type
status
date
slug
summary
tags
category
icon
password
platform
最近,AI 搜索的龙头 Perplexity.AI 又进行了新一轮的融资
4-23 日报道:Perplexity becomes an AI unicorn with new $63 million funding roundAI 领域独角兽 Perplexity.AI 再获新的 6500 万美元融资
AI 搜索,是一个热门的领域,国外的代表产品是 Perplexity.AI,国内的代表产品是秘塔 AI 搜索。
很多人看好 AI 搜索,我也都体验过两款产品,体验后后却觉得一般。并不看好这种模式。
用户体验
从用户体验上看
AI 搜索在一些场景,例如搜索某个概念,快速了解一个行业时,效率要比 Google 有效得多。
![notion image](https://illegiuploadpics.oss-cn-beijing.aliyuncs.com/image-20240424232411751.png?t=20aa1d51-0c57-4887-86ac-7d761b16a3fc)
在这些场景下,使用传统搜索引擎,例如 Google,就可以搜出很好答案。AI 搜索只是在已有的搜索结果下做了两件事情
- 对已经有的多篇搜索结果进行总结
- 根据用户搜索的“关键字”联想出更多用户可能会有的问题,再发起搜索和总结
这样的处理确实提高了信息的获取效率,比起传统搜索引擎,需要一个一个点进去查看的交互范式来看,AI 总结的结果一目了然。还能够对感兴趣的词条进行点击访问。
但这个模式存在一个巨大的弊端,就是 AI 搜索非常依赖传统搜索引擎的结果。因而在其他的很多场景。 AI 搜索并不能完全代替传统搜索引擎。例如当在 Google 的搜索一个有争议的事情时,各个词条众说纷纭,答案并非是确定性的,需要人类自己判断。
在这种场景下,AI 搜索就显得很鸡肋。AI 面对着眼前各说各话的内容,就会陷入很多混乱中,生成的答案更是完全无法信任。此时,我查看 AI 给我总结出来的内容时,就完全无法分辨出总结出来的内容,哪些是对的,哪些是错的,面对一个胡说八道的 AI ,只会感到很气愤。又需要自己去考证,这样 AI 搜索反而不如传统搜索引擎。
所以 AI 搜索在很多场景上,还无法提供比起传统搜索引擎更好的体验。
商业模式
从商业模式上看
- AI 搜索的商业模式是付费使用,
- Google 则是依靠“关键词广告”获利,
Google 的商业模式显然更胜一筹。
这部分我不做更多展开,感兴趣的朋友可以搜索一下「Google 是如何通过“关键词广告”,取得商业模式的巨大成功,击败雅虎的」。或者金老师的《互联网信息分发简明历》,了解“大多变革的产品都随着相应的技术变革应用所产生,而背后又都伴随了商业模式的彻底升级革新而兴起主导了一个网络时代。”
付费使用一款 AI 搜索产品,
使用俞军老师的用户价值公式:「产品价值 = 新体验-旧体验-换用成本」来看,
AI 搜索在新体验并不远胜于旧体验的同时,要多收一笔价格不小的使用费,这是大众用户无法接受的。只能捕获先锋用户的芳心。
![notion image](https://illegiuploadpics.oss-cn-beijing.aliyuncs.com/image-20240424234707147.png?t=b7f1973b-bfda-4249-956a-ab0f9545e223)
技术原理
从技术原理上看,AI 搜索的技术本质是 RAG(Retrieval-Augmented Generation)
RAG 检索增强生成,简单说就是在大语言模型生成质量不够好的情况下,通过提供一些上下文,让大语言模型的生成效果更贴近用户想要的结果。
在 AI 搜索中的应用,简化后的模式,也就是将搜索结果放到大语言模型的提示词中,辅助大语言模型生成内容。
![notion image](https://illegiuploadpics.oss-cn-beijing.aliyuncs.com/03_RAG.png?t=b908d47a-c3d5-4870-be6b-20f73add6082)
RAG 在 AI 搜索中的应用,有几个问题。
问题一是前面提到的,在使用 RAG 的过程中大语言模型本身无法分辨哪些搜索结果的参考是正确的,哪些参考是错误的。这会导致出现 Retriveal-weakened Generation 的情况,并且这个问题,似乎短期内无解。
当然,在我的认知之外,或许 AI 搜索的工程师们可以创造出更好得奖方案,这点目前无可得知。
问题二是算力和模型使用的费用很昂贵,现有的 RAG 检索,想要达到好用的程度,必须使用 GPT-4 模型,但 GPT-4 的费用非常昂贵,这又使得 AI 搜索不得不收费。当然,随着时间的推移,模型的使用成本和算力成本会逐渐下降,但下降的速度如何,还要看摩尔定律。
问题三和问题二是相悖的,假设模型的能力会越来越强,那么新一代的模型,可能在不需要搜索结果增强的情况下,就可以超越旧的模型通过检索增强后达到的效果。那么在 RAG 可能注定只是一项补充性的技术,至少在 AI 搜索领域,并不会长期存在。
比如现在,我就更习惯于使用 Google 的 Gemini 模型来代替部分搜索内容,Gemini 大语言模型生成的效果,不比 Perplexity.AI 差。
![notion image](https://illegiuploadpics.oss-cn-beijing.aliyuncs.com/02_gemini.jpg?t=5e472b78-73b8-4c8e-859d-ddc4beef0246)
目前国外最火的 Perplexity.AI 疯狂融资,也可以说明 AI 搜索是多么烧钱。而投资机构愿意投资的原因,也是相信一个 Perplexity.AI 可以再传一个 Google 的传奇。
国内的秘塔 AI 搜索,目前阶段可以免费使用,未来不清楚。但感觉长期这样烧钱下去,一定不是可持续的模式。
结语
总结起来,我觉得 AI 搜索并不是一个好的生意。至少在目前阶段,在使用体验比起传统搜索引擎或是大模型直接生成没有好 10 倍的情况下,仍需要付出高额使用费用,这必然不会成为一个好的生意模式。
当然, AI 技术和商业的发展谁也不确定,或许我的判断都是错的,如果你有不同的看法,欢迎评论区讨论。(叠甲)
讨论 AI
我正在组建一个 AI 学习交流群。
如果你有加入 AI 学习群聊的方法,可以添加作者微信,填写表单,我会联系拉你进群。
![notion image](https://illegiuploadpics.oss-cn-beijing.aliyuncs.com/%E5%8A%A0%E7%BE%A4.png?t=97bbb8bb-cce3-4855-ba15-1391fe275ae9)
最后,
如果这篇文章对你有帮助的话,可以点赞文章,或是转发给你喜欢的人,或是给我买杯咖啡,也可以关注我的公众号和我一起学习,你的支持是我坚持下去的动力。