在人工智能飛速發展的今天，AI搜索技術被廣泛認為是信息檢索領域的一次革命性進步。然而，隨著這一技術逐漸從實驗室走向市場，它也面臨著各種爭議和質疑。本文旨在深入探討AI搜索技術的現狀、挑戰及其未來的發展方向。

最近不斷聽到 AI 搜索是新共識這種觀點，但在即刻搜索“AI 搜索”，出現的動態翻來覆去都是我關注的那幾個人在發，我無法確定是因為信息繭房還是真的新共識，得花點時間研究研究技術實現邏輯，避免焦慮。

本文主要為自己學習后整理，會包含一些其他文章的觀點、內容原文，非洗稿。

一、優質信息源推薦

一節播客，了解基礎技術實現邏輯  

https://www.xiaoyuzhoufm.com/episode/668be4c2ae8e21859a657b8a

一篇知乎文章，包含技術實現以及部分商業邏輯  

https://zhuanlan.zhihu.com/p/708438505

一節播客以及一篇公眾號，都是來自 ThinkAny 的創始人，對產品功能規劃比較體系化并且詳細的講述

https://www.xiaoyuzhoufm.com/episode/6644d2da251bd96e6c951aa1

我做了一個 AI 搜索引擎

這節播客是對談 360 VP，關于 360AI 搜索如何做的，包含一些內部才知道的信息量（但我發現播客中的內容已被多篇文章引用）

https://www.xiaoyuzhoufm.com/episode/665eda5f63c334a2fb484a2c

若關注搜索引擎，可看這篇以及文章內的相關推薦  

搜索技術專欄

若關注 AI 搜索的一些思考，可看這篇文章，此文作者也做過多個 AI 搜索的橫向對比

https://mp.weixin.qq.com/s/NsvecuHT_h21d9po0c7UmQ

二、技術邏輯

技術實現邏輯簡單說就三步：

第一步：獲取用戶 query，并調用 Google 等搜索引擎或第三方服務，獲取到搜索結果。

第二步：利用 embedding 等技術對搜索結果進行排序、切片。

第三步：利用 RAG 技術從幾十個網頁中提取和 query 相關的信息，然后通過大模型來整合生成輸出。

一些補充說明：

1）絕大部分通用 AI 搜索并未自建搜索引擎，都是調用三方搜索引擎獲取結果，據說 360VP 說，如果要爬 5000w 的網頁，大概需要一兩百萬人民幣，爬回來的內容還要自己做安全審核，現在通用搜索引擎的網頁都是千億級別，通過多年不斷爬回來的，不管從時間還是錢維度，都不是普通創業者能承受的。

2）搜索引擎返回的網頁需要做內容需要按語義、段落、句子等方式做切分，將網頁內容轉化為更小的、易于處理的信息塊，便于后續步驟中更有效地檢索和利用信息。

3）RAG 技術原理

4）Perplexity 技術路徑

5）ThinkAny創始人認為的標準流程（ThinkAny 這套現在還未搭建完成）

6）傳統搜索引擎技術路線

三、三類 AI 搜索

1. 通用 AI 搜索

即支持搜索所有內容，例如 360AI 搜索，這類搜索一般不會自建搜索引擎，可做空間相對有限，畢竟搜索結果來自于三方的搜索引擎。

據說秘塔在自建搜索引擎。

2. 垂類 AI 搜索

可做空間更大，因為擁有特定領域的數據源和數據庫，需要把私有數據建立索引，自己要干更多的活，而不是直接去調用三方搜索引擎。

例如支持搜索小紅書、豆瓣、公眾號、日歷、地圖，甚至微信聊天內容。

3. 企業 AI 搜索

將企業的各種結構化、非結構化數據都建立索引，然后提供一個查詢接口。

例如釘釘，用戶在釘釘里面可以搜索所有的聊天記錄、文檔、會議、日程、知識庫等。不僅能夠搜索到全面的信息，還能整合釘釘上的工作信息，比如整理出與誰、在哪個場景（比如哪個群、哪篇文檔、哪次會議或哪個業務流程等）的綜合信息（此段信息來自網絡，不保真）。

還有一類全家桶型 AI 搜索，也可以歸為企業 AI 搜索，因為他適合擁有全家桶的大公司，例如 Gemini 可能支搜索 YouTube、Gmail、Google 網盤、GoogleMap、Google 文檔、Google 日歷等一系列產品里的信息，現在已支持下方產品。

這些分類一般都會有一些交叉，例如通用 AI 搜索也會有一些特定領域數據，來增加自己差異化優勢，例如秘塔支持播客搜索，360 改造了原來的搜索索引庫。

四、可做方向

現在處于百花齊放階段，各個產品都在通過不同環節的優化打造出自己的獨特優勢，例如支持搜索小紅書、播客、法律等專業搜索，結果支持導圖展示，支持深入研究等。

從技術實現邏輯三個步驟我們可以粗略劃分為三個方向。

1. 獲取結果

意圖識別，輸入改寫，支持模型切換，選擇便宜的搜索引擎，自建私有數據源，支持多模態搜索，同時進行中英文搜索，支持深入研究……

2. 結果處理

搜索引擎結果重新排序，知識庫切片……

3. 結果輸出

支持展示摘要，支持復制，支持直接編輯，支持小紅書式 feed 流，支持左右滑動式交互，支持一鍵生成 PPT，生成導圖等……

短時間來看，不管哪類搜索，不管在哪個方向優化，找到合適的用戶定位，都有機會建設起差異化優勢。

長周期來看，我比較認同一位即友的觀點，AI 搜索不應該局限在 Summary，更應該關注整個任務鏈，即用戶意圖、用戶搜索之后會做什么，去解決用戶搜索背后的任務。

https://web.okjike.com/originalPost/6690abf699c7144fd6af42a0

五、AI 搜索主要成本

通過上面技術邏輯可看到，主要包括：搜索引擎 API，獲取私有數據，私有數據存儲，調用大模型 API，訓練成本，運營成本等。

關于一次搜索的成本，一次調用搜索引擎的成本，多個播客中提到的并不一樣，且會和技術、時期等都影響很大，所以這里未展示出來。

六、商業模式

目前 AI 搜索商業模式主要有兩派，我將其稱為訂閱派、廣告派。

廣告派：以 360、Google 為主，堅決不向 C 端用戶收費，還是想辦法向廣告主收費。

訂閱派：通過次數限制，高級功能限制等方式，付費解鎖。

七、關于 360

因為聽了節 360VP 聊 AI 搜索，涉及些平時很少有渠道了解的到的信息，所在這里記錄下來。

1. AI 搜索引擎根據不同業務場景，通過語義識別進行場景分流，再根據場景的流程設計，多次調用大小模型，提供最終的解決方案。比如 360VP 梁志輝曾經表示，360 一次 AI 搜索有 9 次大模型的調用。

2. 360 將 query 的意圖識別分類做到了4000多種，每一種需求配對應的Prompt，工作做得已經相當精細，但 360VP 表示這仍然只是很粗顆粒度的匹配。

3. 深入回答

其他產品生成長文本的邏輯：先生成大綱，大綱再進行擴寫，但這樣可能會出現一些問題，例如質量不可控，重復等。

360 的解決方案：發現國內外的互聯網內容是存在一些割裂的，對很多問題缺乏專業網站，所以解決方案是用中文搜索一遍，用英文再搜索一遍，英文搜索時則多參考一些海外網站。

八、本文未討論但很重要的問題

AI 搜索引擎的評價標準是什么

什么場景適合 AI 搜索，什么場景原來搜索更有優勢，尋址？找資源？解決問題？即時問題？簡短內容？還是生成報告式搜索？

一些垂類搜索，AI 搜索+商品，AI 搜索+旅游，AI 搜索+圖片，AI 搜索+小紅書？

PMF、TPF

AI 搜索什么最重要，技術？體驗？搜索結果忠于原網頁？還是定位？

關于成本、商業模式、搜索的未來、市場格局的變化等。

九、最后建議

作為非 AI 搜索從業者，無需作為產品蝗蟲花太多時間關注，大致知道哪些產品有哪些獨特功能、獨特數據源，能夠更高效解決自己生活中的問題即可。

例如秘塔可以搜索播客；

例如 kimi 原來可以搜索小紅書內容（后來下線了）；

例如 360 能夠展示導圖更結構化查看；

例如通義千問可以總結播客；

例如萬知可以處理數百頁的 pdf，并生成 PPT；

例如 Gemini 可以關聯 Google 全家桶，總結 Gmail 郵件；

例如 GPT 支持 memory；

……