AI搜索 — AIGC确定落地场景+传统搜索的未来？

一一、背景

2024上半年，本来格局已定的搜索市场，因为AIGC的发展，AI搜索成为了AIGC落地场景的一个共识迎来了一波热潮，短时间内涌现出了多个AI搜索产品，第一类以Perplexity、秘塔AI搜索、Genspark，天工AI为代表的起步就是AI搜索的厂商；第二类以New Bing、Google AI Overview为代表传统搜索厂商；第三类以Kimi、豆包、腾讯元宝，SearchGPT为代表模型厂商，用搜索产品来推广底层模型；第四类以C知道，知乎直答等垂直内容起家的厂商。

截止9月24日AI产品榜（aicpb.com）的数据，排名国内前十的AI产品里面有4个是AI搜索引擎。

在国外，原生AI搜索工具Perplexity AI最新估值已经接近30亿美元，AI界“灭霸”OpenAI在7月26日推出了SearchGPT。OpenAI也发现了Chat模式的问题- LLM短期内无法解决的幻觉，预训练内容不足等问题。

二、AI搜索相比传统搜索，带来的革命性的改变会是什么？

我们访谈了C知道的产品负责人敖梦云女士，帮我们总结了以下几点：

1、1、内容理解的改变

a) a)深入理解和结构化内容的能力

传统搜索引擎通过提取内容的标题，摘要，关键词作为被搜索内容的结构化索引，文章，图片，视频等内容都是如此，这样的方式会损失掉内容的很多信息，甚至是曲解内容原始的信息，随着技术能力的提升，文章等纯文本内容可以通过对全文的的索引来部分解决，但是图片，视频甚至代码等内容在这块还是缺失的。

通过AI能力，不管是文章的自动化传统TDK信息的提取，还是利用多模态能力去结构化图片，视频等之前无法充分理解和结构化的内容，能够大大提升内容理解能力，帮助用户更加准确的获得想要的信息。

b) b)非“公开”内容的探索

传统搜索通过爬虫去爬取被搜索内容的TDK内容，来构建被搜索内容的索引，但还是有很多合法但是非公开的数据不在其中，企查查等能够在百度如日中天的环境下跑出来，对于企业信息的获取和结构化是其制胜的法宝，很多垂类网站在这方面有着优势，之前可能苦于技术和成本的压力，现在可能能够相对容易的来理解和结构化这些内容。

有了AIGC新的内容理解能力，对于非“公开”内容的结构化可能是未来AI搜索的护城河之一。

2 2、用户意图理解的改变

通过AI能力的发展，之前通过分词，词权重等方式去“理解”用户的Query和意图的方式，当然，对于AI搜索，传统的分词等方法也是非常重要的列用户意图的方式，但是对于整体Query的意图理解，特别是多实体词的长Query理解，有着本质的提升，通过对Query/Prompt以及内容本身意图进行理解，能够更加精准的帮助用户获得想要的信息

3 3、垂类化的发展

如上面在非公开内容的探索，AI搜索通过数据和LLM能力的区隔，可能很难再现传统搜索大一统的市场格局，垂直化是趋势。

4 4、从信息到服务[AI Search→AI Agent]

用户在利用传统搜索的目的从海量内容里面获得有用和准确的信息，当然，信息的下一步还是执行任务为目的，写作，画图，代码生成等等都其实是搜索用户下一步需要的服务，只是之前技术能力受限。LLM的能力带来的希望是能够帮助用户从信息到服务，特别是LLM的代码生成能力，是能够帮助实现Agent重要介质。C知道的生成内容中，70%包含代码。

三、AI搜索的底层技术原理是什么，以及未来发展方向是什么

我们访谈了C知道技术负责人王品先生，帮我们总结了以下几点：

1、传统搜索技术架构

2、RAG以及衍生架构

现在大部分AI搜索使用的“RAG（Retrieval-augmented Generation，检索增强生成）”架构，涉及Retrieval和Generation两个步骤。其中，大部分的“Retrieval（检索）”是由传统搜索引擎的API来完成的，不能构成区隔，还是通过传统搜索结果来增强内容的真实性等。工业界典型RAG架构如下

3 3、未来的AI搜索架构

用户注意力不在结果列表，而是生成的答案以及引导用户持续提问完成用户需求。但是传统索是基础，解决从千亿级别token的网页中提取大致相关网页；同时结合AI Agent方案激发LLM的

“慢思考” 能力提升解决复杂问题能力以及降低幻觉率。未来AI架构需要在把AI Agent和传统搜索系统有机结合起来；

四、四、在开发者&互联网/IT从业者，AI搜索的发展方向是什么？

我们访谈了C知道负责人李颖先生，帮我们总结了以下几点：

1. 1、开发者是最先走向从信息到任务的人群

开发者的动手能力强，代码生成也是LLM比较确定的几个落地场景之一，现在市面几个主流 LLM生成的代码已经处于可以直接运行的状态，所以开发者会是最先从信息到任务[AI Search→AI Agent]的第一批人。

从需求来看开发者&互联网/IT从业者有四大类需求，通过传统搜索的一些沉淀【例如意图，相关词库，召回排序方法等】，结合新的AIGC能力，将大幅度赋能这些人。

a) 基础知识问答：传统搜索→ RAG→GraphRAG【相关增强】

b) 代码需求：传统搜索→ AI Artifacts【代码生成+运行】

c) 面试/考试题：传统搜索→ AI Leecode

d) 工具：传统搜索→ AI Agent

2. 2、AI搜索是开发者&互联网/IT从业者提升生产效率的最优路径

在中国，高级开发者是少数，初级开发者和类开发者【例如产品，运营等IT从业者】的人群很大，他们还是习惯从搜索获取知识，代码和工具，所以通过传统开发者搜索为基石【数据-意图，词库等为优势】，然后AIGC能力赋能【代码生成，传统搜索环节提效[Queryl理解，召回排序,RAG]】，代码结构为中间态【提供代码生成，调试和运行环境，以任务[task]实现为最终交付目的。来满足他们的需求，是一个丝滑的路径。

综上所述，从行业来看，AI搜索是替代传统搜索的未来，也是AIGC确定性场景之一，不光能够从信息的获取上有本质的提升，也能够重新定义搜索。

好啦，今天的内容分享就到这，感觉不错的同学记得分享点赞哦！

PS：CSDN 企业招聘 持续分享程序员学习、面试相关干货，不见不散！





    
点分享
点收藏
点点赞
点在看