機器之心原創

作者：Sia

擁有智能索引庫、專屬知識庫、混合大模型調度系統的 AI 原生搜索，能否成為正統，引領搜索引擎的下一個三十年？

如今的科技界，沒有比 AI 搜索更強的新共識了。

在過去的幾十年里，以 Google、百度為代表的「搜索引擎」，和以抖音、TikTok 代表的「推薦引擎」，輪番引領了信息經濟的發展。

而今天，大語言模型（ LLM ）的出現，有望進一步增強搜索引擎的地位和價值，讓它以 AI 搜索的新身份，再次引領人工智能應用的浪潮。

一、保守還是激進？涌向 AI 搜索的三大支流

AI 正成為「端掉」傳統搜索引擎業務的最大變量，但如何實現 AI 搜索，爭議不絕。目前，涌向 AI 搜索的眾多玩家已經分化出三股主要支流，各自蜿蜒前行：保守派，中間派，原生派。

保守派以 Google AI Overviews，和國產搜索「AI 智能回答」為代表，即在現有搜索引擎上添加 AI 功能模塊，增強傳統搜索性能。 以 New Bing 為代表的中間派，雖然通過 AI 對搜索進行了更加深入的改造，但保留了傳統搜索引擎這個「基礎設施」，也有人稱之為「答案引擎」。最激進的當屬 Perplexity、360AI 搜索為代表「原生派」——從 0 到 1 打造 AI 原生的搜索引擎，因其回答質量更高，信息結構化更強，也被稱為「知識引擎」。

業內人士認為，在人工智能時代，如果按照「含 AI 量」來為搜索引擎做代際劃分，那么：

保守派僅對搜索引擎做了「插件」化改造，AI 含量最低，只能算是搜索引擎 1.0 。中間派對傳統搜索引擎的改造比較深入，AI 含量明顯上升，具有較強的生成回答的能力，可以稱之為搜索引擎 2.0 。「為 AI 而生」的原生搜索引擎，將 AI 作為系統中無法分割的一部分，含 AI 量最高，被稱為搜索引擎 3.0 。

如果用戶僅需網址導航，傳統搜索引擎和搜索引擎 1.0 完全夠用。一旦搜索需求變復雜，包含推理、計算等要求，不同代際的搜索引擎表現差距，就立刻凸顯出來。

舉個例子。我們先問 Google，「里斯本丸沉沒豆瓣評分高達 9.3，口碑炸裂，為什么票房才 1000 萬？」

結果，面對這個比較復雜的提問，Google AI Overviews 無法回答，甚至都沒有啟動。

即便是對于一些看似有能力回答的簡單問題，Google AI Overviews 也會翻車：

「怎么吃石頭？——石頭要磨細了吃，咽不下的時候還用水來送服，石頭有很豐富的營養」「怎么不讓芝士從披薩上滑落？——在醬汁中加入 1/8 杯無毒膠水」「懷孕時抽煙怎么樣？——醫生建議懷孕期間每天抽 2-3 根煙」

當然，這并不意味著 Google 的 AI 技術遜于其他公司。問題的根源在于，AI 系統僅充當傳統搜索引擎的插件，被內容不準確、但用戶點擊較多的網頁搜索結果帶溝里了。

傳統搜索引擎傾向于 CTR 導向（ Click Through Rate ，點擊率），這直接關系到廣告收入，所以，返回內容往往傾向點擊率高的網頁（很多時候是一些 UGC 網站，比如論壇、知識問答網站，或者「內容農場站」和「 AI 內容站」），而不是最準確的答案。一旦遭遇標題黨、誤導甚至錯誤答案，大模型也會跟著翻車。

同一個問題，New Bing 回答要好不少，但仍然會受到傳統搜索引擎按照點擊率排序網頁的影響。

而作為人工智能時代搜索引擎 3.0 的代表，Perplexity、360AI 搜索之所以被稱為「知識引擎」，是因為拋出一個問題，你得到的不只是答案，還是結構化的知識。

還是同一個問題，AI 原生搜索引擎的回答質量明顯更進一步。

除了回答平均長度超過 700 字（其他 ChatBot 或 AI 搜索回答一般只有 200 多字），360AI 搜索返回的結果還能從更多角度解析同一個問題，信息豐富。最重要的，幾乎每句話都會注明出處，就像學術論文務必注明引文來源，引注數量也頗為可觀。

除此之外，結果還包括圖片、思維導圖以及所有參考文章鏈接。

為了更加明確 AI 搜索的不同流派和路徑之間的效果差異，和背后原因，我們決定再拿新的問題做進一步的測試。

盡管有些心理預期，提問 「如何評價 17 歲中專生姜萍闖入 2024 阿里全球數學競賽決賽」 ，選擇「深入回答」模式后，360AI 搜索的表現還是讓人感到意外。

閱讀了全網 46,834 篇相關資料，精選 39 篇文章，它很快整出一篇小作文，不僅篇幅可觀，內容也非常豐富。除了開門見山匯總了社會各界對姜萍闖入決賽的評價，還談到了她的預賽表現和個人特點，最后「升華」到討論中專生參加這類競賽的優勢與挑戰。

在嚴謹性上，幾乎每個論點都會標注相關論據內容出處，方便讀者進一步核實。全文一共有 25 個引注，還附上了全部 39 篇文章鏈接。

在呈現方式上，除了文字，還有姜萍、決賽榜單等相關新聞圖片以及思維導圖。

比對「保守派」的回答，優勢可謂一目了然。

這是百度「AI智能問答」返回的結果。

這是微軟必應返回的結果。

而大家熟悉的 ChatGPT 等 AI Chatbot 產品，在少數情況下才涉及 RAG 調用，因此，生成答案中的參考鏈接較少，難免存在幻覺問題。

從搜索結果質量上來看，三代搜索引擎中，無疑是激進的「原生派」的搜索引擎 3.0 占了上風。但商業世界不止看「效果」，還要看「成本」等諸多因素。

如果 AI 原生搜索引擎投入大、回報低，那么再好的搜索質量也無法幫助它完成商業閉環。

二、AI 原生雖好，「三大支柱」門檻高

要打造一個真正的 AI 搜索引擎，門檻和投入不可謂不高。

360 集團副總裁、AI 產品負責人梁志輝估算，要打造一個通用搜索引擎，至少需要 20 億至 40 億元的預算。這還不包括網頁排名的服務器成本、終端廠商合作費用和人力資源開支。這也正是為何全球只有少數幾家通用搜索引擎的原因。

從技術架構層面來看，一個可以被稱為「知識引擎」的 AI 原生通用搜索引擎，包括了「智能索引庫+專屬知識庫+混合大模型智能調度系統」三大支柱。

1、智能索引庫

對于一個搜索引擎而言，自建索引庫也非常重要，但同時成本極為高昂。即使是傳統搜索引擎，爬取 1000 萬個網頁就需要投入百萬級預算。而這僅僅是冰山一角。

因此，除了極少數創業公司選擇自建小規模的垂直索引庫，市面上的多數所謂 AI 搜索產品，實際上依賴于購買 Google 或微軟 Bing的 API 服務，這又帶來兩個顯著問題。

首先，成本高昂。調用 Google 或 Bing 的索引庫需要購買昂貴的第三方服務，這可能會吞噬企業的全部利潤，使得項目難以維系。

其次，知識理解受限。若選擇接入現有的索引庫服務（如 Perplexity AI ），通常只能獲取與查詢相關的約 100 字信息。這種限制使得大模型無法對內容全文進行通讀和深入分析，導致對許多知識的理解變得片段化和表面化。

作為 2012 年就開始做搜索的老牌廠商，360 搜索已經建立了約由 1000 億個網頁構成的動態更新索引庫，這也為 360AI 搜索奠定了基礎。

但對于 AI 搜索來講，索引技術和索引庫同樣重要。在傳統關鍵詞索引之外，360AI 搜索使用向量索引、KV 索引等技術，對索引庫進行了重構，使得索引效率大幅提升。

2、專屬知識庫

知識庫是知識引擎的「高質量內容原料」，更多用于復雜推理和深度理解任務。但公域的內容質量整體下降，優質內容逐漸被有豐富內容的 App 分走。通過自建、購買和合作等方式，360AI 搜索的知識庫收錄了大量的高質量內容來源，包括但不限于論文、知識視頻、訪談節目、課堂錄音、專業網站等。

而且，通過對知識庫引入了 GraphRAG，利用知識圖譜進行檢索，處理復雜查詢更加得心應手。這使得專屬知識庫內容能夠以大模型最容易理解和計算的方式來抓取、索引、召回，讓優質知識真做到「可計算」，「可理解」。

3、混合大模型智能調度系統

生成式大語言模型，是 AI 搜索能夠輸出結構化高質量內容的關鍵。但一個直接接入大模型的 AI 搜索并不高效，也不足夠智能，因為每一個大模型都有短板。360AI 搜索的解決方案是，構建了一個 CoE（ Collaboration-of-Experts，專家協同）技術架構，用實現了對包括 360 智腦在內 16 家主流國產大模型廠商、54 款大模型，和大量的專家模型的智能調度。

CoE 架構的技術原理，和近日剛剛發布的 OpenAI o1-preview 大模型理念相同、方法類似，都是基于強化學習和「思維鏈」 ，大幅優化了記憶、檢索、推理機制，提升了大模型解決復雜問題的能力。

只不過不同點在于，OpenAI o1遵循的可能是「雙系統理論（ Dual Process Theory）」，是 GPT 和 o 系列結合思維鏈的融合系統，前者用于「快思考」，后者實現「慢思考」。而 CoE（ Collaboration-of-Experts,專家協同）架構則集合了數量更多的大模型和專家模型，是通過思維鏈和「多系統協同」的方式實現「快思考」和「慢思考」。另一個不同點在于，CoE 架構的發布時間，要比 o1 早了接近兩個月。

這種分工協作的模式，使得 CoE 架構在推理任務中的表現更加靈活且精準，尤其在處理復雜問題時，能與 OpenAI o1 媲美，甚至在某些場景下更勝一籌。

而具有技術前瞻性的 CoE 架構所支撐的混合大模型智能調度系統，正是 AI 搜索的第三大支柱。

在 CoE 架構面世之前，國際主流的大模型調度系統是 MoE（ Mixture-of-Experts ,專家混合）架構。但是，MoE 架構一次只能讓一個專家模型回答問題，又由于單個模型能力有限，無法及時對網頁內容去偽存真，答案也難免帶有幻覺和噪聲。

在 CoE 的工作流程中，人們輸入的問題首先給到能夠識別 1 億多種意圖分類的專家模型；在完成意圖識別后，再交給任務路由模型進行復雜任務拆解，決定任務由哪款模型來處理，或是哪幾款模型進行配合。通過對任務的細致分解和不同模型能力調度，大大提升了答案的準確性、時效性和嚴謹性。

「今天你看到的 AI 搜索背后，一個簡單的搜索至少有 7 次模型調用，一個深度回答至少有 15 次大模型調研。它的背后不僅有意圖識別，還有多種能力調度、閱讀分析、任務編排等等，」梁志輝說道。

在高門檻、高投入之下，AI 搜索確實實現了更好的效果。越來越多的用戶也選擇「用腳投票」。

8 月數據顯示，1 月底上線的 360AI 搜索用戶訪問量已超 2 億，是 Perplexity AI 三倍以上，并且還在以 113% 的月增速增長。不僅蟬聯全球最大 AI 原生搜索引擎，還是全球增速最快的主要 AI 搜索引擎。

從用戶行為來看，AI 搜索和傳統搜索引擎也有很大不同。AI 搜索中，70% 以上用戶是在找信息 ，尋址的用戶下降到了 10%；在找信息的用戶中，近 20% 的需求是直接用于文檔創作，而這正是 AI 搜索的優勢所在。從用戶時長來看，360AI 搜索用戶平均搜索次數已提升 2-6 倍 ，平均停留時長已經超過 500 秒。

而在用戶畫像上，AI 搜索用戶群體現在已覆蓋「兩端」。一邊是從事內容生產、對內容質量有要求的知識群體；另一邊，得益于語音輸入、結果復制等能力持續降低的使用門檻，中小學生用戶占比突出。

讓我們重新抬頭看如今的搜索引擎市場。一面是，傳統搜索引擎已經挖掘了所有可能性，也充分暴露了其弊端；而另一面，轉向 AI 搜索的保守派、中間派、原生派的不同路線以及其各自產品的優劣，也已經清晰地呈現在人們眼前。

不過，人們還是會心存疑慮：

AI 原生搜索引擎效果雖好，但如今的 AI 原生應用鮮有單獨實現商業閉環的，而單次搜索就需要 7-15 次模型調用的 AI 搜索，是否永遠無法實現商業閉環？又或者，這樣的模式會不會只是曇花一現？

三、「革自己的命」，鯰魚無懼

沒錯，推理成本，就是 AI 搜索商業模式能否閉環的關鍵因素。

對于傳統搜索引擎而言，Google 的單次搜索成本僅為 0.2 美分。而以 360AI 搜索為代表的 AI 原生搜索引擎，單次搜索有 7-15 次大模型調用，推理成本則要高得多，但這個問題并非無解。

事實上，通過巧妙地選擇和整合不同的 AI 模型，CoE 架構可以充分利用各模型的分析優勢和差異化定價結構，以此提升產品性能并控制成本。國內第三方大模型激烈價格戰也為 AI 搜索成本的整體下降奠定了基礎。此外，通過為大模型廠商提供用戶和「bad case」反饋，360AI 搜索與大模型廠商之間已經形成了互利合作關系。從長遠趨勢來看，情況也在好轉，推理成本呈快速下降態勢，有點類似摩爾定律。

盡管 AI 搜索的商業模式仍未完全建立，但這更多只是一個時間問題。微軟 CEO 納德拉強調：「據我所知，搜索業務是地球上軟件業務中最賺錢的，我所需要的是更多的用戶。」因此，我們完全不必擔心一個大用戶量的搜索引擎會一直賠錢。據了解， 360AI 搜索已經實現了商業閉環。

創始人周鴻祎曾把 360 比喻為中國互聯網的「鯰魚」，不是巨頭，不是鯊魚。這條「鯰魚」，早在十二年前，就以「3百大戰」的方式，攪動了中國搜索市場，至今仍然位列中國搜索引擎市場第二名。

十二年后，人工智能浪潮來襲，市場風云再起。秉承一貫的快速行動力，360 這條「鯰魚」僅用八、九個月時間就迅速超越 Perplexity AI，一躍成為全球規模最大的 AI 原生搜索引擎，而且勢能不減，依然全球增速最快。

縱觀全球商業史，在幾乎每一場需要「自我革命」的科技浪潮中，行業老二都往往比行業老大更果斷、更有勇氣，也更具靈活性。龐大的沉沒成本迫使傳統巨頭們采取「保守式」創新，以期步步為營，柯達、諾基亞、谷歌和百度亦是如此。而另一方面，對于「沒有歷史包袱」的初創企業而言，AI搜索領域也并非「顛覆式創新」的理想突破口。

目前，AI 搜索還處于快速發展過程中，搜索體驗將繼續快速提升，與傳統搜索引擎的差距也將越拉越大。AI 搜索會讓搜索引擎從信息檢索工具，進化成幫助用戶完成知識探索的「知識引擎」，并最終，憑借不可逆的歷史趨勢，取代傳統搜索引擎，成為用戶檢索信息、獲取知識的首選。

或許到那時大多數人才驚覺，今天我們以為的攪動市場的「鯰魚」，原來就是一條「鯨魚」。