近期，随着GPT-4o技术引领的新趋势，月暗、智谱、Perplexity和OpenAI等公司纷纷推出了具备AI推理能力的搜索功能。这些更新后的AI搜索不再只是简单地进行信息检索，而是能够像人类一样先理解问题，然后进行精准搜索，最终提供答案。
根据“知识管理模型”，数据本身是无序且无意义的，只有当它被转化为信息、知识、智慧时，才具有价值。信息回答了“是什么”的问题，知识解答了“怎么做”，而智慧则应对了“为什么”的问题。按照这一进化逻辑，CoT（思考链）技术的加入标志着AI搜索进入了2.0时代，从简单的信息聚合转变为规律总结和辅助决策。
用户对AI搜索的依赖性超出了预期，Perplexity声称每周能处理1亿次查询，每月约4亿次。在与行业巨头竞争中，不仅要争夺用户，更重要的是AI搜索在商业化方面展现出了积极的迹象。国外的最新报告指出，随着AI搜索技术的发展，谷歌搜索广告的市场份额十年来首次跌破了50%。
无论是新进入者还是老牌玩家，都开始关注谷歌留下的市场份额。目前有两种主要的商业路径：一种是模仿谷歌，开发通用型AI搜索工具，向消费者出售使用权，向企业出售广告位和AI搜索能力；另一种则是将AI搜索能力嵌入到具体应用中，绕过搜索引擎这一中间环节，自建分发渠道和数据入口。这样做不仅能通过优化搜索提升用户体验，增加付费转化率，还能避免中间商的利润分割，增强自身的盈利能力。
月暗通过饥饿营销策略，强化了其“国内首个4o搜索”的形象；依靠Talkie获得收益的Minimax，将重点放在了AI应用的搜索推荐上；就连一向稳健的微信也在寻求变革，测试AI问答功能，以期打通其与微信生态的连接。
业内人士认为，“越是共识，门槛越高”，正是因为AI搜索被普遍看好，竞争才变得更加激烈。“如果不突出，用户还是会选择谷歌。” 这表明在AI搜索领域，只有不断创新和突出特色，才能在竞争中脱颖而出。
深度推理模式下的AI搜索，已经不再是简单的关键词匹配和信息检索，而是变成了一个能够理解、分析和解决问题的智能过程。
这种AI搜索在面对用户提出的问题时，不会急于直接给出答案，而是先对问题进行深入的理解和拆解，将复杂的指令分解成一系列更小、更具体的步骤。
然后，AI会依次对每个步骤进行搜索和分析，动态地整合信息，运用逻辑推理能力，将分散的信息点串联起来，形成一个完整的答案。这个过程是实时且动态的，AI在思考的同时也在不断地调整和优化答案，以确保最终呈现给用户的答案既准确又深入。
这样的AI搜索，更像是一个能够独立思考和解决问题的“机灵鬼”，而不仅仅是一个机械地在数据库中搜索关键词的“书呆子”。
以Perplexity官方提供的案例为例，用户提出的任务是“阅读贝索斯每年所有股东信，并列出一个每年关键要点的表格”。
这个任务被AI分解为三个主要步骤：
首先，“搜索并找到贝索斯所有年度的股东信”
其次，“获取贝索斯每封股东信的内容”
最后，“制出贝索斯每年股东信关键要点表格”
如果使用Kimi探索版，AI在生成答案后还会进行一次额外的搜索，以完成“反思后的补充”，确保答案的完整性和准确性。
这种“搜索+深度推理”的模式，使得AI不仅仅是一个简单的搜索工具，而是一个能够执行复杂任务的智能代理（Agent）。
AI提供的是一系列可行性的操作步骤，而不是简单的搜索关键词。这种转变意味着AI搜索的底层逻辑已经从单纯的“找到信息”转变为“解决问题”，其中“搜索”成为了解决问题过程中的一个子集。
这个子集可以无限扩展，包括文档、知识库、PPT、办公软件等，AI的开放性和可扩展性为提升搜索质量提供了可能。
然而，尽管这种模式具有明显的优势，但也存在一些挑战和局限性。例如，过分强调搜索步骤的完整性可能会导致过程正确但结果错误的情况，这表明在CoT（链式思考）的链条之间可能存在连接关系的错误。在某些情况下，可能会出现“鬼打墙”现象，即搜索和步骤拆解动作反复循环，造成算力的浪费。
此外，虽然好的解题思路对于搜索至关重要，但在CoT成为标配的情况下，也需要警惕将简单问题过度复杂化的倾向。在一些逻辑问题中，本可以简单解决的问题，如果强行增加分析过程，反而会增加搜索的难度。CoT的价值不在于链条的数量，而在于构建的质量。这意味着在设计和执行搜索任务时，需要平衡搜索的深度和广度，以确保既高效又准确地解决问题。
AI搜索的发展已经超越了单一功能的局限，它正在逐步接近于真正解决问题的能力。在互联网时代，传统的搜索依赖于关键词匹配，用户需要手动筛选页面以获取所需信息。
AI搜索通过联网能力，能够自动搜索并提供更精确的答案，减少了用户的工作量。初期，AI助手主要回答基本的4W问题（谁、什么、何时、何地），聚合信息让用户无需打开多个网页。然而，随着AI搜索技术的进步，它现在能够处理更深层次的问题，如“How”和“Why”，涉及到规律、趋势的发现和决策指导。
AI搜索2.0阶段的能力体现在能够处理更复杂的查询，比如分析贝索斯的关键词或其对亚马逊发展的影响，甚至能够根据上传的文档提供战略建议。
这种能力的提升使得AI搜索的价值随之增加，因为它不再局限于提供基本信息，而是能够提供深度分析和见解。
尽管AI搜索的进步显著，但目前它与简单的关键词搜索在开卷考试和自主思考方面的差距并不大。AI搜索的长期价值在于其从信息到智慧的转变，但这一过程需要时间，尤其是后训练推理的投入尚不充分。
AI搜索的增强不仅仅依赖于CoT（链式思考）方式，还有其他方法，如扩大搜索量和范围，以及优质化搜索。Kimi探索版通过增加搜索量，能够一次性精读超过500个页面，提高了搜索的广度。然而，搜索的全面性并不等同于准确性和优质性，因此，优质化搜索成为第二条思路，它的核心在于提前过滤掉冗余和低质信息，确保搜索池的质量，并在此基础上开发更精准的搜索能力。这相当于建立了一个多层的搜索漏斗，从未经筛选的信息到根据特定标准过滤，再到进一步细分，重新分配信息的把关权和分发权，以提高搜索结果的质量和相关性。
最后一种是直接补充信息来源，因为无论怎么在数量、质量上做取舍，都可能不符合用户预期。如果这样，不如让用户自己上传数据和文本。Perplexity目前支持用户自建AI研究和协作中心，用户可以上传内部知识库，结合网络搜索来获得针对性的答案。
传统搜索退，AI搜索进，趋势日益凸显。当下，AI搜索成为了必争之地。
招聘信息显示，AI六小虎中重押AI搜索推理方向的是月暗，大量涉及推理和工程优化方向的岗位显示在招。功能上，越来越像Perplexity。Minimax同时也在招聘搜索推荐相关的工程师，但思路有所差异，聚焦在旗下AI应用里的算法、广告投放优化。
谁也不知道留给新玩家的窗口期有多久，尽快吞下显现出的“蛋糕”迫在眉睫。此前积累的用户规模和留存沦为了AI搜索的“饵”，到了广告变现时刻。据悉，Perplexity即将在本季度在其应用内投放广告，可投放广告位有“问题回答”的媒体赞助，搜索答案下方的“相关问题”以及”显眼位置“的视频投放。
Kimi探索版在界面上进行了改进，新增了搜索展示页面，并预留了广告招商位，这是为了在保持Kimi本身免费使用的同时，为月暗公司带来收入，以支持其在投流、算力和人力成本上的投入。由于Kimi的用户群体主要是大学生、初入职场的白领、宝妈和老师等，这些用户的消费和转化能力相对较低，因此对于广告主来说，可能不如Perplexity那样吸引高端市场。
Perplexity的用户构成以高收入职业白领和高级领导为主，这使得其能够瞄准科技、金融、艺术等高端广告市场，并且能够收取相对较高的CPM广告费用。这种“二次售卖”模式的前提是拥有高质量的用户群体，Perplexity通过一年多的时间完成了用户筛选，实现了用户定价与ChatGPT持平。
对于Kimi等国内AI搜索和助手类应用来说，免费策略虽然能够打响知名度，但也使得收费变得更加困难。广泛的用户基础意味着广告投放市场更加模糊，难以精准定位。
Perplexity借鉴了Notion的协作空间模式，提供了AI搜索to小B的服务。它对外开放了AI搜索能力，允许用户共享知识库，提升检索和分析问题的效率，这在一定程度上取代了“RAG+知识库”的解决方案。这种模式有很大的想象空间，比如可以提供AI搜索融入软件生态的渠道，像Notion一样开放自身API接入，既能弥补能力上的缺陷，也能提高用户使用率。这种开放性的策略不仅能够增强产品的竞争力，还能够吸引更多的合作伙伴和用户，为公司创造更多的商业机会。
在这基础上，订阅收费模式进一步分层。除了原先的专业版收费模式，还会按照企业规模数量为标准收费，小规模、中等规模、大规模和定制化解决方案。
种种迹象表明，AI行业正在步入营收和利润导向阶段。搜索被誉为“离钱最近的领域”，AI搜索如果能打响大模型商业化的第一站，无疑是一针强心剂。谷歌们后退，谁能吃掉第一口“蛋糕”？
