劃重點
01AI搜索產(chǎn)品進入3.0時代，通過大模型調(diào)度系統(tǒng)提高搜索效率和準確性。
02360AI搜索采用首創(chuàng)的CoE架構，實現(xiàn)多模型分工協(xié)作，提升搜索質(zhì)量。
03與傳統(tǒng)搜索引擎不同，AI搜索產(chǎn)品更注重知識引擎的建設，實現(xiàn)更全面、深入的檢索。
04由于此，360AI搜索在用戶群體中取得了顯著優(yōu)勢，尤其在中小學生群體中表現(xiàn)突出。
05未來，AI搜索產(chǎn)品將繼續(xù)優(yōu)化算法、提升算力和豐富數(shù)據(jù)，為用戶帶來更智能、更便捷的使用體驗。
以上內(nèi)容由騰訊混元大模型生成，僅供參考
AI原生、智能索引庫，以及大模型調(diào)度系統(tǒng)，是AI搜索的三條護城河。誰能把這些護城河挖得更深，誰就有可能成為引領下一代搜索引擎發(fā)展的主要玩家。
作者｜王藝
從遠古的巖壁記事，到現(xiàn)代的數(shù)字屏幕，幾千年來，人們對信息的追求與渴望從未停止。
無論是公元前記錄了演講和情報的一卷卷莎草紙，還是蒸汽印刷機的出現(xiàn)、收音機和電報電話的發(fā)明、廣播電視的興起，大眾傳播技術以空前的效率和速度把信息傳遞給大眾；互聯(lián)網(wǎng)的發(fā)明，更是將全球連接成了一個巨大的信息網(wǎng)絡，使得信息的獲取變得前所未有的便捷和及時。
可以說，人類發(fā)展的歷史，就是一部信息不斷進化與傳播的歷史，也是一部文明交流互鑒、知識共享與智慧碰撞的歷史。
然而，隨著技術的革新，人類社會的信息也在從稀缺走向豐盈、從匱乏走向冗余。
如今，全世界每年產(chǎn)生1EB到2EB (1EB≈1018B)信息，相當于地球上每個人每年大概產(chǎn)生250MB信息。其中，紙質(zhì)信息僅占所有信息的0.03%，靜態(tài)網(wǎng)頁有上百億，動態(tài)及隱藏網(wǎng)頁則至少是靜態(tài)網(wǎng)頁的500倍。而與之相對的，人的一生只能接觸約6GB信息，大腦則只能存儲約200MB信息。
為了解決人類“針對性尋找信息”的需求，搜索引擎應運而生。從1991年，加拿大麥吉爾大學開發(fā)了能定期搜索并分析FTP服務器上文件名的Archie開始，搜索引擎的發(fā)展一直隨著計算機技術的發(fā)展而不斷演進：從分類目錄時代的Yahoo，到文本檢索時代的AltaVista，到整合分析時代的Google、百度，再到用戶中心時代的微信、抖音、小紅書，搜索引擎不僅極大地提高了人們信息檢索的效率和準確性，更是極大推動了互聯(lián)網(wǎng)生態(tài)的繁榮與發(fā)展。
那在人工智能時代，搜索引擎是什么樣的？無疑是AI搜索。
微軟CEO納德拉曾經(jīng)在2023年2月對外表示，AI加持的搜索引擎，是他在任CEO 9年來微軟公司“最重要的產(chǎn)品”，堪比15年前的云計算；百度創(chuàng)始人、CEO李彥宏也表示，“生成式AI與搜索是天作之合”。
一時間，幾乎已經(jīng)有二十多年未發(fā)生重大變化的搜索引擎好像被按下了“變身按鈕”；沉寂已久的通用搜索引擎市場，也再度風云變幻，群雄競相逐鹿中原。
然而，各路群雄的“打法”和“門派”卻各不相同。
1.搜索引擎3.0Don't make me think
毫無疑問，如今AI大模型已經(jīng)成為了搜索引擎的最大變量。
如果我們以時間的維度，審視近二十年市場上陸續(xù)出現(xiàn)的搜索產(chǎn)品，那么或許可以將搜索引擎的發(fā)展分為個階段：
2000至2022年是搜索引擎1.0時代，以網(wǎng)頁信息的分發(fā)為主，代表產(chǎn)品是Google搜索、百度搜索；
2022至2024上半年是搜索引擎2.0時代，可以就網(wǎng)絡內(nèi)容進行提煉、生成簡單答案，代表產(chǎn)品是Microsoft New Bing、Google AI Overviews；
2024下半年至今是搜索引擎3.0時代，可以通過對內(nèi)容的結構化整合解決問題、發(fā)現(xiàn)和獲取新知，代表產(chǎn)品是Perplexity AI、360AI搜索、天工AI搜索等。
其中，2.0和3.0時代的搜索引擎幾乎都加入了AI大模型的能力，都可以稱為“AI搜索”產(chǎn)品。然而，2.0時代的Microsoft New Bing、Google AI Overviews都是通過在自己原有的搜索引擎上增加了一個AI模塊的方式實現(xiàn)的，大模型只是對原有搜索引擎索引到的網(wǎng)頁進行了簡單總結提煉，仍然是一種“縫合”的思路；而3.0時代的Perplexity AI、360AI搜索等則是充分發(fā)揮了大模型的能力，用AI重構了搜索的底層鏈路，是一種真正意義上的“AI原生搜索引擎”。
而3.0時代的AI 搜索產(chǎn)品， 也可以根據(jù)所面向領域的不同，劃分為三類：
比如最為知名的Perplexity AI，它和360AI搜索等都面向全網(wǎng)最廣泛的用戶，是通用AI搜索產(chǎn)品；Devv AI是一款面向程序員和開發(fā)者群體的代碼搜索工具，Reportify AI則是一款利用 AI 技術為投資者提供深度內(nèi)容問答的工具，它們都屬于垂直AI搜索產(chǎn)品；除此之外，還有Hebbia（企業(yè)文檔和知識庫搜索）、Seek AI（企業(yè)數(shù)據(jù)庫搜索）為代表的企業(yè)級AI搜索產(chǎn)品。
而這其中，用戶體量最大也最具有商業(yè)化潛力的，無疑是通用AI搜索產(chǎn)品。
榜單數(shù)據(jù)可以證明這一點：在今年7月的AI產(chǎn)品榜全球總榜中的前二十名中，通用AI搜索產(chǎn)品就占了四席（New Bing、Yandex、360AI搜索、Perplexity AI）；而在AI產(chǎn)品榜國內(nèi)總榜6-8月前二十名的產(chǎn)品里，通用AI搜索產(chǎn)品也占據(jù)了至少三席。
這其中，表現(xiàn)最為亮眼的，就是360AI搜索：
2024年1月，360AI搜索Web端和App先后上線。3月份，訪問量增速高達1798.76%；4月份，訪問量達到了1188萬次；到了6月份，和360AI瀏覽器一同升級發(fā)布之后，360AI搜索排名一躍而升至國內(nèi)AI產(chǎn)品第二名、AI原生產(chǎn)品第一名。
7月，360AI搜索Web端的月訪問量達到了9369萬次，增速為82.48%，已經(jīng)超過了全球知名的AI搜索產(chǎn)品Perplexity AI，在AI產(chǎn)品榜全球總榜中排名第十一。8月，訪問量則達到了2億次，增速為113.92%，同時成為國內(nèi)第一個月獨立訪客量（UV）超過8000萬的AI產(chǎn)品。
AI產(chǎn)品榜國內(nèi)總榜6、7、8月前五名
在眾多通用AI搜索產(chǎn)品中，為什么360AI搜索成為了率先跑出來的那匹黑馬？
如果要用一句話總結，這句話或許可以是“所見即所得”；如果要用一個詞來總結，這個詞或許可以是“開箱即用”。
騰訊創(chuàng)始人、有著“互聯(lián)網(wǎng)首席產(chǎn)品經(jīng)理”之稱的馬化騰曾經(jīng)給很多人推薦過一本書《Don't make me think》，書名意思為“別讓我思考”。它講的是產(chǎn)品設計的一個原則，即把用戶需要的信息以最直接的形式展示出來，而且要展示得既全面又準確、讓用戶拿來就能用。
《Don't make me think》，作者Steve Krug
“Don't make me think”原則之所以重要，主要是因為做產(chǎn)品是被動的藝術。從心理學的角度來說，做產(chǎn)品和做銷售是兩套完全不同的邏輯：做銷售需要的是“打破防御”，一個好的銷售人員需要充分調(diào)度自己可以呈現(xiàn)的所有資源，抓住用戶心理上小小的滿足或不安，打破用戶的防御，說服用戶，促成用戶的選擇；而一個好的產(chǎn)品經(jīng)理，則可以通過提升產(chǎn)品“易用性”，根本不讓用戶啟動防御。因為意識即防御，所有的思考，都會讓用戶產(chǎn)生顧慮。一個產(chǎn)品如果引發(fā)用戶的啟動意識，讓用戶思考，某種意義上，就是在推開用戶。
而AI搜索作為互聯(lián)網(wǎng)產(chǎn)品的一種，同樣脫離不了這個邏輯。
在所有AI搜索產(chǎn)品中，360AI搜索幾乎把“所見即所得”和“開箱即用”做到了極致不僅能給出準確性、權威性強的答案，無需進行事實核查和交叉驗證，而且可以一鍵復制和導出，極大便利了用戶對所需答案的使用。
比如用戶在搜索中“9.11和9.8哪個大”，很多AI搜索給出的答案都是“因為9.11的十分位數(shù)是1，9.8的十分位數(shù)是8，因此9.11大于9.8”，鬧出了笑話。
問9.11和9.8哪個大，某AI搜索給出的答案
然而，360AI搜索卻能正確比較這兩個數(shù)字小數(shù)點后的十分位數(shù)，給出正確的答案。
問9.11和9.8哪個大，360AI搜索給出的答案
比如，在9月12日上午搜索“臺風摩羯在越南造成了多少人死亡”，360AI搜索給出了截止到9月11日17:30的答案，并且還將數(shù)據(jù)精確到了各個不同的時段：
搜索“臺風摩羯在越南造成了多少人死亡”，360AI搜索給出的答案
比如，我們讓360AI搜索回答一個“將字符串hello反轉(zhuǎn)成olleh”的編程問題，它不僅給出了問題分析和步驟拆解，更是調(diào)用DeepSeek大模型給出了完整的Python代碼：
搜索“將字符串hello反轉(zhuǎn)成olleh”，360AI搜索給出的答案
再比如，我們同時讓360AI搜索和其他AI搜索產(chǎn)品解釋《金剛經(jīng)》里的一句話，360AI搜索給出的答案是最豐富、最詳盡的：
360AI搜索和其他AI搜索產(chǎn)品對“一切有為法，如夢幻泡影，如露亦如電，應作如是觀”的解釋
可以看到，無論是答案長度、信息密度還是時效性、準確程度，360AI搜索的表現(xiàn)都是數(shù)一數(shù)二的。
“對比其他的AI搜索產(chǎn)品，我們生成的內(nèi)容更有結構，也更長。很多AI搜索產(chǎn)品的答案在200字以內(nèi)，而我們答案的平均長度超過 700 字，同樣一個問題，我們從更多的角度做解析，有點像是一個雇了一個百科全書的作者來幫你去寫一個答案。”在接受「甲子光年」采訪時，360集團副總裁、AI產(chǎn)品負責人梁志輝說。
此外，評判一個搜索引擎是否做到了讓用戶“傻瓜式操作”“所見即所得”，觀察它的用戶群體也很重要。往往越是貼近用戶使用習慣的搜索引擎，就能獲得越多的低齡、低心智水平的用戶。
在采訪中，梁志輝向我們透露了這樣一組數(shù)據(jù)：在360AI搜索的用戶群體中，有26%的用戶是中學生，8%的用戶是小學生，中小學生加起來的比例占了34%。
之所以中小學生占比較高， 主要還是因為360AI搜索在產(chǎn)品設計上做到了最大程度貼近用戶。在2019年的360搜索里，有42%的用戶在尋址，21%在找資源，37%在提問題；而到了2024年，在360AI搜索里，尋址的用戶下降到了12%，找資源的用戶下降到了16%，剩下的72%在提問題。而在這72%“提問題”的需求中，就有很大一部分來自中小學生的作業(yè)提問。
“我們直接找了一些中小學的老師，問他們?yōu)槭裁从?60AI搜索，他們說首先能語音輸入，無論是方言還是中英文混雜都能識別出來；其次360AI搜索能一鍵復制和導出。你別小看Ctrl+C、Ctrll+V，其實要教一個小學生學會復制粘貼和做文檔挺難的，但是有了語音輸入和一鍵復制、導出功能，學生不怎么用敲鍵盤，就能搜出結果、獲得文檔”，梁志輝說。
雞兔同籠數(shù)學問題，由360AI搜索一鍵導出
360AI搜索為什么能給出時效性、準確性和權威性更強的答案？
一切，都要得益于AI搜索的三條護城河，它們分別是：更智能的索引庫，和更強大的底層模型系統(tǒng)，以及AI原生。
2.“可計算的知識”AI搜索的第一條護城河
在傳統(tǒng)搜索引擎時代，索引庫就是最重要的護城河；而在AI搜索時代，更智能的索引庫則更是成為了AI搜索產(chǎn)品的重中之重。
在《拆解SearchGPT后，我們發(fā)現(xiàn)了AI搜索的壁壘、突破和未來》一文我們提到，AI搜索最大的壁壘是數(shù)據(jù)，要想得到準確的答案，底層數(shù)據(jù)的質(zhì)量和數(shù)量至關重要：只有底層數(shù)據(jù)庫足夠大、容納的信息足夠多、信息更新的足夠及時，才能保證大模型在內(nèi)容獲取的時候“有據(jù)可依”，從而輸出更準確、更有時效性的內(nèi)容。因此，想要讓搜索結果變得準確，自建索引庫就很關鍵。
由于自建索引庫成本極高、技術難度極大，目前只有Google、百度、Bing等搜索大廠有這個能力，因此它們推出的AI搜索產(chǎn)品也能調(diào)用自家索引庫里的內(nèi)容；而一些大模型廠商推出的AI搜索產(chǎn)品，則更多是接入了Google、Bing等搜索引擎的API，只有很少的幾家自建了小體量的垂直索引庫。
作為2012年就開始做搜索的老牌廠商，360自然擁有數(shù)據(jù)豐富的索引庫，這也是360AI搜索相較于其他AI搜索產(chǎn)品的巨大優(yōu)勢。梁志輝表示，過去十年，360搜索大約爬了1000億個網(wǎng)頁，而且會對索引庫中的網(wǎng)頁做動態(tài)更新，讓索引庫中的數(shù)據(jù)動態(tài)維持在最新的1000億，降低了維護成本的同時，也增強了時效性。
技術和內(nèi)容同步更新，往往才能發(fā)揮出來更大的效用。在傳統(tǒng)關鍵詞索引之外，360AI搜索使用向量索引、KV索引等技術，對索引庫進行了重構，使得索引效率大幅提升。
在AI搜索中，向量索引是通過把一些信息轉(zhuǎn)換成數(shù)字形式的“向量”，這些向量就像是信息的指紋，可以用來描述信息的特點。一段文字就可以通過向量來表示，這個向量包含了這段文字的一些關鍵詞或特征。比如，它知道“蘋果”和“西瓜”在吃的方面很接近，但和“公交車”就完全不沾邊了�？恐@樣的理解，大模型就能更準確地幫我們尋找信息和生成內(nèi)容。
向量搜索原理圖，圖源：FreeAI
除了用AI能力構建更強大的索引庫，360還基于現(xiàn)有的高效索引庫構建了多個知識圖譜層，可以用GraphRAG的方式做檢索，比于傳統(tǒng)的RAG，GraphRAG顯著增強了大語言模型在處理復雜和多樣化私有數(shù)據(jù)集時的性能，可以實現(xiàn)更全面、深入的檢索。
梁志輝認為，如果說以谷歌、百度為代表的1.0時代的產(chǎn)品是“搜索引擎”，以New Bing為代表的2.0時代的產(chǎn)品是“答案引擎”，那么3.0時代的AI搜索產(chǎn)品則應該是一款“知識引擎”在新的應用形態(tài)下，知識是可以被計算的；而知識引擎和答案引擎的區(qū)別就在于，它不只是對搜索到的若干個網(wǎng)頁鏈接進行簡單的總結，而是會在理解用戶問題的基礎上，充分利用大模型的能力，通過關鍵詞索引+向量索引+GraphRAG的方式充分調(diào)用索引庫和知識庫的內(nèi)容，返回給用戶的不只是答案，而是內(nèi)涵和外延更加豐富的“知識”。
而也是以360AI搜索為代表的AI搜索產(chǎn)品和很多AI Chatbot的不同：AI Chatbot每次回答只能進行一次大模型調(diào)用，而AI搜索產(chǎn)品則能在充分理解問題的基礎上，進行任務的分解和規(guī)劃，這期間會涉及多輪次的模型調(diào)用，這類似于OpenAI o1的“慢思考模式”；此外，AI Chatbot返回的答案更多是模型生成的，特殊情況下才涉及RAG調(diào)用，因此生成的答案中有些是沒有參考鏈接的；而AI搜索產(chǎn)品則在用戶每輸入一次query（問詢）的時候都要調(diào)用索引庫和知識庫，會給出豐富的參考鏈接，同時和生成的答案做到一一對應。
同樣問“魯迅和周樹人是什么關系”，AI搜索給出了更豐富的回答和鏈接
目前，AI加持下的360索引庫收錄了大量的高質(zhì)量內(nèi)容來源，包括論文、 知識視頻、訪談節(jié)目、課堂錄音、專業(yè)網(wǎng)站等，未來還計劃加上B站的知識視頻。這些內(nèi)容以大模型最容易理解和計算的方式來抓娶索引、召回，用AI爬蟲抓內(nèi)容，用AI GraphRAG建立知識連接，用 AI 做內(nèi)容召回，擺脫了過去單純依靠關鍵詞匹配的局限性，讓知識真正做到“可計算”“可理解”。
與此同時，360AI搜索給出的回答支持多種文體和風格的改寫，并會被重新收錄進索引庫中。這就通過AIGC的方式，構筑起了自己的數(shù)據(jù)飛輪，也成為了360AI搜索的內(nèi)容和數(shù)據(jù)護城河。
3.“讓大模型‘慢思考’”AI搜索的第二條護城河
眾所周知，人工智能由數(shù)據(jù)、算力、算法三大要素構成。如果說索引庫是AI搜索的數(shù)據(jù)庫，那么大語言模型，就是AI搜索的算法，這構成了AI搜索的第二條護城河。
我們在《拆解SearchGPT后，我們發(fā)現(xiàn)了AI搜索的壁壘、突破和未來》一文中提到，AI搜索的底層原理其實可以用“RAG（Retrieval-augmented Generation，檢索增強生成）”來概括，涉及Retrieval和Generation兩個步驟。其中，大部分的“Retrieval（檢索）”是由傳統(tǒng)搜索引擎的API來完成的，少部分采用自建索引庫的形式；而AI搜索產(chǎn)品主要做的事情就是拿到結果后的“Generation（生成）”，用AI代替人工， 閱讀檢索內(nèi)容， 總結歸納后給到用戶一個直接的答案。
要“Generation”，就涉及對大模型的調(diào)用。目前，大部分的AI搜索產(chǎn)品只會在搜索過程中調(diào)用了一次大模型，單個模型能力有限，無法及時對抓取到的網(wǎng)頁內(nèi)容“去粗取精”“去偽存真”，生成的答案也難免帶有“幻覺”和“噪聲”。
怎么辦？一個模型不行，那就上多個；一次調(diào)用不行，那就多次調(diào)用。發(fā)揮集體的力量，一個好漢三個幫。
360AI搜索，就是這種“一個好漢三個幫”的典型代表。在360AI搜索的整個工作過程中，會涉及對大模型的多次調(diào)用，“我們一次AI搜索的背后包含了至少715次的大模型調(diào)用”，梁志輝說。
以搜索“為什么人只吃肉不會長胖，吃水果和面包會長胖”為例，360AI搜索對大模型的調(diào)用包括以下幾個步驟：
對大模型的密集調(diào)用，不僅會對AI搜索的響應速度造成影響，更是對算力造成了巨大的壓力。大模型加持下的AI搜索，想要實現(xiàn)和傳統(tǒng)搜索一樣快速、精準的問答，算力和模型能力都需要做出巨大的提升。
但專業(yè)性（有更多特定領域的知識）、經(jīng)濟性（節(jié)省算力成本）和泛用性（回答內(nèi)容無所不包）向來是大模型的“不可能三角”。有沒有一種方法，既兼顧回答的通用性和專業(yè)性、保持回答的速度和準確度，又能不消耗過多算力呢？
底層的模型架構就很關鍵。
在很長一段時間以來，MoE（Mixture-of-Experts）架構的稀疏混合專家模型都被認為是Transformer之后大模型下一個發(fā)展趨勢。MoE模型可以只選擇某一專家模型來處理數(shù)據(jù)，這使得模型在推理過程中更為高效，因為大部分專家處于未激活狀態(tài)，從而減少了不必要的計算。
圖源：《Switch Transformers: Scaling to Trillion Parameter Models with Simple and Efficient Sparsity》
然而，盡管MoE架構的模型有著比稠密模型更快的推理速度，但是它仍然有缺點：
MoE模型的專家之間存在競爭關系，每個輸入通常只由一個或少數(shù)幾個專家處理，其余專家不參與，這讓檢索答案的過程不夠靈活；
MoE依賴于路由機制分配任務，如果路由錯誤或某個專家出現(xiàn)故障，可能會影響AI搜索回答的整體性能。
為了解決這一問題，360推出了首創(chuàng)的CoE（Collaboration-of-Experts，專家協(xié)同）架構。與MoE模型不同的是，MoE架構一次只能調(diào)用其中的一個專家模型回答，但CoE架構則能讓多個模型分工協(xié)作、并行作戰(zhàn)，執(zhí)行多步推理。
CoE模型推理過程 圖源：《Collaboration of Experts: Achieving 80% Top-1 Accuracy on ImageNet with 100M FLOPs》
這種多個模型分工協(xié)作的方式使得每個專家都能“發(fā)揮專長”，同時“互相補充”，讓AI搜索在面對不確定或復雜輸入時表現(xiàn)出更好的穩(wěn)定性，輸出更準確、更具有時效性和權威性的內(nèi)容。
綜上，我們可以復現(xiàn)出360AI搜索完整的工作鏈路：首先構建意圖分類模型，對用戶的問題進行意圖識別，接著打造任務路由模型對問題進行拆解，不同的問題可以劃分成“簡單任務”“多步任務”和“復雜任務”，對多個模型進行調(diào)度；最后構建AI工作流，使多個大模型協(xié)同運作。比如面對一道古詩詞中譯英題目，路由模塊就會調(diào)用起翻譯、反思等多個模型，讓這些模型分工配合、共同完成任務。
在古詩詞翻譯任務中，360AI搜索會調(diào)用多個模型協(xié)同完成任務 圖源：360
360AI搜索底層CoE架構中的專家模型，由16家大模型廠商的產(chǎn)品共同組成360與百度、騰訊、阿里巴巴、智譜AI、月之暗面、Minimax等16家主流大模型廠商合作，構建了一個大模型的“專家集群”，這些專家集群共同支撐了CoE架構的混合模型。該混合大模型在翻譯、寫作等12項指標的測試中取得了80.49分的綜合成績，超越了GPT-4o的69.22分；特別是在“弱智吧”和“詩詞賞析”這類比較具有中文特色的問題上，CoE的領先優(yōu)勢更加明顯。
集各家所長的混合大模型能力超越 GPT-4o，圖源：360
這種調(diào)度多個模型共同完成推理任務的方式，就是在用大模型“慢思考”的能力做AI搜索。
“人腦有快思考、慢思考兩種方式。大模型常見的是快思考，問2+2等于幾，它脫口而出。但是真的有復雜的問題，比如寫一篇論文、做分析，人類是需要慢思考，需要調(diào)動規(guī)劃和反思、邏輯推理能力，速度慢，但準確性高。大模型目前只有快思考沒有慢思考的能力，我們提出用Agent的框架打造慢思考的系統(tǒng)，通過知識和工具、增強大模型的規(guī)劃，打造大模型的慢思考的能力。”在ISC.AI 2024大會的演講中，周鴻表示。
從技術層面來說，360獨創(chuàng)的CoE架構模型，也是在模型的“慢思考”推理上下功夫。如今，在眾多廠商瘋狂囤算力訓練大模型的情況下，推理的價值被大大低估了：以OpenAI最新發(fā)布的OpenAI o1模型為例，該模型用強化學習的方式增強了推理能力，使得模型在作出回答之前會像人類一樣進行1020秒的“深思熟慮”，產(chǎn)生一個長長的內(nèi)部思路鏈，能夠嘗試不同的策略并識別自身的錯誤。這也證明了Scaling Law在推理領域的有效性，硅基流動創(chuàng)始人袁進輝就認為，在推理上多花點算力比在訓練上繼續(xù)投入算力收益要大得多。
OpenAI o1模型在預訓練、訓練和推理階段的投入 圖源：X @Jim Fan
但面對CoE模型， 也有人提出了質(zhì)疑調(diào)用這么多模型，AI搜索的經(jīng)濟賬如何算？一次AI搜索的成本會不會太高？
答案是：并不會。
首先，在激烈的價格戰(zhàn)之后，國內(nèi)很多第三方模型的價格已經(jīng)很低了，每百萬Token的價格從1塊錢降低到了8毛錢、5毛錢，甚至直接免費；其次，360采用的并不是千億參數(shù)的大模型，而是一些百億，甚至十幾億參數(shù)的小模型，參數(shù)的減少加上360獨有的推理技術共同降低了推理成本；第三，很多大模型廠商極其渴望用戶，為了獲取用戶甚至不惜虧本賣，而360擁有5億瀏覽器用戶和10億桌面用戶，“他們API的價格比我們自己的還低很多”，梁志輝坦言。
2024年5月，單次搜索的成本還高達2毛的360AI搜索，得益于上述種種舉措，今天單次搜索的成本已經(jīng)降低到了12分，可能是國內(nèi)AI搜索產(chǎn)品里最低的。目前，360AI搜索已經(jīng)實現(xiàn)了商業(yè)閉環(huán)，也就是說收入基本上能夠跟推理成本打平，“只要能夠做到不虧，未來我們就有機會通過擴大用戶規(guī)模賺到更多差額”，梁志輝說。
在眾多AI產(chǎn)品還在燒錢運營、燒錢換用戶的情況下，360AI搜索率先打平了成本甚至獲得了些許盈利，無疑是給市場帶來的一個驚喜。360的AI搜索的成功也證明，AI對于搜索來說并不是偽命題，反而是搜索引擎發(fā)展的最大變量。誰能抓住這一波AI的機會，誰就有可能成為引領下一代搜索引擎發(fā)展的主要玩家。
4.“AI原生”AI搜索的第三條護城河
AI時代來臨后，各家企業(yè)都加大了對于“AI原生應用（AI Native App）”的探索。不少從業(yè)者認為，如果企業(yè)實現(xiàn)了AI 原生，將會給企業(yè)帶來質(zhì)的飛躍。麥肯錫也表示，“向 AI 原生過渡可能是推動企業(yè)增長和更新的關鍵。”
然而，關于什么才是“AI原生產(chǎn)品”應用的定義，市場上的觀點卻不一而足：有人認為建立在大模型之上的Chatbot、文生圖等應用就是AI原生產(chǎn)品；也有人認為能夠用自然語言交互且充分利用大模型的理解、生成、推理、記憶等能力的產(chǎn)品才是AI原生產(chǎn)品。
在360集團副總裁梁志輝看來，AI原生產(chǎn)品需要的不只是用戶交互等“前臺”的變革，更需要“后臺”技術鏈路的同步革新；此外，一款產(chǎn)品能不能把AI的“長處”（如數(shù)據(jù)處理、自動化和決策支持）發(fā)揮出來，也是判斷它能否被稱之為“AI原生產(chǎn)品”的標準。
不難發(fā)現(xiàn)，無論是問題識別、意圖改寫、信息源檢索、索引庫的構建還是RAG，360用AI重構了搜索的每一個鏈路：
比如在意圖識別環(huán)節(jié)，依托多年做搜索積累的意圖分類、技能分類以及領域分類知識，對用戶需求予以分析，訓練出能夠識別超 1 億種意圖分類的專用模型，支持4000種意圖分類、100種技能分類和1000種領域分類；
比如在任務路由環(huán)節(jié)，通過技術攻關，訓練出了具有超強能力的任務路由模型，通過任務拆解和多步推理的機制，大幅度提升了復雜問題的解決率；
比如在CoE專家網(wǎng)絡模型的推理環(huán)節(jié)，依據(jù)千萬數(shù)量級用戶的日常饋，揀選真實搜索題目，構建起具有可持續(xù)性的大模型能力測試平臺，可以將合作方的16家大模型一一匹配適宜的場景、按需進行統(tǒng)籌調(diào)度，實現(xiàn)了知“模”善用；
再比如在構建AI工作流環(huán)節(jié)，在CoE專家網(wǎng)絡模型之外，還建立起了200多個“垂搜（onebox）”，這些垂搜覆蓋了列車時刻表、天氣、資訊等不同的領域，可以從多個來源獲取實時的消息，為AI搜索提供更準確、更具有時效性的答案。
360AI搜索工作流程圖 圖源：360
可以說，相比于其他的AI搜索產(chǎn)品，360AI搜索重塑的不只是用戶交互環(huán)節(jié)，更是后端的一整個流程。
「甲子光年」曾經(jīng)在《大模型套殼祛魅：質(zhì)疑套殼，理解套殼》一文中提到了套殼的五重進階：
圖源：《大模型套殼祛魅：質(zhì)疑套殼，理解套殼 | 甲子光年》
而360AI搜索的“主力模型+16家大模型聯(lián)合調(diào)用”的CoE模式，真正做到了“第五重進階”，也就是從預訓練階段就開始發(fā)力，從主力模型（360智腦）就開始為后來推出AI搜索產(chǎn)品做準備，真正做到了不僅用AI變革前端鏈路，更是把后端鏈路做厚、做深。
和360AI搜索思路類似的還有其他的一些AI產(chǎn)品：比如AI翻譯產(chǎn)品彩云小譯，就在原有產(chǎn)品的基礎上，加入了AI翻譯大模型和多個不同功能的智能體，可以實現(xiàn)視頻字幕翻譯、候選詞替換、翻譯過程中的AI問答等多個功能；再比如最近大火的、讓所有程序員都為之瘋狂AI編程產(chǎn)品Cursor，不僅推出了可以補全和多行編輯代碼的Cursor Tab，更是可以自動將偽代碼轉(zhuǎn)換為可執(zhí)行代碼，還支持AI review（用AI檢查最近改動的代碼、生成修改建議）、Composer（在單文件多行修改PR的基礎上，進一步支持多文件編輯PR的生成）以及用AI Chat進行交互。這些產(chǎn)品都做到了用大模型改造后端鏈路、將AI能力滲透到了流程的每一個環(huán)節(jié)，進而實現(xiàn)了更智能化的使用體驗。
可以說，在未來，只有從底層就開始用AI做變革、將AI能力浸潤到每一個環(huán)節(jié)的產(chǎn)品，才能真正吸引用戶、構筑起自身的護城河，也才能稱得上是真正的“AI原生產(chǎn)品”。
從最初的Chatbot到多Agent聯(lián)用的AI翻譯、AI編程、AI客服產(chǎn)品，從簡單加個LLM作總結到如今有著CoE架構、可以多次調(diào)用大模型實現(xiàn)更精準、全面回答的AI搜索產(chǎn)品，AI產(chǎn)品的發(fā)展過程，是工作流從簡單到復雜、從一元到多元的過程，也是一個不斷自我迭代、更新與融合的過程。在這一過程中，我們見證了技術從簡單向復雜的邁進，也見證了互聯(lián)網(wǎng)產(chǎn)品從滿足用戶基本需求到深度理解用戶意圖的轉(zhuǎn)變。其中的每一步進展，都凝聚著科研人員的不懈努力和對技術邊界的持續(xù)探索。
未來，隨著算法的不斷優(yōu)化、算力的持續(xù)提升以及數(shù)據(jù)的日益豐富，AI產(chǎn)品也將展現(xiàn)出更加強大的能力，更加緊密地融入到人們的工作生活中，開啟一個更加令人激動的智能時代。
就像一棵樹，只有樹根扎得越深、越牢固，這棵樹才能長得枝繁葉茂，才能開出美麗的花、長出甜蜜的果實。
（封面圖來源：「甲子光年」使用AI工具生成）
