体验完黄仁勋最爱用的 AI 工具：Google 不香了，还能平替 ChatGPT

英伟达创始人黄仁勋最爱用的 AI 聊天机器人是什么？《连线》杂志的采访揭开了谜底——Perplexity。

比起 ChatGPT， Perplexity 的热度并不算高，但它在 AI 界却是崭露头角的明星公司。

没有狂轰滥炸的广告宣传，也没有声嘶力竭的吆喝，仅凭创始人的苦口婆心和一群忠实拥趸的口口相传，Perplexity 的月活跃用户便已轻松越过了千万的门槛，其在 iOS 与 Android 平台上的应用下载量，也已轻松破百万。

在 AI 应用的层出不穷的今天，新老面孔的交替不断上演。然而， Perplexity 却始终在 a16z 定期发布的《全球最火的 50 个 AI 应用是哪些？》权威榜单中稳占一席之位。

这款自诩为「世界上首个对话式答案引擎」的 AI 工具，其独特之处在于将 ChatGPT 式的问答和传统搜索引擎的链接列表相结合，开创出一种全新的搜索体验。

如同昔日 Google 革新 Yahoo（黄页/电话簿）服务的历史一幕，Perplexity 也致力于彻底「干掉」搜索引擎，重塑我们获取和处理信息的方式。

Perplexity VS Google

Yahoo→Google→Perplexity

去年底，Perplexity 创始人 Aravind Srinivas 在社交平台 X 上单方面敲响了 Google 的丧钟。

面对一家成立 25 年、市值高达 1.9 万亿美元的搜索巨头，Perplexity 大有一股优势在我的豪迈气势。它从不掩饰自己的野心，「Perplexity 是传统搜索引擎的替代品。」

敢于公开「叫板」Google，初生牛犊不怕虎的 Perplexity 也是有几分底气的：

纯净、无广告的用户体验（至少目前如此）
强大的信息检索和处理能力
总结网页链接内容，并附上引用来源

尽管 Perplexity 自称为独特的答案引擎，但其简洁的页面设计和清晰可见的搜索框不禁让人联想到 Google 的风格，仿佛在暗示它与搜索引擎并无本质区别。

「Home」代表的不仅是主页，更是用户提出问题的起点。无需冗长的引导，用户直接在搜索框中输入疑问，迅速建立起与答案之间的桥梁。

与 Google 等传统搜索引擎相比，Perplexity 在提供答案的过程中多做了几步，也让用户的体验多了几分。

例如，当用户好奇春晚大火的《上春山》歌词中究竟融入了多少首古诗词后，它不仅会精确地总结出答案，还会附上详细的信息来源，让用户对答案的出处一目了然。

这一过程悄然展现了 AI 取代人类的潜力。它省去了用户在传统搜索引擎中逐个点击链接的繁琐步骤，同时自动整合分散在各个网页的信息，显著提升了用户获取信息的效率，让用户能够更加专注于理解信息本身。

同样的问题摆在 Google 面前，它絮絮叨叨地讲了许多，到头来却只吐出了一个模棱两可的「数十首」。

相较于那些恨不得在答案中夹杂广告的传统引擎，界面清爽，全程无广告的 Perplexity 堪称商业世界中的一股清流，当然，这样的设计理念也不得不面对棘手的问题：如何在不牺牲用户体验的前提下，实现商业的可持续性？

大模型幻觉的「乱扯一通」仍旧难以避免，但标注信息来源的做法却在不经意间提升「答案引擎」的透明度，让我们在使用时也能多一份安心。

在这个知识爆炸的时代，抛出问题不难，但要问得切中要害却不易。Perplexity 显然深谙此道，因此它在答案下方，都细致地附上了与问题紧密相连的描述，引导用户找到与此相关的解答。

互联网的海量信息，充斥着雷同与相似。譬如「苹果」一词，既可以指代日常所见的水果，也可以代表全球市值第一的科技巨头。

为了获得更具针对性的答案，「Focus」绝对是不容忽视的功能之一。

它能够帮助用户精确化问题的范畴，聚焦特定的信息源，从而在海量信息中筛选出最相关的选项。一旦用户划定了搜索领域，后续问题都将在此范围内集中搜索，尽可能避免牛头不对马嘴的答案。

这一功能尤其适合那些追求深度和专业性的用户，若是一般性问题，倒也犯不着如此大费周章。

All：全部对整个互联网进行全面的搜索。
Academic：学术学术文章和学术出版物中的专门搜索。
Writing：帮助用户完成各种类型的写作任务。
Wolfram/Alpha：专注于计算数据和数学计算。
YouTube：允许在 YouTube 内进行有针对性的搜索，提供时间戳和在平台内观看视频的选项。
Reddit：专注于社区讨论和意见，提供精简的体验，过滤掉不相关的内容。

对于国外的 AI 应用，显然我们早有心理预期，尽管 Perplexity 在中文回答方面表现尚可，但其英文回答更为详尽和条理清晰。

得到答案那一刻，「Library」功能还允许用户将问题和答案以线程形式存档，支持公开或私密的协作。这不仅便于用户回顾和梳理知识体系，也鼓励了知识的共享与合作。

类似于新闻聚合器的功能，「Discover」则提供了一个探索热点话题的平台，相当于微博热搜的精华版，满足了用户对新鲜信息的需求。

现在，这项功能在 APP 页面上也迎来了新的变化。从形式上看，Perplexity 似乎有意打造一个文字版的 Tiktok。

以上这些功能共同构建了一个以用户为核心的交互环境，提升了信息检索效率，促进了知识的累积与传播，让用户在单一平台上体验从提问到知识构建的完整流程。

值得注意的是，Perplexity 的基础版本对所有用户免费使用。用户也可以启用有一定限制的 Copilot 搜索功能。但在「钞能力」的加持下， Copilot 搜索功能将会解锁更多高级特性。

这一功能由 GPT-4 等先进 AI 模型提供支持，每月需要 20 美元的订阅花费，若用户对答案不满意，还可以切换到不同的 AI 模型，如 Perplexity LLM、GPT-4 Turbo 和 Claude 3，以及前段时间大火的 Mistral-Large 新模型。

几乎每当有新的 AI 热门模型问世，Perplexity 总能在第一时间将其整合到平台中，这也是广受用户好评的一点。

基础版足以满足大部分用户的日常使用，但对于频繁使用搜索和处理信息的用户而言，升级到付费版可能是一个更明智的选择。

未来的搜索引擎会是什么样子

我没有想过要打造一个搜索引擎。这一概念甚至没有进入我脑海。
但后来，我突然想到了更好的给网页排序的方式，以形成真正的搜索引擎，Google 就这样诞生了。

23 岁那年，Google 创始人拉里·佩奇曾经做了一个梦——创建一个能够下载整个互联网并仅保存链接的系统。

这个大胆的想法最终孕育出了 Google 的前身——Backrub。拉里·佩奇与谢尔盖·布林携手合作，打造了一个能够根据网页间的链接关系对网页进行排名的系统。

由此诞生的 PageRank 算法，通过评估网页链接的影响力来衡量其重要性，构成了 Google 搜索引擎的基石。

时至今日，Google 的市值已达到 1.9 万亿美元。相较于商业上的成功，Google 所代表的传统搜索引擎所掀起的信息革命更值得称道。

搜索引擎的即时检索能力，使得人类的信息获取不再受限于个体的记忆容量，而是变得随时随地、触手可及。随着人们对搜索引擎的日益依赖，它已成为解答问题、学习新知、做出决策等思考的一部分。

然而，传统搜索引擎通常仅基于关键词提供搜索结果，这种方式往往难以准确把握用户的深层需求，更多时候是在对用户的意图进行推测。

而且，充斥其间的广告也不断提醒我们，在前几个搜索结果中找到有价值的答案并非易事。

在互联网信息量爆炸性增长的背景下，用户的搜索逻辑也在悄然演变。面对信息的汪洋大海，用户不再愿意像渔夫那样去捕鱼，而是期待能够直接享用那些经过精心筛选、精准呈现的知识佳肴。

美国搜索引擎公司 ChaCha 曾敏锐地捕捉到这一趋势。它招募大量员工，采用真人问答的形式，为用户提供即时的搜索服务，但以人力为核心的运营模式，最终成了拖垮了这家企业的致命伤。

随着生成式 AI 的崛起，我们正有机会目睹一场可能彻底改变我们与信息互动方式的革命。

根据国际研究和咨询公司 Gartner 预测，到 2026 年，传统搜索引擎的使用量预计将减少 25%，转向 AI 聊天机器人及其他虚拟代理。

生成式 AI 挑战了传统搜索引擎依赖关键词匹配和链接分析的模式，转而通过深度学习和自然语言处理技术，提供更加精准、丰富且个性化的信息。用户不再是被动地接收搜索结果，而是能够与 AI 进行互动，获得更加主动和定制化的服务。

简言之，如果说传统搜索引擎需要人类来适应搜索引擎，那么更智能的搜索引擎则是让它来适应人类。

Perplexity 正是这一变革的先锋。它凭借多轮对话和上下文理解的能力，将传统搜索引擎的「一次一搜」转变为连续的、基于对话的搜索体验。

这种对话式搜索体验的转变，与 ChatGPT 诞生时所宣扬的「将 search 变成了 chat」的理念不谋而合。在某种程度上，Perplexity 给人的观感就像是一个 ChatGPT+搜索引擎的集大成者。

在这场「干掉」Google 的征途上，从不缺乏忠诚的信徒，Perplexity 不是第一个，也不太可能是成功的那一个。

尽管附上了信息来源链接，脱胎于生成式 AI 之上的 Perplexity 也难以摆脱幻觉问题的纠缠，这一点早在 ChatGPT 诞生之初就已是老生常谈的话题，为了不让用户失望，它甚至会编织出天衣无缝的答案。

此外，盈利模式的不确定性，也可能成为压垮 Perplexity 的重要稻草。

根据中金公司的测算，Perplexity 调用 Bing 搜索引擎及 GPT-4 的单个问题成本约为 0.03 美元，年成本约为 6000 万美元。

因此，面对高昂的成本压力，原本不屑于涉足广告业务的 Perplexity 开始考虑引入广告作为收入来源，在用户深入探索某个主题时，通过添加品牌赞助的问题和展示相关广告链接来实现盈利，即所谓的竞价排名。

巧合的是，《金融时代》的报道指出，包括 Google 搜索生成体验（SGE）在内的同类型竞品，也在考虑对 AI 搜索服务进行收费。

除了外部市场的压力，Perplexity 亟待克服的难题还在于其薄弱的技术壁垒。

今年初，前阿里 AI 大神贾扬清在社交平台 X 上展示了 LeptonAI 的对话式搜索引擎 demo。这个仅用 500 行 Python 代码开发的 demo，虽然是受到 Perplexity 的启发，但也将对话式 AI 搜索的遮羞布狠狠地扯了下来。

号称「颠覆式创新」的 Perplexity ，实际上遵循的却是「拿来主义」的路线。

在技术架构的早期阶段，它主要构建于 Google/Bing 等搜索引擎的 API 以及其它大模型的 API 的基础之上，唯一的区别或许在于它对这些 API 进行了微调。

当被问及如何看待 Perplexity 备受争议的「套壳」问题时，心知肚明的 Aravind Srinivas 表示：

如果一个产品仅仅是简单的封装，那么市场上很快会出现大量类似的产品。而要将这样的产品扩展到大规模的流量和使用量，需要后端进行深度的工程处理。

长期的可持续性只有在拥有大量用户的基础上才有可能实现。也就是说，如果产品能够吸引用户，并且用户对其内部技术不甚关心，只要产品好用，就能形成强大的用户基础，产生网络效应和用户粘性。

一旦拥有了这样的用户群体，其市场地位将难以被撼动。

翻译过来就是，尽管我们采用了「套壳」策略，但在技术层面上，我们也做了大量的深入工作。而且，只要产品易于使用，用户通常不会太过纠结背后的技术细节，他们会继续使用并推广我们的产品。

回到最初的问题，那么 Perplexity 能否彻底颠覆 Google？

答案是，虽然不一定能颠覆 Google，但从更广阔的视角来看，Perplexity 的涌现必将推动搜索领域的革新。

微软 CEO 萨提亚·纳德拉曾在 New Bing 的发布会上说过，AI 加持的搜索引擎，是他任内九年来「最重要的产品」。