Websets返回了一份结构化的电子表格，按照条件一和条件二在LinkedIn上筛选出符合条件的候选人，并按照满足程度排列优先级。

Websets会给出满足条件的理由，以及相应的参考文献｜图片来源：Websetes

这个过程揭示了Websets的核心价值。Websets在此场景下扮演的，并非信息入口的角色，而是决策支持工具。它没有提供一份需要用户自行研究的“阅读清单”，而是直接交付了一份经过初步分析和验证的“候选人短名单”。它将原本需要数天人工筛选的工作，压缩进了几分钟的机器执行时间里。

但是，这个结果也显示了Websets的局限性。列表中的信息来源URL全部指向领英，存在数据源的偏向性。如果一位顶尖专家没有详尽的、公开的领英档案，或者其关键经验体现在非文本的采访视频中，系统就可能无法发现他。

更重要的是，这种对特定数据源的依赖，也使其在处理中国市场相关查询时效果大打折扣。中国的候选人更多使用脉脉等本土化的职业社交平台，或者根本不使用。因此，用同样的指令去寻找一位符合条件的中国专家，其结果的可靠性和全面性将远低于这个案例所展示的水平。

但这并非其算法的失败，而是其数据基础的局限。

03、另一种搜索路径

截至目前，Websets的公司主体Exa声称其索引了“数十亿”级别的网页。这个数字本身虽然可观，但与谷歌宣称的“万亿”级别索引相比，仍有几个数量级的差距。

这意味着Websets的搜索结果可能是“更精确”的，却不一定是“最全面”的。它或许在一个经过筛选的高质量信息池中找到了最优解，但用户无法确定在更广阔的、未被索引的互联网中是否存在更好或更重要的信息。

这是一个与成本高度相关的“缺陷”。语义计算是资源密集型任务，将海量网页和复杂查询转化为“语义指纹”并进行大规模比对，需要庞大的算力支持，其背后是高昂的硬件投入与运营开销。

2024年，Exa获得了500万美元的种子轮融资，他们把一半的钱，都花在了建设第一个GPU集群上，

另一方面，Websets使用的“嵌入”技术本身存在信息损失的风险。这项技术的核心是将一篇长文甚至一部巨著的全部信息，压缩成一个固定长度的数字列表。这个过程必然是有损的。

正如Diffbot公司CEO Mike Tung在面对《MIT科技评论》时所指出的，“将一本《战争与和平》压缩成单个的嵌入，几乎会丢失书中所有具体的事件，最终只留下关于其类型和时代的模糊感觉”。

这意味着，该方法在把握宏观主题上表现出色，但在需要无损检索文本内部具体细节时，存在天然的技术缺陷。

因此，Websets及其代表的语义搜索范式，并非谷歌的替代品。它更像是一种为特定目的，如深度行业研究、人才挖掘或学术分析而设计的“重型装备”。

它的出现，其重要性不在于它本身能否颠覆市场，而在于揭示了搜索技术演进的另一种可能性。

04、回归本质——我们为什么要搜索？

谷歌每年从关键词搜索及其相关广告业务获得的收入大约在1750亿～2000亿美元，大致占其总收入的55%～60%。正是靠着这台由全球用户无数次点击驱动的印钞机，支撑起了谷歌那些近乎科幻的探索：从自动驾驶汽车，到用人工智能破解蛋白质的折叠奥秘，甚至尝试通过Calico项目延长人类的寿命。

这一切的背后，都源于那个我们每天都在使用的、看似简单的搜索框。这就让我们回到一个更根本的问题：如果搜索这个行为能支撑起如此庞大的商业帝国和对未来的探索，那么对我们个人而言，搜索究竟意味着什么？我们到底为什么要搜索？

1998年，谷歌第一天上线时的页面｜图片来源：Business Insider

要理解搜索的本质，必须先回到它的起点。人类之所以需要搜索，最底层的是一种生存本能。远古的祖先必须在环境中搜索食物、水源、庇护所以及危险的信号，搜索是活下去的前提。

当生存需求得到基本满足，驱动力便转向内在的认知延伸。人类的大脑似乎天然厌恶“信息真空”，当我们遇到知识的空白或矛盾时，会产生一种认知张力，我们称之为“好奇心”。搜索，便是缓解这种张力、填补认知缺口的行为。

这些动机恒久未变，但实现它们的方式却因技术而发生了两次剧烈的变革。

在前互联网时代，搜索是一种“路径式学习”。信息被安放在物理或逻辑的结构中：图书馆的杜威十进制分类法、百科全书的条目索引、学术期刊的卷宗。获取信息需要遵循既定的路径，你必须先理解这个知识体系的“地图”，然后亲自“行走”在这张地图上。

从产生一个问题，到查阅卡片目录，再到从书架上取下那本书，翻到对应的页码——这个过程本身就是学习的一部分。你不仅获得了知识，更重要的是，你理解了知识是如何被组织和验证的，抵达答案的路径清晰可见。

互联网，特别是以谷歌为代表的现代搜索引擎，则开启了“结果式消费”的时代。信息不再是稀缺的、结构化的，而是过剩的、碎片化的。你无需再理解复杂的知识地图，只需在输入框中敲下几个关键词，算法就会在瞬间为你呈现一个看似最优的结果。

它极大地降低了信息获取的门槛，但整个搜索过程被彻底“黑箱化”了。我们得到了答案，却完全不知道这个答案是如何从海量数据中被筛选、排序并最终呈现在我们面前的。构建知识和获取信息的差别正在于此，

更进一步，商业模式的介入不可避免地扭曲了信息的呈现。广告、搜索引擎优化（SEO）和对点击率的无尽追逐，使得我们最终看到的，往往不是最真实或最权威的结果，而是那个最希望被我们看到的结果。

如今，生成式AI的出现，并未创造一个全新的问题，它更像是一个催化剂，将“结果式消费”的趋势推向了极致。AI承诺的，是一个连“结果列表”都无需我们筛选的世界，它将直接提供那个唯一的、完美的“答案”。

很多人会幻想存在一种更理想的搜索工具，它能将控制权交还给我们，过程透明，鼓励探究。但这或许忽略了一个根本性的事实：“黑箱”并非一个需要修复的缺陷，它本身就是被市场验证过的、最受欢迎的功能。现代搜索的整个演进史，都指向一个清晰的商业规律：对效率和便利的追求，其优先级远高于对过程和本源的探究。

本质上，这是一种交易。我们用探寻过程的精力，换取了即时获得结果的便利。这并非工具的缺陷，因为追求便利是人性的自然延伸。

关键在于，每个人都应该清楚地明白自己需要付出什么，可以自主做出自己的选择，并且不为此感到后悔。

极客公园

追踪你最不可错过的科技圈。

认证作者

已在虎嗅发表 905 篇文章