曾几何时，AI搜索还被看作科技圈里的一片蓝海，大厂新贵们争先恐后地往里扎。转眼间，这片海域已是红得发黑的修罗场。国外有Perplexity、必应、You.com、Andi Search，国内有天宫AI、秘塔AI、360AI搜索，甚至连钉钉都推出了面向办公场景的AI搜索。入局者众，这已经不用多说了。

问题在于，拥挤之后的前途到底如何？有人说这是碘伏性的革命，终将重塑搜索格局；也有人说这不过是伪需求，核心硬伤根本无法解决。这两种极端观点，究竟谁更有道理？不妨来聊聊几组核心判断。

01 AI搜索，到底解决了哪些问题

1、省时间，提升效率不是一点点

传统搜索的体验，大家再熟悉不过了。无论是谷歌还是百度，底层逻辑都是全文搜索引擎：爬虫满互联网抓取内容建立数据库，用户输入关键词后，系统按照匹配度返回成千上万条结果。接下来呢？你得自己一个个点开网页，自行筛选、阅读、消化，最后再整合出有用的信息。这一套流程，动辄耗时3到10分钟，而且信息过剩带来的选择困难，常常令人抓狂。

AI搜索则完全是另一种画风。它不仅能快速锁定相关页面，还能基于大模型对网页内容进行整理和提炼，直接甩给你一个条理清晰的答案。整个过程就像有个“搜索秘书”替你干了所有脏活累活。实测数据显示，AI搜索每次获取答案的平均时间，大约在5到10秒。几十倍的效率提升，这不香吗？

2、专治大模型“一本正经地胡说八道”

用过AI大模型的朋友都知道，这玩意儿有时候确实不靠谱，信誓旦旦地给你编出一段有理有据的假话。这背后的根源，在于大模型本质上是在海量数据中学习统计规律和模式。即便遇到没见过的新问题，它也会照旧按照过往的模式生成答案——这就是所谓的“大模型幻觉”。而这种幻觉，直接让大众对AI生成答案的信任度打折。

AI搜索恰恰能治这个病。它采用RAG（检索增强生成）等技术，先通过检索找到相关的事实内容，然后让大模型基于那些真实网页内容来生成回答。换句话说，答案是有据可查的，不是凭空捏造。这就从根本上提升了信息的准确性和可靠性。

02 AI搜索，想干掉传统搜索可没那么容易

AI搜索刚出道的时候，不少人高呼“谷歌危险了”。但后来的发展证明，想当“碘伏者”，路还很长。

1、搜索引擎的技术壁垒比想象中高得多

信息搜索是互联网最基础的功能之一，从90年代雅虎定义搜索范式以来，传统搜索引擎已经积累了近30年的技术护城河。网页抓取、建立索引、权重计算、查询响应……每一个环节都是复杂的工程难题。举个例子，光是网页抓取这一项，就需要部署大规模的服务器和网络基础设施，持续爬取和更新海量网页数据，其中涉及带宽、硬件扩展、性能优化等多重工程挑战。再来看看索引构建，要用各种高效的数据结构和算法，才能在海量内容中实现快速检索和匹配。

尽管AI技术这几年发展飞快，但搜索引擎底层的核心流程——以关键词为入口，抓取、解析、索引全球网页，构建知识图谱，计算相关性——与之前相比并没有本质变化。在一些关键技术点上，AI搜索也没有突破性的飞跃。比如处理海量网页内容时，计算机依然依赖定量分析和统计学方法，远未真正实现人类语言层面的理解能力。

2、必应没能革掉谷歌的命

再看市场格局。当年ChatGPT横空出世，微软作为OpenAI的投资人，近水楼台，大张旗鼓地把ChatGPT塞进必应，推出了New Bing。当时一片看好必应、看衰谷歌的声音。一年半过去了，结果如何？根据Statcounter今年4月的数据，谷歌搜索的全球份额依然高达90.9%，稳如磐石；而必应只占到3.6%。所谓“新气象”并没有出现。这不是说AI搜索没前途，而是照目前趋势，即使有了AI加持，短期内也撼动不了谷歌的霸主地位。谷歌数十年的技术沉淀和用户积累，已经形成了包括底层技术、用户体验和品牌影响力在内的综合壁垒。

3、工程化和产品化的双重难题

技术壁垒和市场格局之外，AI搜索在工程化和产品化方面同样面临不小的挑战。

1）工程难度相当高

首先，搜索排序算法上的差异就很明显。传统搜索主要依赖PageRank这类基于网页关系计算的算法，相对简单；而AI搜索引入了深度学习、强化学习等复杂模型，需要在大规模数据上进行训练和优化，对算法的要求极高。数据统计显示，搜索引擎每天要响应数十亿次查询请求，而目前主流的大语言模型处理每个查询时，又需要数十次的参数计算。两者叠加，复杂程度可想而知。

其次，实时输出的压力也不容忽视。现在的用户对搜索响应速度很敏感，任何明显延迟都会直接影响体验。但大模型需要推理，反应时间本来就相对更长。以谷歌的LaMDA对话模型为例，单次交互中因为需要进行大量的自然语言推理和生成，计算延迟往往达到数秒。这对于搜索场景的即时响应要求来说，显然是个大问题。

推理准确度是另一个技术难点。AI搜索需要在极短时间内完成复杂推理，以提供最准确的结果。这不仅要求算法有高效的计算能力，还得能处理模糊和多义的查询。比如用户输入“我想买苹果”，你得立刻判断出他是想买水果，还是想买手机。

2）产品形态还很初级

当前AI搜索产品在用户体验上还有很大的提升空间。比如，经常遇到的情况是：得到的答案不准确，或者跟问题压根不相关。这不仅影响搜索效率，也降低了用户对AI搜索的信任度。个性化方面更是如此。AI搜索的理想状态，是能根据用户的搜索历史、偏好和行为模式，提供定制化的结果。但目前大多数产品在这块功能还相对初级，远不能满足用户的期待。

03 AI搜索，路在何方

任何新生事物都需要经历试探和试错，AI搜索也不例外。它究竟该往哪个方向走？不妨看看以下几个方向。

1、自建内容闭环

AI搜索的核心终究是内容本身。与传统搜索依赖外部网页不同，AI搜索有望通过生成内容的方式，自建一个完整的内容闭环。比如，微软的新模型就是用GPT-4生成的教科书来训练的。效果上或许还有优化空间，但这已经暗示了一个方向：AI搜索正在尝试自我生成内容，减少对外部网页的依赖。

2、蚕食专业搜索市场份额

正如前面所说，只要传统搜索巨头自己不犯严重的战略性错误，AI搜索新贵们想正面“倒反天罡”的机会确实渺茫。但在垂直领域和专业场景里一点点崛起，却是很有可能的。小红书、今日头条、淘宝都已经推出了自己的AI搜索。有数据显示，淘宝问问的月活跃用户已接近9亿，每日搜索量高达数百亿次。小红书则依托用户的笔记和分享，形成了独特且黏性十足的社区内容。再往专业领域看，像Semantic Scholar这样由AI驱动的学术搜索引擎，能通过自然语言处理理解用户查询意图，提供相关论文和研究结果。医学领域也是如此，AI搜索通过分析海量文献和病例，能够提供更精确的诊断参考和治疗方案。

3、结合硬件，碘伏流量入口

最早提出AIPC概念的英特尔曾表示，目标是在2025年前将AI技术引入超过1亿台PC设备。无论最终能不能实现，这个战略至少揭示了一个方向：AI搜索可以结合AIPC、AI手机等智能硬件，改变传统搜索的流量入口，实现碘伏式创新。未来随着这些智能设备的普及，AI搜索很可能成为它们的核心功能之一。设备预装AI搜索，将搜索流量从传统浏览器转移到AIPC和AI手机上。这样一来，不仅能改变传统搜索的格局，让AI搜索成为流量主入口，还能通过语音、手势等方式与AI搜索交互，实现更自然、更便捷的信息检索体验。

谷歌前搜索负责人本·戈麦斯有句话说得好：搜索是离钱最近的地方。离钱最近的地方，也必然是争夺最激烈的地方。搜索的未来究竟属于谁，传统巨头还是新兴挑战者？故事才刚刚开始，结局尚早，不妨耐心等等看。