文|讀懂財(cái)經(jīng)
曾經(jīng)，很多人以為，ChatGPT的橫空出世，就幾乎等于敲響搜索的喪鐘。
這樣的說法在當(dāng)時(shí)不在少數(shù)。按前谷歌第23位員工、Gmail的創(chuàng)建者之一Paul Buchheit的說法，ChatGPT將摧毀谷歌，就像當(dāng)年搜索引擎徹底干掉黃頁電話簿一樣。
一年時(shí)間過去了，AI大模型替代搜索的進(jìn)程，遠(yuǎn)沒有大家想象的那般順利。但一切并非毫無意義。隨著Perplexity等AI搜索產(chǎn)品的涌現(xiàn)，也讓我們對AI給搜索行業(yè)帶來的變化有了更加清晰的認(rèn)識(shí)：
首先，與傳統(tǒng)搜索引擎相比，AI搜索讓信息的顆粒度從網(wǎng)頁細(xì)化到信息本身，進(jìn)而提升了信息獲取的效率。這是AI搜索最大的價(jià)值。
其次，作為一款A(yù)I套殼產(chǎn)品，像Perplexity等產(chǎn)品的成功在于，實(shí)現(xiàn)了單點(diǎn)的價(jià)值創(chuàng)造和體驗(yàn)優(yōu)化，更是一次AI工程化層面的勝利。
第三，像Perplexity這樣的AI搜索，目前更多集中在知識(shí)等小眾領(lǐng)域，距離替代谷歌成為通用搜索引擎仍然有很長的距離要走。
盡管當(dāng)下AI搜索替代谷歌幾無可能，但長期并非毫無可能。從過去科技的演進(jìn)看，新技術(shù)對老技術(shù)的替代，往往是以意想不到的顛覆形式完成的。正如誰能想到如今擁有上億用戶的快手，當(dāng)初只是一個(gè)做GIF的工具。變化與未知，就是新技術(shù)的魅力。
01 比搜索更精準(zhǔn)是如何做到的？
在AI搜索的賽道，Perplexity 是絕對的明星。公司創(chuàng)始人Aravind Srinivas來自O(shè)penAI，2022 年 8 月創(chuàng)立了 Perplexity。2023年10月，公司完成了新一輪融資，估值達(dá)到 5 億美元。
與其說，Perplexity是一個(gè)搜索引擎，倒不如說是答案引擎。當(dāng)用戶向Perplexity輸入問題并點(diǎn)擊搜索后，你能得到一個(gè)回答。比如，當(dāng)你向Perplexity提問“蠟筆小新是誰”，會(huì)得到Perplexity的相應(yīng)回答。
這個(gè)答案是通過網(wǎng)上已有的信息總結(jié)提煉而來。在回答欄目的上方，Perplexity還會(huì)給出參考內(nèi)容的來源，并支持點(diǎn)擊。在回答的下方，Perplexity預(yù)測了幾個(gè)用戶可能會(huì)追問的問題，點(diǎn)擊后頁面繼續(xù)向下展開對于該問題的答案，用戶也可以自行進(jìn)行提問。
此外，在回答欄目的側(cè)邊，用戶還可以搜索相關(guān)主題的圖片和視頻。
Perplexity不僅能夠回答簡單問題，還能理解用戶一些比較復(fù)雜的問題，比如當(dāng)用戶就“生成式AI與過去的AI相比有哪些不同和特點(diǎn)”進(jìn)行提問時(shí)，Perplexity也能進(jìn)行回答。
但不足的地方是，在“生成式AI與過去的AI相比有哪些不同和特點(diǎn)”問題來說，Perplexity推薦的視頻和主題關(guān)系并不大。也就是說，在復(fù)雜問題從文字向更多模態(tài)轉(zhuǎn)化過程中，搜索內(nèi)容的效率有比較大的下降。
看上去，AI搜索更像是傳統(tǒng)搜索引擎的一次升級(jí)，即從過去的單邊的信息查詢和SEO策略優(yōu)化，轉(zhuǎn)變成雙邊的信息交互。
過去的傳統(tǒng)搜索引擎的工作流程是，基于用戶搜索的內(nèi)容，對相關(guān)內(nèi)容進(jìn)行索引并創(chuàng)建搜索索引，所謂的索引，可以理解為內(nèi)容過濾后，一個(gè)與搜索內(nèi)容有關(guān)，且包含頁面及其內(nèi)容和排名信息的數(shù)據(jù)庫。然后再對索引中的頁面使用各種算法進(jìn)行排名，進(jìn)而給出搜索結(jié)果。
相比之下，Perplexity比搜索引擎額外多做了幾件事。在搜索前，Perplexity會(huì)通過大模型，重新理解用戶提出的問題，然后解析為一個(gè)更清晰的搜索指令。接下來，調(diào)用Google、Bing等搜索引擎的API創(chuàng)建相應(yīng)的索引庫，然后用自有的排序算法，對所有的搜索結(jié)果做重新排序，篩選出數(shù)量不等且高質(zhì)量的網(wǎng)頁。最后，讓大模型閱讀篩選出來的內(nèi)容并輸出和問題相關(guān)的答案，以及可能用到的問題。
也就是說，相比搜索引擎做的是信息相關(guān)度的匹配，而Perplexity是在此基礎(chǔ)上做了更多理解指令上的工作，進(jìn)而讓搜索結(jié)果更接近用戶想要的東西。
搜索效率升級(jí)的背后，是搜索顆粒度的細(xì)化。在互聯(lián)網(wǎng)時(shí)代，搜索引擎將信息以網(wǎng)頁為最小粒度為用戶進(jìn)行排序和推薦。而大模型能夠?qū)W習(xí)所有 Google上能得到的信息，并將知識(shí)以詞匯為最小粒度生成相應(yīng)的內(nèi)容。
02 Perplexity破局的啟示
聽起來，Perplexity所做的事情很簡單，就是在原有搜索引擎基礎(chǔ)上加入了大模型的自然語言理解和生成豐富回答能力。那么，是不是意味著所有大模型企業(yè)也可以做？
其實(shí)并非如此。曾經(jīng)在很多人看來，生成式 AI 可能會(huì)取代傳統(tǒng)搜索引擎，但用大模型直接進(jìn)行搜索也會(huì)出現(xiàn)很多問題。
比方說，生成式AI無法做到實(shí)時(shí)更新，且受限于訓(xùn)練數(shù)據(jù)，可能無法覆蓋相對小眾、缺乏通用性的長尾知識(shí)。同時(shí)，生成式AI對生成內(nèi)容的可控性較差，存在“幻覺”問題，用戶也難以對答案進(jìn)行直接驗(yàn)證。
Perplexity所做的事情就是，把這些大模型搜索過程中出現(xiàn)的“坑”一個(gè)個(gè)都填掉，其中最重要的事情就是信息的實(shí)時(shí)性和準(zhǔn)確性。
實(shí)時(shí)性方面，與ChatGPT等大模型依賴訓(xùn)練時(shí)的數(shù)據(jù)和語料獲取信息不同，Perplexity基于底層傳統(tǒng)搜索引擎開發(fā)而得，能夠及時(shí)抓取最新的信息。
準(zhǔn)確性方面，Perplexity做了兩件事情：減輕幻覺和內(nèi)容溯源。為了減少幻覺現(xiàn)象，Perplexity引入了RAG技術(shù)（檢索增強(qiáng)生成），RAG的作用好比是給模型提供一本教科書，讓它根據(jù)特定的問題去查找信息，通過關(guān)聯(lián)外部知識(shí)來提高答案的準(zhǔn)確性，有效減少了語言模型中出現(xiàn)的虛假信息，使得生成的回答更準(zhǔn)確可信。
與此同時(shí)，Perplexity還對生成的每一句話都附有引用鏈接，在保證可靠性的同時(shí)便于用戶溯源或深入研究。
不僅如此，Perplexity還對召回和排序環(huán)節(jié)的算法做了創(chuàng)新，保證內(nèi)容的有用性及引用的精確程度。其中，“召回”指根據(jù)搜索指令從數(shù)據(jù)庫中獲取盡可能多的正確結(jié)果，“排序”指根據(jù)用戶搜索內(nèi)容的相關(guān)性對召回結(jié)果進(jìn)行排序，決定了搜索引擎的精確程度和性能上限。
來源：中金研究部
這也讓Perplexity成為當(dāng)下綜合性能最好的AI搜索引擎。在2023年4月的論文中，斯坦福的研究人員對YouChat、Perplexity.AI、NeevaAI及BingChat四個(gè)生成式搜索引擎進(jìn)行了人工評(píng)估。結(jié)果顯示，Perplexity.ai生成內(nèi)容有用性的評(píng)分為4.56分，排名第二；引文召回率和精確度為68.7，排名第一；在泛搜索引擎類的體驗(yàn)中，綜合能力位于最前列。
除了在信息準(zhǔn)確、可靠上，Perplexity在響應(yīng)速度上也花了很多功夫。比如，Perplexity通過自研推理堆棧，讓其內(nèi)容生成速度快于GPT類通用模型。在模型側(cè)，公司對GPT-3.5進(jìn)行微調(diào)，在降低成本的同時(shí)進(jìn)一步提升響應(yīng)速度。
Perplexity的成功，也給了那些苦苦探索AI大模型落地的創(chuàng)業(yè)者一些啟示：比起模型能力，產(chǎn)品本身單點(diǎn)的價(jià)值創(chuàng)造和體驗(yàn)的優(yōu)化，是一個(gè)更為重要的事情。
03 替代谷歌言之過早
從數(shù)據(jù)上看，自產(chǎn)品發(fā)布以來，Perplexity的成績著實(shí)不錯(cuò)。
根據(jù)Similar Web數(shù)據(jù)，截至2023年10月25日，Perplexity APP的日度下載量為14,163次；2023年2月1日至10月25日，Perplexity網(wǎng)頁端的周度訪問量由275萬增加至1,113萬，增長3倍，與同類別的AI搜索應(yīng)用YouChat相比增長勢頭強(qiáng)勁。
盡管Perplexity的表現(xiàn)足夠優(yōu)秀，但距離真正替代谷歌等傳統(tǒng)搜索引擎還有很長的距離。從定位上看，當(dāng)下的Perplexity更像一個(gè)知識(shí)平臺(tái)，用戶對其需求大都集中在知識(shí)領(lǐng)域，定位類似于AI時(shí)代的Wikipedia 和 Quora。
從Perplexity后續(xù)的更新動(dòng)作上，也不難看出這一點(diǎn)。比如，Perplexity正在嘗試以知識(shí)分享為核心，創(chuàng)建相關(guān)的內(nèi)容社群生態(tài)，Perplexity支持用戶將搜索問題及答案分享至社區(qū)，供其他用戶學(xué)習(xí)討論。
之所以Perplexity選擇以知識(shí)平臺(tái)為切入點(diǎn)，主要基于兩點(diǎn)考慮：
一是RAG技術(shù)更擅長在開放域知識(shí)問答及生成式問答中發(fā)揮作用。Meta的技術(shù)論文對RAG技術(shù)進(jìn)行了詳細(xì)測評(píng)，包括開放域問答、開放域問題生成、抽取式問答及分類推理任務(wù)。在開放域問答中，RAG-Token和RAG-Seq得分處于領(lǐng)先地位；在生成任務(wù)和分類任務(wù)中，RAG表現(xiàn)優(yōu)于BART模型。
二是谷歌在消費(fèi)、地圖上積累了大量的數(shù)據(jù)，這讓Perplexity在生活/購物等更高頻的場景沒有任何優(yōu)勢，很難實(shí)現(xiàn)場景的泛化。
以知識(shí)平臺(tái)為目標(biāo)，固然讓Perplexity找到了差異化的方向。但同時(shí)也意味著，Perplexity短期內(nèi)很難成為一款低門檻的大眾化互聯(lián)網(wǎng)產(chǎn)品，至于替代谷歌更是無從談起。
不僅如此，與大多數(shù)AI創(chuàng)業(yè)公司一樣，Perplexity并沒有形成可持續(xù)的商業(yè)模式。目前，Perplexity的變現(xiàn)方式主要有兩個(gè)：會(huì)員訂閱和API調(diào)用，但尚未形成規(guī)?；杖?。
雖然收入沒起來，但支出卻一點(diǎn)都不少。根據(jù)中金測算，目前Perplexity調(diào)用Bing搜索引擎及GPT-4的單個(gè)問題成本約為0.03美元，年成本約為6000萬美元，這還不包括后續(xù)Perplexity自研模型所產(chǎn)生的成本。
從過去看，搜索向來是個(gè)馬太效應(yīng)極其明顯的市場。盡管用戶對百度詬病頗多，也不影響百度在中國搜索引擎的市占率超過7成。如果用當(dāng)下的視角理解產(chǎn)品技術(shù)演進(jìn)的結(jié)果，Perplexity似乎沒有任何機(jī)會(huì)。
但這事好就好在，新技術(shù)對老技術(shù)的替代，往往是以顛覆的形式出現(xiàn)的，甚至老玩家固有的“習(xí)慣”還會(huì)成為其迭代的最大障礙。就拿搜索這事來說，AI搜索直接給出關(guān)鍵信息的交互方向，天然與谷歌現(xiàn)有競價(jià)排名的商業(yè)模式相背離。
如何取舍對谷歌來說是一個(gè)難題，而對Perplexity來說則是一個(gè)機(jī)會(huì)。從這個(gè)角度來說，Perplexity替代谷歌固然言之過早，但也未必沒有可能。