计算、查询响应等主要环节。每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。以网页爬取为例搜索引擎优化的含义和主要环节，搜索引擎需要部署大规模的服务器和网络基础设施来持续抓取和更新海量的网页数据，这需要解决网络带宽、硬件扩容、性能优化等一系列工程问题。例如索引编制需要利用各种高效的数据结构和算法来快速检索和匹配海量的网页内容。
虽然近年来AI技术发展迅猛，但在搜索引擎领域，依然以关键词为切入点，通过抓取、解析、索引全局网页内容，构建庞大的知识图谱作为参考，计算页面与搜索词之间的相关度，这与之前并无太大区别。除了流程之外，AI搜索在一些关键技术点上并没有太多惊天动地的突破。比如在海量网页内容的抓取和处理上，无论是模拟页面内容还是链接结构，计算机依然依靠量化分析和统计，并未真正达到人类语言级别的理解能力。
2. Bing 并没有打败 Google
说完了技术面，我们再来看市场情况。ChatGPT 刚出来的时候，震惊了全世界。作为 OpenAI 的投资方，微软近在咫尺，占得先机。它将 ChatGPT 集成到 Bing 中，推出了 New Bing。一时间，市场一片看好 Bing、看淡 Google Voice 的局面。
但一年半过去了，事实究竟如何？根据Statcounter四月份的数据显示，谷歌搜索的使用人数依然高达90.9%，牢牢占据着主导地位。Bing的市场份额仅为3.6%。不难看出，“新Bing”并没有带来很多人想象中的“新气象”。这并不是说AI搜索没有发展空间，而是按照目前的发展趋势，即便有了AI搜索，也很难在短时间内改变谷歌的市场霸主地位。谷歌搜索通过几十年的技术沉淀和用户积累，已经形成了垄断地位，这不仅体现在底层技术的优势上，还体现在用户体验、品牌影响力等各方面。虽然新Bing在某些方面有所创新，但整体的用户体验和覆盖率还远不能撼动谷歌。
3. AI搜索面临工程化和产品化问题
除了技术壁垒和市场份额，AI搜索在工程化、产品化方面也面临不少挑战。
1）项目难度大
首先，在搜索排序算法方面，传统搜索引擎主要依赖基于网页关系的算法，如PageRank，计算相对简单。而人工智能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，对算法的要求极高。据统计，搜索引擎每天响应数十亿条查询请求，而目前主流的大规模语言模型在处理每条查询时都需要进行数十次参数计算。两者结合，难度和复杂程度可想而知。
第二是实时输出。如今的用户对于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。而大型模型需要推理，其响应时间往往较长。以Google的LaMDA对话模型为例，在单次交互中，由于需要进行大量的自然语言推理生成，计算延迟往往达到数秒。对于搜索场景中的即时响应要求，这显然是需要解决的问题。
推理准确度是AI搜索面临的另一项技术挑战。AI搜索需要在极短的时间内完成复杂的逻辑推理，以提供最精准的搜索结果。这不仅需要高效的计算能力，还需要处理模糊、歧义查询的能力。例如，当用户输入“我想买苹果”时，AI搜索必须能够快速判断用户是想买水果还是想买手机。
2）产品形态还很初级
目前的AI搜索产品在用户体验上还存在很大的提升空间，比如使用AI搜索时，得到的结果不准确或者与问题不相关，不仅影响用户的搜索效率，也降低了用户对AI搜索的信任度。
个性化也存在挑战。人工智能搜索的理想状态是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。但目前大多数人工智能搜索产品在这方面的功能还比较简陋，远远不能满足用户对个性化服务的期待。
03
AI搜索，未来在哪儿？
任何新生事物都会经历一段探索和试错期，AI搜索也不例外。它该走什么样的路，又该往哪个方向发展？K哥有以下观点：
1.自建内容闭环
AI搜索的核心在于内容本身，与依赖外部网页内容的传统搜索引擎不同，AI搜索有望通过生成内容来构建自己的内容循环，例如微软的新模型就是使用GPT-4生成的教材进行训练的，其效果或将进一步增强，但这已经从侧面表明AI搜索一直在朝着自生成内容的方向努力。
2. 蚕食专业搜索的市场份额
如前所述，只要传统搜索巨头稳扎稳打、与时俱进，不出现重大战略失误，AI搜索新贵“翻盘”的可能性不大，但很有可能在垂直和专业领域逐渐崛起、壮大。
例如小红书、今日头条、淘宝均已上线自己的AI搜索。据统计，淘宝文文月活跃用户近9亿，日搜索量高达数百亿次。小红书也依托用户的笔记、分享，形成独特、黏性的社区内容，进一步凸显自身的亮点和特色。以专业论文搜索和医学搜索为例，Semantic Scholar是一款AI驱动的学术搜索引擎，利用自然语言处理技术理解用户的查询意图，提供相关的学术论文和研究成果。同样，在医疗领域，AI搜索也能通过分析大量医学文献和病例数据，为用户提供更精准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：“到2025年，将有超过1亿台PC设备引入AI技术，AI将从根本上改变、重塑和重构PC体验。”不管英特尔这一目标最终能否实现，单从这家巨头的战略来看，已经可以展现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，实现颠覆性创新。
未来随着AIPC、AI手机等智能设备的普及，AI搜索很有可能成为这些设备的核心功能之一，通过预装AI搜索引擎，将传统浏览器的搜索流量转移到这些AIPC、AI手机上，不仅可以改变传统搜索格局，让AI搜索成为流量的主要入口，还可以让用户通过语音或者手势与AI搜索进行交互，实现更加自然便捷的信息检索体验。
前谷歌搜索负责人 Ben Gomez 曾说：搜索是最靠近金钱的地方。最靠近金钱的地方，必然是争夺最激烈的地方。传统搜索还是 AI 搜索，谁将主宰搜索的未来？巨头还是新贵？故事才刚刚开始，结局还早，我们不妨拭目以待。
作者 | Mr.K
编辑 | Emma
暂无评论内容