🔗 B端产品经理两大难题：如何从市场，用户，业务等多个角度分析和设计产品？如何有效地管理和推进项目落地？
在人工智能飞速发展的今天，AI搜索技术被广泛认为是信息检索领域的一次革命性进步。然而，随着这一技术逐渐从实验室走向市场，它也面临着各种争议和质疑。本文旨在深入探讨AI搜索技术的现状、挑战及其未来的发展方向。
最近不断听到 AI 搜索是新共识这种观点，但在即刻搜索“AI 搜索”，出现的动态翻来覆去都是我关注的那几个人在发，我无法确定是因为信息茧房还是真的新共识，得花点时间研究研究技术实现逻辑，避免焦虑。
本文主要为自己学习后整理，会包含一些其他文章的观点、内容原文，非洗稿。
一、优质信息源推荐
一节播客，了解基础技术实现逻辑
一篇知乎文章，包含技术实现以及部分商业逻辑
一节播客以及一篇公众号，都是来自 ThinkAny 的创始人，对产品功能规划比较体系化并且详细的讲述
我做了一个 AI 搜索引擎
这节播客是对谈 360 VP，关于 360AI 搜索如何做的，包含一些内部才知道的信息量（但我发现播客中的内容已被多篇文章引用）
若关注搜索引擎，可看这篇以及文章内的相关推荐
搜索技术专栏
各行各业都搭上了数字化转型的顺风车，实现了行业的迅速发展。由于B端产品是为企业所提供服务的产品，那么，企业应该如何乘上数字化的顺风车呢？
若关注 AI 搜索的一些思考，可看这篇文章，此文作者也做过多个 AI 搜索的横向对比
二、技术逻辑
技术实现逻辑简单说就三步：
第一步：获取用户 query，并调用 Google 等搜索引擎或第三方服务，获取到搜索结果。
第二步：利用 embedding 等技术对搜索结果进行排序、切片。
第三步：利用 RAG 技术从几十个网页中提取和 query 相关的信息，然后通过大模型来整合生成输出。
一些补充说明：
1）绝大部分通用 AI 搜索并未自建搜索引擎，都是调用三方搜索引擎获取结果，据说 360VP 说，如果要爬 5000w 的网页，大概需要一两百万人民币，爬回来的内容还要自己做安全审核，现在通用搜索引擎的网页都是千亿级别，通过多年不断爬回来的，不管从时间还是钱维度，都不是普通创业者能承受的。
2）搜索引擎返回的网页需要做内容需要按语义、段落、句子等方式做切分，将网页内容转化为更小的、易于处理的信息块，便于后续步骤中更有效地检索和利用信息。
3）RAG 技术原理
4）Perplexity 技术路径
5）ThinkAny创始人认为的标准流程（ThinkAny 这套现在还未搭建完成）
6）传统搜索引擎技术路线
三、三类 AI 搜索
1. 通用 AI 搜索
即支持搜索所有内容，例如 360AI 搜索，这类搜索一般不会自建搜索引擎，可做空间相对有限，毕竟搜索结果来自于三方的搜索引擎。
据说秘塔在自建搜索引擎。
2. 垂类 AI 搜索
可做空间更大，因为拥有特定领域的数据源和数据库，需要把私有数据建立索引，自己要干更多的活，而不是直接去调用三方搜索引擎。
例如支持搜索小红书、豆瓣、公众号、日历、地图，甚至微信聊天内容。
3. 企业 AI 搜索
将企业的各种结构化、非结构化数据都建立索引，然后提供一个查询接口。
例如钉钉，用户在钉钉里面可以搜索所有的聊天记录、文档、会议、日程、知识库等。不仅能够搜索到全面的信息，还能整合钉钉上的工作信息，比如整理出与谁、在哪个场景（比如哪个群、哪篇文档、哪次会议或哪个业务流程等）的综合信息（此段信息来自网络，不保真）。
还有一类全家桶型 AI 搜索，也可以归为企业 AI 搜索，因为他适合拥有全家桶的大公司，例如 Gemini 可能支搜索 YouTube、Gmail、Google 网盘、GoogleMap、Google 文档、Google 日历等一系列产品里的信息，现在已支持下方产品。
这些分类一般都会有一些交叉，例如通用 AI 搜索也会有一些特定领域数据，来增加自己差异化优势，例如秘塔支持播客搜索，360 改造了原来的搜索索引库。
四、可做方向
现在处于百花齐放阶段，各个产品都在通过不同环节的优化打造出自己的独特优势，例如支持搜索小红书、播客、法律等专业搜索，结果支持导图展示，支持深入研究等。
从技术实现逻辑三个步骤我们可以粗略划分为三个方向。
1. 获取结果
意图识别，输入改写，支持模型切换，选择便宜的搜索引擎，自建私有数据源，支持多模态搜索，同时进行中英文搜索，支持深入研究……
2. 结果处理
搜索引擎结果重新排序，知识库切片……
3. 结果输出
支持展示摘要，支持复制，支持直接编辑，支持小红书式 feed 流，支持左右滑动式交互，支持一键生成 PPT，生成导图等……
短时间来看，不管哪类搜索，不管在哪个方向优化，找到合适的用户定位，都有机会建设起差异化优势。
长周期来看，我比较认同一位即友的观点，AI 搜索不应该局限在 Summary，更应该关注整个任务链，即用户意图、用户搜索之后会做什么，去解决用户搜索背后的任务。
五、AI 搜索主要成本
通过上面技术逻辑可看到，主要包括：搜索引擎 API，获取私有数据，私有数据存储，调用大模型 API，训练成本，运营成本等。
关于一次搜索的成本，一次调用搜索引擎的成本，多个播客中提到的并不一样，且会和技术、时期等都影响很大，所以这里未展示出来。
六、商业模式
目前 AI 搜索商业模式主要有两派，我将其称为订阅派、广告派。
广告派：以 360、Google 为主，坚决不向 C 端用户收费，还是想办法向广告主收费。
订阅派：通过次数限制，高级功能限制等方式，付费解锁。
七、关于 360
因为听了节 360VP 聊 AI 搜索，涉及些平时很少有渠道了解的到的信息，所在这里记录下来。
1. AI 搜索引擎根据不同业务场景，通过语义识别进行场景分流，再根据场景的流程设计，多次调用大小模型，提供最终的解决方案。比如 360VP 梁志辉曾经表示，360 一次 AI 搜索有 9 次大模型的调用。
2. 360 将 query 的意图识别分类做到了4000多种，每一种需求配对应的Prompt，工作做得已经相当精细，但 360VP 表示这仍然只是很粗颗粒度的匹配。
3. 深入回答
其他产品生成长文本的逻辑：先生成大纲，大纲再进行扩写，但这样可能会出现一些问题，例如质量不可控，重复等。
360 的解决方案：发现国内外的互联网内容是存在一些割裂的，对很多问题缺乏专业网站，所以解决方案是用中文搜索一遍，用英文再搜索一遍，英文搜索时则多参考一些海外网站。
八、本文未讨论但很重要的问题
AI 搜索引擎的评价标准是什么
什么场景适合 AI 搜索，什么场景原来搜索更有优势，寻址？找资源？解决问题？即时问题？简短内容？还是生成报告式搜索？
一些垂类搜索，AI 搜索+商品，AI 搜索+旅游，AI 搜索+图片，AI 搜索+小红书？
PMF、TPF
AI 搜索什么最重要，技术？体验？搜索结果忠于原网页？还是定位？
关于成本、商业模式、搜索的未来、市场格局的变化等。
九、最后建议
作为非 AI 搜索从业者，无需作为产品蝗虫花太多时间关注，大致知道哪些产品有哪些独特功能、独特数据源，能够更高效解决自己生活中的问题即可。
例如秘塔可以搜索播客；
例如 kimi 原来可以搜索小红书内容（后来下线了）；
例如 360 能够展示导图更结构化查看；
例如通义千问可以总结播客；
例如万知可以处理数百页的 pdf，并生成 PPT；
例如 Gemini 可以关联 Google 全家桶，总结 Gmail 邮件；
例如 GPT 支持 memory；
……