前言：

根據全球研究與咨詢公司Gartner于今年2月發(fā)布的報告預測，至2026年，傳統(tǒng)搜索引擎的搜索量預計將下降25%。

此預測凸顯了隨著生成式人工智能技術的不斷發(fā)展，人們的搜索習慣正在發(fā)生顯著變化，進而推動了AI搜索領域的快速進步。

作者 | 方文三

圖片來源 |  網 絡 

9.11與9.9的比較時大模型[犯渾]

在數(shù)學領域，比較兩個小數(shù)的大小是一個基本問題。然而，當這個問題被提出給當前的AI大模型時，卻引發(fā)了一系列的錯誤回答。

具體來說，當被問及[9.11和9.9哪個更大]時，多數(shù)AI大模型錯誤地認為9.11大于9.9，這一錯誤源于對小數(shù)點后數(shù)字的錯誤比較。

大部分大模型在處理此類問題時，錯誤地將小數(shù)點后的數(shù)字進行比較，而忽略了整數(shù)部分的大小。

此次事件中，多個知名的AI大模型均未能正確回答這一問題，包括但不限于ChatGPT-4o、字節(jié)豆包、月之暗面kimi等。

在對12個AI大模型的測試中，只有阿里通義千問、百度文心一言、Minimax和騰訊元寶給出了正確答案，其余8個模型均未能正確回答。

在某些場景表現(xiàn)不佳反映了技術的局限性

從技術層面來看，大模型在分析文本時，通常會使用特定機制將文本拆分成更小的單元進行處理，這種拆分方式在處理數(shù)學問題時可能不夠嚴謹，容易出現(xiàn)[斷章取義]的情況。

①AI大模型在數(shù)學能力上的不足，部分源自其技術架構的固有限制。

當前的AI大模型主要基于Transformer架構，該架構在處理序列數(shù)據時表現(xiàn)出色，但對數(shù)學和邏輯推理的精確性存在局限。

Transformer模型依賴于自注意力機制來捕捉輸入數(shù)據中的依賴關系。

然而，這種機制在處理數(shù)學表達式時可能無法有效捕捉數(shù)學運算的精確順序和邏輯結構。

②AI大模型通常使用浮點數(shù)來表示數(shù)值，但這種表示方式在處理小數(shù)點后的精確比較時可能會引入誤差，導致錯誤的數(shù)學判斷。

盡管大模型在訓練過程中接觸到了大量數(shù)據，但其泛化能力在數(shù)學問題上仍顯不足，特別是在處理未見過的數(shù)學問題或需要復雜推理的場景。

③大模型的設計初衷可能更側重于文字思維而非數(shù)字思維。

它們在處理自然語言時表現(xiàn)出色，但在應對數(shù)學這種需要精確計算和嚴格邏輯的領域時，就顯得力不從心。

④訓練數(shù)據的質量和多樣性直接影響AI大模型的數(shù)學能力。

現(xiàn)有訓練數(shù)據集中缺乏對數(shù)學邏輯和推理過程的描述，模型未能學習到數(shù)學問題解決的邏輯鏈條。

AI技術中場景的選擇和適配性至關重要

雖然[9.11]和[9.9]大模型可能在某些場景下遇到挑戰(zhàn)，但將特定場景視為AI搜索的護城河是一種具有戰(zhàn)略意義的思考方式。

它強調了場景適配性、定制化優(yōu)化和技術創(chuàng)新在構建競爭優(yōu)勢中的重要性。

在AI搜索領域，這可能意味著通過專有技術、數(shù)據資源、用戶體驗設計等手段，構建獨特的競爭優(yōu)勢。

不同的應用場景可能對模型的性能有不同的要求。

因此，將特定場景視為AI搜索的護城河，意味著在這個特定場景下，通過優(yōu)化模型或整合相關技術，可以實現(xiàn)更優(yōu)越的用戶體驗和搜索效果。

①定制化優(yōu)化：針對特定場景，可以調整和優(yōu)化搜索算法，使其更符合該場景下的用戶需求和信息結構。

②數(shù)據優(yōu)勢：在特定場景下積累的大量相關數(shù)據，可以用于訓練更精準的模型，從而提升搜索的準確性和效率。

③技術創(chuàng)新：在特定場景下不斷探索和研發(fā)新技術，如語義理解、圖像識別等，以提供更豐富的搜索功能和服務。

場景是AI搜索的長期護城河

在中國當前的搜索市場格局中，AI與搜索的融合呈現(xiàn)出兩種主要趨勢。

①以360和昆侖萬維為代表的企業(yè)，通過推出[AI搜索]應用，實現(xiàn)了對話式搜索的創(chuàng)新體驗；

②如字節(jié)、騰訊、百度等公司，則選擇將自身的AI技術融入傳統(tǒng)搜索框中，為用戶提供更智能的搜索服務。

其中，360AI搜索、天工AI及秘塔AI搜索在體驗上仿照了Perplexity的模式，即先給出總結性的[答案]，再通過[參考資料]的形式呈現(xiàn)相關網頁內容。

根據AIwatch.ai發(fā)布的[全球AI產品增速黑馬榜]，360AI搜索在3月份的訪問量環(huán)比增加了1677%；天工AI搜索網頁版在4月份的訪問量達到400萬，環(huán)比增長120%；

而秘塔AI搜索在推出不到兩個月的時間里，便累積了數(shù)百萬的訪問量。

然而，隨著AI搜索熱潮的逐漸降溫，場景適用性、用戶留存等現(xiàn)實問題開始浮出水面，標志著行業(yè)已邁入比拼內功的新階段。

在這一階段，競爭的核心將不再局限于融資額或產品功能的極端化，而是轉向對真實用戶場景的理解和滿足。

因此，中國AI搜索市場的下半場，或將聚焦于模型之外的理解能力、爬蟲程序的邏輯思維、數(shù)據集的全面性，以及在回答時精準判斷哪些頁面對于用戶獲取準確數(shù)據最為重要。

綜上所述，AI搜索產品并非僅具備搜索功能。原有的搜索市場參與者通過AI技術搶奪并留住用戶；

而新進入者則借助AI拓寬業(yè)務邊界，開辟通往搜索領域的新道路。

無論何種AI搜索產品，其本質目標均在于更好地滿足用戶的搜索需求，即利用AI能力為用戶提供更精準的內容匹配。

經過對比體驗發(fā)現(xiàn)，當前市場上的AI搜索產品在應對泛化信息需求時表現(xiàn)出色，但在垂直領域的精細要求下，往往難以提供專業(yè)、準確、全面的回答。

因此，無論是原生AI搜索還是傳統(tǒng)搜索引擎，在追求低門檻的同時，還需注重產品差異化以形成核心競爭力。

同時，應警惕因缺乏應用場景、數(shù)據支撐和用戶基礎而導致的市場淘汰，因為AI搜索產品的根本驅動力在于用戶需求而非技術本身。

只有在擁有成熟的應用場景和穩(wěn)定的用戶留存基礎上，AI搜索的飛輪才能持續(xù)轉動。

AI搜索面臨工程化和產品化問題

①在于搜索排序算法的設計。相較于傳統(tǒng)搜索引擎主要依賴的基于網頁關系的算法（如PageRank），其計算過程相對簡化。

然而，AI搜索則引入了深度學習、強化學習等高級模型，這要求在海量數(shù)據上執(zhí)行大規(guī)模訓練與優(yōu)化，對算法的性能提出了極高的標準。

據統(tǒng)計，搜索引擎每日需響應數(shù)十億次查詢請求，而當前主流的大型語言模型在每次查詢時均需執(zhí)行數(shù)十次參數(shù)計算，這無疑加劇了整個過程的難度與復雜性。

②實時輸出成為另一關鍵挑戰(zhàn)。隨著用戶對搜索結果實時性要求的提升，任何明顯的延遲都將嚴重影響用戶體驗。

然而，大型模型因其推理過程而常導致反應時間相對較長。

例如，谷歌的LaMDA對話模型在單次交互中，因涉及大量自然語言推理與生成，其計算延遲往往達到數(shù)秒，這對于搜索場景下的即時響應需求構成了顯著挑戰(zhàn)。

③推理準確度是AI搜索的另一核心要求。在極短時間內完成復雜的邏輯推理，以提供最為精準的搜索結果，這既需要算法具備高效的計算能力，又需能夠妥善處理模糊與多義的查詢。

結尾：

在可預見的未來，隨著AIPC、AI手機等智能設備的日益普及，AI搜索有望成為這些設備的核心功能構成部分。

這些設備將預裝AI搜索引擎，進而將搜索流量從傳統(tǒng)瀏覽器遷移至AIPC、AI手機等平臺。

此舉不僅將重塑傳統(tǒng)搜索行業(yè)的格局，確立AI搜索為流量匯聚的主要渠道；

而且，通過語音或手勢與AI搜索進行交互，用戶將享受到更為自然、高效的信息檢索體驗。

部分資料參考：第一財經：《AI算不出9.11和9.9哪個大？六家大模型廠商總結了這些原因》，科技新和：《AI搜索新貴彎道超車難》，周天財經：《AI搜索之戰(zhàn)：誰在成為中國的Perplexity》，AI科技評論：《AI搜索熱潮背后：注定要逾越場景的門檻》，技術領導力：《AI搜索，正在殺死傳統(tǒng)搜索》

       原文標題 : AI芯天下丨產業(yè)丨9.11和9.9大模型全錯，場景將成AI搜索護城河