ChatGPT 人工智能 GPT4 伦理 生成式 医疗 监管 安全 机器学习 深度学习 神经网络 计算机视觉 强化学习 模型 算法 应用 开发 研究 工具 平台 框架 数据集 训练 部署 安全 合规 培训 投资 LLM,llm AI,ai,Ai 大模型 大语言模型 制图 生图 绘图 文生图 文生视频 生成式AI AGI 世界模型 sora chatGPT,chatgpt,ChatGpt claude openai Llama deepseek midjourney 红熊猫模型 Red panda,panda Stable Diffusion,StableDiffusion,stable DALL- E 3 DALL E DALL Flux,flux 扩散模型 混元大模型 文心一言 通义千问 可灵 Pika PixelDance 豆包 月之暗面 零一万物 阶跃星辰 搜索增强 MiniMax Talkie Agent prompt fastai LangChain TTS 微调 提示词 知识库 智能体
# 热门搜索 #
搜索
AI搜索,“杀死”搜索
8188点击    2024-06-01 17:52

有AI,就没搜索。


国内的大模型厂商落地C端,都盯上了AI搜索。 


随着5月30号,腾讯宣布推出基于混元大模型的APP“腾讯元宝”,并基于搜狗搜索引擎,上线AI搜索功能。几乎当下所有主流的大模型都在AI搜索上插旗占位。 


这其中包括两类,一类是做AI的,一类是做搜索的。


Kimi是大模型内嵌搜索的一个典型代表,从Kimi联网之后,不少用户表示“几乎替代了百度”,搜索更高效了。豆包、文心一言、通义千问、腾讯元宝均属于此类。 


另一类则专门推出了AI搜索产品,比如360搜索、秘塔搜索、天工AI搜索、百川AI搜索百小应、百度简单搜索等等。 


这其实是一个很讽刺的现象。要知道上个互联网时代,相比于电商、团购这种模式上的创新,搜索是高精尖的技术活,李彦宏捧着一堆技术专利回国,能存活下来的搜索公司更是凤毛麟角。 


没想到,到了大模型时代,谁都能来分一杯羹。


国内搜索引擎“一超多强”的格局已经固化多年,当所有人朝着AI搜索进攻,无疑是在往百度多年打下的城邦上扔石头,而百度将如何应战,似乎又能成就一段好看的攻防战。 


毕竟隔壁谷歌已经在Google I/O上对看家的搜索业务进行了全面的AI改造,如今,要看百度的魄力如何了。 


 中国AI搜索,全员Perplexity学徒 


不客气的说,国内的AI搜索产品,都在抄Perplexity。 


这家2022才出来创业公司,被称为是首个AI原生的对话式搜索产品,也被抬举为谷歌最大的对手。 



▲ 图源:Perplexity官网截图‍ 


和传统的搜索引擎不同,Perplexity通过自己的算法从不同的信息源中搜索并提供结果,其界面简洁明了,提供了多种实用的功能,使用户能够更轻松地获取所需的信息。 


主打的就是一个高效。


同时它还包括了多个模块,如探索模块、搜索模块、学术模块、视频模块和社交媒体模块,允许用户根据需求搜索特定领域的信息。也就是说,它不仅能搜索、导出价值报告,还能分类存储,便于用户回溯。 


比高效更高效,更解决了当下浏览器有搜索没记忆的短板。


创新式的用户体验让Perplexity迅速获得了市场认可,每月接近有1000万月活用户使用。在不到两年的时间里,获得了英伟达、亚马逊等不同科技巨头的6轮融资,估值可能达到25亿到35亿美元。 


而这样一个广受用户和资本市场追捧的新一代搜索产品,居然只是基于GPT-3.5的API调试出来的结果。


王小川不只一次讲过,中国大模型的机会是:“基于不够好的模型,做出更好的产品。” 


好了,现在这个机会也被国外抢了先。如同Sora爆火之后,中国开始做自己的Sora一般,AI搜索产品也开始纷纷效仿Perplexity,毕竟创新力虽然差一些,但1:1的工程式复刻,它们还是很在行的。 


抄的最像的是秘塔搜索。不止是在UI设计上对Perplexity的照搬,也“抄”到了它的灵魂,体现了一种“中国式高效”。



▲ 图源:秘塔搜索界面截图 


秘塔在搜索的过程中,可视化了整个搜索流程(虽然这没什么用,但用户就爱看这个),并将搜索结果整理成大纲,相关事件、相关组织、相关任务和信息来源都可以清晰查到。 




▲ 图源:秘塔搜索界面截图 


相比之下,360AI搜索的结果,只展示了天工AI搜索和360搜索,显然并不全面,页面设计也相对老套。实在称不上好用。 



▲ 图源:360AI搜索截图‍‍‍‍ 


而被360AI搜索点名了的天工AI搜索,从产品形态上更像是一个大杂烩,集合了AI搜索+对话+文生图+Agent,昆仑万维想把大模型的所有能力都塞在一款产品里。 



▲ 图源:天工AI搜索官方截图 


但从搜索结果来看,天工搜索不仅整理出了AI搜索的产品,在增强版中分析出了他们的功能特点、用户体验,同时比较和分析了它们的相同点和不同点,更加理解用户提问的意图。 



▲ 图源:天工AI搜索界面截图 


我们发现,在秘塔搜索和天工AI搜索中,都存在着简洁版、深入/增强版和研究版,这三个版本的搜索量和回答逐步详细,也是参考了Perplexity的普通版本和Pro版本,并开始对Pro版收费,用户订阅是Perplexity的一部分核心收入。 


虽然当下国内的AI搜索产品都是免费的,但是参考Perplexity的路径,当免费用户达到一定体量时,未来或将开始收费模式。 


哦对,在众多搜索产品中,我们还抓到了一个做搜索相对有经验但是疯狂胡说八道的产品:百小应。 


基于王小川曾创立搜狗积累下来的大量搜索经验,不知道是百川本身基座大模型的能力出现了问题,还是对用户意图理解的不清晰,导致了百小应把国内外的公司混合在一起,甚至还捏造了几家莫须有的出来。 



▲ 图源:百小应页面截图‍ 


当然,以上这些产品(包括Perplexity),通通只能算是自称为“AI搜索”产品,从技术的逻辑来看,这是做了整理、整合、提效的工作,压根不是颠覆性的AI搜索。 


仔细想想,或许我们根本就不需要AI搜索,或者说,有AI,就没搜索。


 AI搜索,左右互博 


回归搜索的起点,我们需要思考,我们为什么需要搜索?什么场景会搜索? 


答案是:当以人作为获取信息和生产力的主体时,我们需要搜索来获得最新的信息,我们需要通过搜索工具来服务生产环节。 


搜索是人脑思考时,获取信息的一种延伸。


那如果未来AI作为生产力的主体,AI需要搜索,但人就不再需要了。 


事实上在“今日头条”的阶段,人就已经在慢慢简化搜索环节,通过个性推荐来获取信息,未来只要AI够懂“我”,用户与AI直接交互,也就是一种类Kimi的搜索形态,搜索应该无处不在。 


但问题也随之而来,这是一条理想化的技术逻辑,彻底颠覆了传统搜索,也就等于颠覆了它的商业模式。 


说的再简单点,就是搜索广告。 


所有的AI搜索产品的第一产品特点就是:没有广告。没有广告业务对于搜索引擎的影响,无异于釜底抽薪。 


远的不谈,在百度刚刚发布的2024年一季报中显示,百度核心收入为人民币238亿元,在线营销收入为人民币170亿元,占总收入的71.4%。百度2023年年报中显示,全年总收入为1346亿元,在线营销收入为751亿元,占总收入的55.8%。 


谷歌2024一季度总收入805.39亿美元,其中谷歌搜索及其他收入为461.56亿美元,占总收入的57.3%。 


搜索广告业务对于百度和谷歌而言,是名副其实的现金牛,这么多年他们一直在财报中努力增加“广告以外”的收入,但至今为止,依然占总收入的一半以上。 


事实上,从2023年3月ChatGPT席卷全球开始,微软和谷歌争的第一个赛点就是Newbing和Google Search,为什么谷歌和百度等了一年迟迟未动?或许不是他们不想改,而是不能改。 


探索创业业务,加码对AI的投入需要大量的研发投入和前期成本,如果没有传统广告业务作为支撑,很快这辆马车就会跑不动了。此时百度若全面推进AI搜索,挥刀砍向的第一个就是自己,无异于杀鸡取卵。 


技术的逻辑和商业逻辑开始左右互博,也陷入了两难之地。


但如果百度和谷歌“不变”,如同上文而言,大模型公司们早就按捺不住分一杯羹的心,百度已经错过了移动互联网时代,还能在自己的老本行里,被别人占了先么? 


不过好在,不管是秘塔搜索还是天工AI搜索对自己的商业模式还尚未清晰。目前C端用户仍然需要通过传统搜索引擎为入口来找到AI搜索产品,以至于他们为了争抢用户,又开始在百度里“卷投流”,钱最后还是让百度赚了。 



▲ 图源:百度搜索截图 


目前,全球范围内,只有Perplexity作为独立的AI搜索产品开始探索商业化,但很明显,2C的订阅制收费模式只是其中的一部分。 


Perplexity正在尝试2B为企业提供内部的高效知识库搜索工具的形式,以及通过用户行为来建立知识树/知识图谱,最终转型成为一个知识平台。 


当我们把“有AI,就不需要搜索”的话题抛给Kimi,它给出了这样的答案:当AI可以更深入地集成到各种应用和设备中,用户可能不再需要打开专门的搜索引擎,而是直接通过语音助手、智能设备等进行信息检索。 


AI可以作为个人智能助理,根据用户的行为、偏好和需求,主动提供个性化的信息和建议,减少用户主动搜索的需求。 



▲ 图源:Kimi生成页面截图 


产品无法对抗趋势,趋势无法对抗时代。当下的AI搜索不是技术难题,更是一场深刻的信息革命。 


正如每一次技术的革新都会带来阵痛,只是每个人都不希望,自己是抛弃的那个。 


文章来源于“自象限”,作者“程心‍‍


AITNT资源拓展
根据文章内容,系统为您匹配了更有价值的资源信息。内容由AI生成,仅供参考
1
智能体

【开源免费】AutoGPT是一个允许用户创建和运行智能体的(AI Agents)项目。用户创建的智能体能够自动执行各种任务,从而让AI有步骤的去解决实际问题。

项目地址:https://github.com/Significant-Gravitas/AutoGPT


【开源免费】MetaGPT是一个“软件开发公司”的智能体项目,只需要输入一句话的老板需求,MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色,包括产品经理 / 架构师 / 项目经理 / 工程师,MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。

项目地址:https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md

2
知识库

【开源免费】FASTGPT是基于LLM的知识库开源项目,提供开箱即用的数据处理、模型调用等能力。整体功能和“Dify”“RAGFlow”项目类似。很多接入微信,飞书的AI项目都基于该项目二次开发。

项目地址:https://github.com/labring/FastGPT

3
RAG

【开源免费】graphrag是微软推出的RAG项目,与传统的通过 RAG 方法使用向量相似性作为搜索技术不同,GraphRAG是使用知识图谱在推理复杂信息时大幅提高问答性能。

项目地址:https://github.com/microsoft/graphrag

【开源免费】Dify是最早一批实现RAG,Agent,模型管理等一站式AI开发的工具平台,并且项目方一直持续维护。其中在任务编排方面相对领先对手,可以帮助研发实现像字节扣子那样的功能。

项目地址:https://github.com/langgenius/dify


【开源免费】RAGFlow是和Dify类似的开源项目,该项目在大文件解析方面做的更出色,拓展编排方面相对弱一些。

项目地址:https://github.com/infiniflow/ragflow/tree/main


【开源免费】phidata是一个可以实现将数据转化成向量存储,并通过AI实现RAG功能的项目

项目地址:https://github.com/phidatahq/phidata


【开源免费】TaskingAI 是一个提供RAG,Agent,大模型管理等AI项目开发的工具平台,比LangChain更强大的中间件AI平台工具。

项目地址:https://github.com/TaskingAI/TaskingAI

4
AI搜索

【开源免费】MindSearch是一个模仿人类思考方式的AI搜索引擎框架,其性能可与 Perplexity和ChatGPT-Web相媲美。

项目地址:https://github.com/InternLM/MindSearch

在线使用:https://mindsearch.openxlab.org.cn/


【开源免费】Morphic是一个由AI驱动的搜索引擎。该项目开源免费,搜索结果包含文本,图片,视频等各种AI搜索所需要的必备功能。相对于其他开源AI搜索项目,测试搜索结果最好。

项目地址:https://github.com/miurla/morphic/tree/main

在线使用:https://www.morphic.sh/