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。