文 | 新眸，作者 | 鹿尧

过去一年，围绕“AI搜索是否能够颠覆传统搜索”这个话题，业界已经展开了无数次讨论，站在2025时间节点来看，问题已经有了结论：AI搜索的确颠覆了传统搜索。

从StatCounter数据来看，传统搜索巨头谷歌的市场份额今年首次跌破90%，微软Bing、OpenAI、阿里通义、百度、小红书等玩家相继入局，让Gartner关于"2026年传统搜索流量或降26%"预测加速兑现。

但需要注意的是，这种“颠覆”还仅停留在用户使用习惯的改变和传统搜索场景中，并非是对传统搜索引擎生态及其商业化模式的系统变革。

以最近DeepSeek对国产应用程序几乎全面接入来讲，相比纳米AI、文心一言、腾讯元宝，人们的注意力主要集中在DeepSeek上，道理也很简单，DeepSeek R1推理能力很强，但总是卡顿，前者贡献用户流量，后者扮演提供满血版入口的工具角色。

联想到微信搜一搜官宣接入DeepSeek R1时，两个国民级产品的结合，一度让月活7亿的微信搜索看到了商业化的春天——但事实真的是这样吗？

先说观点，直到现在，AI搜索还有很大的想象空间。

即使放在微信场景里也是一样，《新眸》在实际体验中发现，AI搜索除了回答问题时的语料库有一定差异，用户体验上并没有什么不同。不同的是，它是完全免费的，而且不能加广告。

很多人会将Perplexity视为行业标杆，去年这家公司估值“三级跳”来到了90亿美元，资本押注的原因更多的是数据增长：Perplexity年度经常性收入（ARR）暴涨500%至5000万美元。

尽管如此，Perplexity收入来源仍然非常单一，基本靠Pro版的付费订阅，受众还局限在一些高知高薪人群。其创始人Aravind Srinivas自己都曾表示焦虑，AI搜索最大的障碍不是Google，而是人们的习惯难以改变——他们不擅长做出这样的提问。

更糟糕的是，迷信AI搜索的技术爱好者们，如今还无法彻底摆脱对AI幻觉的担忧，信息溯源始终是个难题，无论是国内还是国外，不同商业化叙事下，一些共性问题始终存在。

同质化与内卷之下，AI搜索的分化与增长困境

溯源起来，国内真正意义上第一款融入大模型的AI搜索产品，是昆仑万维在2023年推出的天工AI搜索。与Perplexity相比，两者均采用自然语言交互+信息源标注的核心架构，功能重合度超过80%，在中文场景，天工的语义理解和实时信息抓取的表现甚至更优秀。

彼时国产大模型浪潮迭起，几乎同一时间，文心一言官宣全面开放，功能围绕“搜索+多模态生成+聊天智能体”进行搭建，侧重基础回答、AI总结和写作；AI新势力的代表作品，比如智谱清言和月之暗面的Kimi，它们的优势更多体现在长文本处理和内容生成方面。

仔细对比会发现，包括早期的腾讯元宝、阿里通义千问在内，国内大多是基于大模型开发的AI产品，对比天工、Perplexity，并不能算作真正的AI搜索工具。

后者具备全网实时检索、深度推理和跨源验证的能力，而前者的强项在于文本和对话，并且大多依赖预训练语料和封闭内容生态，比如文心一言早期就依赖百度搜索数据增强，元宝则与微信生态深度绑定，在大模型爆发早期，主要起到市场份额提前占位的作用。

2024可能是国内AI搜索动荡最大的一年。MoE（混合专家模型）和RAG（检索增强生成）技术的成熟应用，解决了以往搜索在实时性、语义理解上的不足，使得AI搜索能自主分解复杂问题并生成结构化答案（如对比表格、思维导图）。其中最典型的，文心一言、豆包等检索能力得到大幅提升。

另一方面，Perplexity的爆火，让外界看到，即使不去卷大模型，凭借对数据的整合、精准的信息检索以及高效的知识问答能力，仍然可以取得不错的商业化效果，尤其对于那些陷入大模型无效内卷的玩家来说。

当AI搜索驶入加速阶段，产品侧迎来分野时刻，市场也急剧催生出四条路径。

一类是像Perplexity的原生AI搜索引擎，秘塔、Kimi作为其中代表，典型特征是采用"搜索框+结构化答案"模式，通过联网直接生成含来源引用的多维度回答。

第二类是AI增强型传统引擎，比如有了GPT加持的Bing，还有嵌入大模型的百度搜索，它们会在传统结果页的上方叠加AI生成框，并且保留广告位和商业排名机制。

第三类以AI对话助手为基础平台，融入搜索功能，比如阿里的通义千问、腾讯的元宝和字节的豆包。联网功能的上线，让他们与AI搜索的边界变得更加模糊。

AI搜索里的第四类分支，是在原应用生态中生长出的附属功能。比如除了基础回答外，抖音、小红书、微信的搜索入口，会基于UGC内容来生成答案。

据新眸不完全统计，截至去年底，包括腾讯、阿里、小红书、B站、AI六小龙在内的大型公司，再从搜狗、抖音，到微信、知乎和支付宝——几乎所有带搜索框的互联网产品，都嵌入了AI入口，意味着AI搜索这一概念逐渐泛化。

其中，大厂更倾向将AI搜索作为生态粘合剂，90%的通用型产品采取完全免费策略，并没有实际的商业价值。而在原生AI搜索引擎中，用户需求往往集中在增值服务或专业领域，但现实里愿意为此付费的人群非常有限，且他们往往很快就能找到免费平替。

同质化的产品过多，用户随用随走，几乎没有粘性可言，这成了AI搜索产品的通病。

据QuestMobile发布数据，2024年与AI相关APP中，月活千万以上仅两家，八成月活低于50万，包括豆包在内的大部分工具型AI，月均使用天数5天左右，平均卸载率高达50%。用户增长大多依靠投流，缺少曝光的情况下，流失率极高。

从这个角度来看，DeepSeek陡然出圈并不是一件坏事，虽然Kimi、通义、讯飞星火等访问量出现下滑，但接入DeepSeek的玩家在底层能力的差距，却在逐渐缩窄。

这种的背景下，国内外产品呈现出戏剧性反差，以天工AI为例，虽然曾以5个月达成千万月活的成绩超越Perplexity，却在半年内用户流失超60%；反观Perplexity，其月访问量突破1亿后仍保持日均3万的下载量增长，随着近期超级碗期间的营销成功，Perplexity的应用下载量又提高了约50%。

Perpelexity是AI搜索的标准答案吗？

为什么同样是AI搜索，Perplexity这么受欢迎？

把这个问题抛给元宝、豆包和DeepSeek分别回答时，它们给出的答案基本都围绕Perplexity在技术、市场定位、用户体验、社区生态、文化因素和市场营销等方面的优势。其中，DeepSeek给出了概括：

比起对话，Perplexity更善于进行实时深度的信息检索，因此契合了欧美用户更愿意为省时间的工具付费的习惯。

《新眸》在体验了市面上大多AI搜索后发现，类似秘塔、Kimi，以及其他接入了DeepSeek能进行联网搜索的产品，它们与Perplexity功能差别并不大，真正的不同体现在其它方面。

当下AI搜索的瓶颈并非大模型，而是数据的准确性与可靠性。AI搜索的关键技术在于RAG，后者能够解决AI幻觉、知识更新、长文本连贯性等问题，但RAG强烈依赖传统搜索引擎提供的信息。打个比方，一旦谷歌搜索的结果出现失误，AI搜索的回答将难免有混乱。

典型的例子，有时候DeepSeek生成的答案里会暗含广告，这其实并非工具夹带了新的商业模式，而是投喂的语料中，尤其是中文互联网领域本身就充斥着大量垃圾信息。

据官方介绍，Perplexity的“知识库”是动态抓取+结构化数据库的结合，通过多层过滤体系从海量噪声中提取准确信号，叠加RAG架构的深度优化。不少人评测后发现，同样是检索资料，Perplexity Pro成功率最高，甚至可以完全放心接受它的生成结果，这是其他产品很难达到的。

回到标题的问题：Perplexity会是AI搜索的标准答案吗？

如果仅从满足用户搜索需求的角度看，它的确是个称职的“答案引擎”。然而，换个角度，大多颠覆式的产品背后，都伴随了商业模式的彻底革新——显然，如今Perplexity还没有达到这个程度。

不到两年的时间里，Perplexity的ARR达到了5000万美元，步入高增长企业行列，但值得注意的是，这部分收入基本源于pro版本的订阅。如果要维持持续的算力投入，并支撑90亿美元甚至更高的估值，Perplexity不仅要解决持续拉新和老会员续费的问题，更要突破单一的商业化模式。

按照Srinivas的说法，AI搜索目前是一门高投入低回报的生意，因为“它的利润不够高，用户基数还不够大，如果有1亿人订阅，留存率接近 100%，那才是一门好生意。”在他看来，广告是下一步最好的选择。

去年，Perplexity宣布将改革谷歌首创的竞价系统，在新模式里，广告主不再是传统的竞价模式，而是能够直接针对特定的问题进行竞标。一旦成功，当用户搜索相关问题时，就会展示由该广告主批准的答案。

举个例子，当用户查询纽约三日游攻略时，AI基于语义分析自动生成关联性商业问题，例如“是否需要预订带私人泳池的酒店？”，广告商则通过竞标机制植入品牌内容。

在收费方式上，Perplexity采用的是按每千次广告展示计费的CPM模式，而非按点击次数收费。学历高、收入高的付费用户为其高定价提供了支撑，目前，Perplexity CPM定价超50美元，远高于传统广告平均个位数的水平。

坦白讲，广告究竟给Perplexity带来了多少盈利，我们还不得而知。Srinivas在近期的多次采访中表示，相比订阅、企业服务，广告会成为Perplexity最核心的盈利引擎，但问题是，他们还没有彻底解决“相关性”的问题。

关于AI搜索的商业化想象

国内AI搜索的商业化同样一言难尽，时至今日，还没有一家公司公布其AI搜索的完整盈利情况。

如果是C端产品，市场的付费意愿本就低迷，再加上DeepSeek入场，为了保住用户流量，连文心一言也立马宣布全面免费；广告这一模式仍尚未萌芽，毕竟Perplexity作为行业标杆都在摸索前行。

具体来看，大厂派的AI搜索，比如豆包、文心一言，本质上是由自家大模型对话产品进化而来的功能，除了搜索，还支持各种多模态生成和生产力工具。但这些免费的AI搜索都不直接参与盈利活动，基于大厂的常见逻辑推测，他们的商业化路径可能围绕“流量入口+生态协同”驱动变现。

而像天工、Kimi、秘塔这类原生AI搜索应用，功能同样免费，他们收入来源于企业级搜索或者专业领域的订阅，比如前段时间，秘塔科技股东傅盛提到，秘塔AI搜索未来有可能会采取复合的商业模式，向付费会员开放深度分析的功能。

再看国外，大部分的公司已经把视线转向了企业级AI搜索。在这一领域，Glean、 You.com作为范本，前者ARR在过去一年增长了快3倍，今年有望突破1亿美元；后者过去一年的收入增长40倍，达到千万序列。这样的背景下，Perplexity和OpenAI最近也都有将目标瞄准企业AI搜索的意向。

去年，Perplexity收购了一个叫Carbon的AI产品，这是一个能够将外部数据源连接到大模型的检索引擎，能够基于用户数据构建RAG应用。

据介绍，Perplexity将把Carbon的数据连接器进行整合，让用户可以把Notion、Slack 和 Google Docs等应用的数据直接连接到Perplexity，让用户更容易从自己不同的信息源里检索。

今年初，Perplexity又推出了一款企业级API服务Sonar，让企业和开发人员可以自己选择数据来源，并把Perplexity的AI搜索工具集成到自己的应用程序里，满足不同的应用场景。目前Zoom已经接入了Sonar，AI助手能在用户不用离开视频界面的情况下，实时提供网络搜索的答案。

AI搜索公司将商业化的希望寄托在企业级市场，核心原因在于，B端有更明确的付费场景、更高的客单价和更强的数据壁垒。

但企业搜索同样有些问题仍待解决。以Glean为例，它虽号称能连接众多SaaS工具实现统一搜索，但企业内容通常复杂敏感，信息孤岛的形成原因与数据权限、团队协作息息相关，仅靠搜索技术难以解决，“大一统”的搜索结果常需筛选和申请权限，很容易导致体验不佳。

据业内人士透露，AI驱动的企业搜索产品在技术与服务之间容易出现定位模糊。技术授权难以获客，企业通常希望一站式解决方案；卖服务则需持续投入，提升留存。包括Glean在内的大多玩家还都面临获客成本高、产品黏性低的困境。

可以确定的是，即使已经到了2025，关于AI搜索的讨论还远不会停止。