2024年是AI搜索产品爆发的一年。从年初Perplexity获得新一轮融资估值飙升，到年中OpenAI推出ChatGPT Search，再到年底Google将AI Overview推向全球每个用户——AI搜索已经从实验室产品变成了普通用户日常使用的工具。
但热闹背后，AI搜索产品正在面临一些真实的困境。用户量在增长、使用场景在扩展，但困扰也随之而来：答案质量的不稳定、信息可信度的问题、商业化路径的模糊……这些问题如果不解决，AI搜索很可能只是昙花一现的科技浪潮，而非真正可持续的产品形态。
Perplexity：流量神话背后的隐忧
Perplexity是目前最受关注的AI搜索产品之一。它以”答案引擎”而非传统搜索引擎的定位切入市场，直接回答用户问题而非提供链接列表。创始人Aravind Srinivas多次在公开场合表示，Perplexity的愿景是”让知识的获取民主化”。
从用户数据来看，Perplexity确实在快速增长。但仔细看增长结构，有几个值得注意的问题。首先是用户留存率——相当比例的新用户在使用几次后就不再活跃，说明产品还没有真正”粘住”用户。其次是使用场景的局限性：Perplexity更适合回答事实性查询，但对于需要深度分析、多角度权衡的复杂问题，用户仍然倾向于使用传统搜索。
更根本的问题是可信度。AI搜索产品的一个核心承诺是”给你直接答案，省去你筛选信息的麻烦”。但这个承诺的前提是AI给出的答案是可信的。当AI因为训练数据偏差或检索范围有限而给出错误答案时，后果比传统搜索引擎更严重——因为传统搜索用户可以看到多个来源自行判断，而AI搜索用户拿到的是一个”看起来很权威”的单一答案。
ChatGPT Search：强大的生态，但搜索体验仍有局限
OpenAI在2024年中推出的ChatGPT Search是另一个重量级选手。相比Perplexity，ChatGPT Search有OpenAI强大的模型能力作为支撑，在答案生成质量上有明显优势。加上ChatGPT本身庞大的用户基础，Search功能一上线就获得了大量关注。
但ChatGPT Search也有一些先天的局限性。首先是”搜索感”较弱——用户打开ChatGPT的默认心智仍然是”聊天”而非”搜索”，这影响了使用场景的渗透。其次是实时性问题：大语言模型的训练数据有时效性限制，虽然Search功能通过实时检索缓解了这个问题，但复杂实时信息的处理仍然是弱项。
从内容生态的角度看，ChatGPT Search对信息来源的处理方式也值得关注。不同于传统搜索引擎明确标注每个结果的来源，ChatGPT的回答往往是多个来源融合后的产物，有时难以追溯具体信息的原始出处。这对依赖内容流量变现的出版方来说是一个挑战。
Google AI Overview：船大难掉头
Google的AI Overview是最”保守”也是最”激进”的存在。说保守，是因为Google直到AI搜索已经成为行业热点后才大规模上线自己的版本；说激进，是因为一旦Google决定全力推进，其影响范围是任何创业公司都无法比拟的。
AI Overview上线以来，争议就没断过。最著名的事件是2024年中，AI Overview在被用户频繁”调戏”后，生成了一些令人啼笑皆非的答案（比如建议人们每天吃石头、用非有毒材料做早餐等）。虽然Google很快修复了这些明显错误，但这些事件被截图传播，在社交媒体上引发了大规模讨论。
从商业角度看，AI Overview对Google的广告业务构成了潜在威胁。传统搜索广告的核心是”用户在搜索结果中看到广告并点击”，而AI Overview直接给出答案，用户点击广告的概率自然下降。如何在AI搜索场景中重建广告变现路径，是Google必须解决的核心问题。
共同的困局：商业化与用户体验的平衡
抛开具体产品的差异，AI搜索行业面临一些共性的结构性问题。
首先是商业化路径的不清晰。传统搜索引擎靠广告赚钱，广告主为”点击”付费。但AI搜索引擎的直接回答模式削弱了点击的价值——如果用户直接在结果页得到答案，为什么还要点击链接？部分AI搜索产品开始尝试”原生广告”，即在回答中自然植入广告主的内容，但这种模式的规模化和用户体验之间的平衡仍然是个难题。
其次是信息来源的可持续性问题。AI搜索产品高度依赖网络上的内容来生成回答。但如果AI搜索导致用户不再访问原始内容网站，网站的流量和收入就会下降，进而减少优质内容的生产——最终形成一个对整个内容生态都有害的负反馈循环。如何建立一套让内容创作者有动力继续生产的激励机制，是AI搜索行业必须面对的深层问题。
未来在哪里
尽管存在诸多挑战，我仍然看好AI搜索的长期前景。关键在于整个行业能否找到一条让用户、内容创作者、平台各方都受益的可持续模式。
一个可能的路径是”引用付费”模式：AI搜索平台为被引用的优质内容支付版税，内容创作者有动力继续生产高质量内容，AI搜索平台则通过更好的答案质量吸引更多用户。这是一个看起来很美的理想模型，但落地需要解决估值标准、支付基础设施等一系列操作问题。
另一个方向是垂直化、专业化的AI搜索产品。不追求覆盖所有信息需求，而是在特定领域（如医疗、法律、金融）做到极高的准确性和可信度，建立起专业用户群体的依赖。这种模式在商业化上也更容易走通——专业用户愿意为高质量的专业信息付费。
无论如何，AI搜索的竞赛才刚刚开始鹿死谁手，犹未可知。