在AI技术的浪潮中，搜索领域正经历一场前所未有的变革。从传统的关键词匹配到如今的智能对话和任务执行，AI搜索正在重新定义用户获取信息的方式。本文将深入探讨这场AI搜索混战中的关键玩家：New Bing、纳米AI以及Perplexity。分析它们如何通过技术创新和用户体验优化，在全球搜索市场中崭露头角，甚至挑战传统搜索引擎巨头谷歌的地位。
AI的最广泛应用入口仍旧是搜索，在这个超级通道里，三个玩家已经完成自我革命挤上牌桌。
2022年《纽约时报》报道，ChatGPT发布不久，就有网友使用后给出了很高评价“ChatGPT 好强，能够替代谷歌搜索”，当时谷歌高层对此并不担心，因为这完全在他们的“意料之中”。
但乐观并没有持续多久，谷歌迅速来了一个180度大转弯，Pichai亲手拉响了罕见的红色警报——在谷歌内部，“红色警报”代表的是当前、紧急、直接的危机。比如搜索或者Gmail这样的核心产品突然宕机，即使程序员不睡觉，也必须抢时间立刻修复。
Pichai拉响这次警报，大概的意思是：“你们要把这次ChatGPT对谷歌带来的威胁，当做和谷歌搜索宕机事故一样的严重性看待。”
之前不担心，是因为早在2021年，谷歌就已经使用1.56万亿个单词在内的庞大的文档、对话等样本训练出AI聊天机器人LaMDA(Language Model for Dialog Applications) ，并且LaMDA被《华盛顿邮报》报道后也曾引发轰动，谷歌内部工程师发现LaMDA不仅具有深入思考的能力，而且聊天过程中始终声称自己拥有意识和情感。 LaMDA实际上已经具备了和ChatGPT基本相同的能力。
谷歌已经有自己的同类产品，甚至比ChatGPT问世还早，但是从2021年I/O大会到2022年年底，LaMDA发布已经有一年半的时间了，却仍然没有像ChatGPT那样面向公众大规模开放。
真正让谷歌震撼的是，ChatGPT-3.5，成为了第一个从AI学术界破圈进入主流用户群体的产品，而自己居然没意识到：LaMDA明明更早发布，却落后于ChatGPT，是一个重大的错误，其严重性和紧迫性，应该被当作真实生产环境事故一样对待。
目前市面上的AI搜索产品主要有三大类，一是专门的AI搜索，二是传统搜索引擎加入了AI能力，以及第三类大模型厂商做的有搜索能力的产品。
第一类以Perplexity、纳米AI搜索、夸克AI搜索代表，第二类以New Bing、Google AI Overview为代表，第三类以Kimi、豆包、腾讯元宝为代表。特别是第一类原生AI搜索的当红炸子鸡Perplexity，它引发了众多后来者的“模仿”。
Perplexity是一家神奇的公司，它以“答案引擎”来替代“搜索引擎”，这背后的逻辑——搜索是为了获得答案，答案引擎才是第一性原理。
2023年，Perplexity被Google封杀，完全禁掉流量流入，每天都挣扎在倒闭边缘。
2024年，全世界的投资人都争先恐后地要投资，世界10强公司想高价收购但被它拒绝。
由前OpenAI研究科学家Aravind Srinivas联合几位合伙人共同创办的Perplexity，在没有任何用户基础的情况下MAU（月度活跃用户）超过千万，而这仅用了短短不到两年时间。
这样的快速增长，让许多人注意到AI搜索可能上演的变革——颠覆搜索引擎的往往不是另一个搜索引擎，而是跨界创新、从未见过的新物种。
Perplexity的初代产品是一款自然语言到SQL的转换工具，最初面向企业客户。创始团队在市场调研中发现了传统搜索引擎的几个问题：
传统搜索引擎结果中充斥大量广告，用户体验差。
信息过载导致用户难以快速找到准确答案。
意识到AI能够从根本上革新搜索体验后，Perplexity迅速变换方向，开发出AI驱动的对话式搜索引擎。Perplexity诞生了两个重要的产品创新：
以 AI Overview给出的答案来替代传统搜索的网页排序。
给出的答案标注参考出处，附带了可靠的来源链接，信息可以追溯。
简单来说，Perplexity比Google更懂你的问题，又比ChatGPT多了真实世界的数据感知力。
传统搜索引擎需要用户不停筛选信息，阅读链接，效率低下。DeepSeek等生成式AI虽然方便，但偶尔“幻觉频发” 查学术资料、做投资调研时，很难找到权威且准确的结果。
与传统搜索引擎相比，Perplexity直接给出总结答案，它更高效、更精准。相比DeepSeek和ChatGPT这些chatBot输出的对话内容，又不用担心出现幻觉问题。这是它的价值所在。
Perplexity的高质量回答还体现在学术级精准度。对于查找论文、学术资料的用户来说，Perplexity能显著降低错误率，检索误差减少70%。英伟达创始人黄仁勋曾说他几乎“每天都会用Perplexity”，并且举例，想了解计算机辅助药物研发的时候，就会用Perplexity进行搜索。
Perplexity还有另一个显著特点，它支持连续追问，有点像“AI问答社区”。Perplexity创始团队有来自美版知乎Quora的成员，使用Perplexity时你可以一问再问，它会“记住你前一个问题”，在上下文里逐步深入。不像传统搜索，每次都是“一问一搜”，用户得自己整合答案。
Perplexity的成功，也不仅仅局限在AI阅读网页结合用户提问，在AI Overview后直接给出答案，以及答案会标注信息来源，这些已经成为了现在AI搜索的标配。在源头将用户提问进行深度处理，对问题本身的挖掘也是关键。根据流传的采访片段，Perplexity创始人Aravind Srinivas相信“用户不会有犯错”的信念：
“虽然每个人都有很强的好奇心，但能将好奇心转化为精确问题的人很少。”Aravind Srinivas说，Perplexity因此花了大量时间在处理、分析和重组用户查询的问题上，也就是说，当用户提出相对含糊的问题后，Perplexity会首先将问题处理成更有逻辑的提问方式，即优化用户的Prompt后，才将问题交给模型回答。
像知乎一样“相关问题”和“发现”功能的设计也出于同一逻辑，Aravind Srinivas称，他会亲自参与“发现”选项卡背后的内容挑选，以便持续了解产品是否一直“足够简单，连普通新用户都能轻松理解”。Perplexity首席商务官Dmitry Shevelenko提供的数据称，由“相关的问题”产生的用户查询占据Perplexity总查询量的40%。
持续改进产品，不断提升AI回答质量，同时保持产品容易上手的特性，对新用户友好。Perplexity不仅在巨头的绞杀中脱颖而出，估值更是坐上了火箭：
Perplexity最新的估值来到了140亿美元，ARR在2024年达到了1.2亿美元。根据国内AI产品榜、36kr、硅星人｜沃垠AI 联名发布的第23期 AI产品榜，仅仅在网站（web）端，4月Perplexity的月度访问量达到了1.17亿。
Perplexity称自己为“答案引擎”的原因——作为一个从搜索API到底层大模型都直接“套壳”的产品，Perplexity并不提供直接的搜索能力，而是通过接入API获取了搜索引擎检索的内容之后，再通过GPT-4、Claude等大模型将答案进行总结，最终整理成固定的格式呈现给用户。
换句话说，Perplexity 140亿美元估值建立在精巧的产品设计之上。
Perplexity展示的思路：AI搜索不是搜索，而是高质量的AI overview。Perplexity一系列产品手段，可以总结为——对用户输入问题的“修正、定位和延续”，以及对AI输出回答降低幻觉、增加专业性。
AI搜索产品真正比拼的也不是底层的技术能力，而是技术之上，谁能提供更准确可靠的答案、更快的响应速度、更智能化的用户体验。其中，“准确可靠”是拉开差距的关键，Perplexity的隐忧恰恰也在于此。
AI Overview要想得到高质量的答案，底层数据的质量和数量至关重要。只有底层数据库足够大、容纳的信息足够多、信息更新得足够及时，才能保证大模型在内容获取的时候“有据可依”，从而总结和输出更准确、更有时效性的内容。这也是谷歌为什么在搜索引擎领域常年保持90%以上市占率的原因——他们从1998年成立的第一天起就开始做索引，拥有全世界最大、最全的索引库，能够提供最准确和及时的搜索结果。
因此，想要让搜索结果变得更准确，自建索引库是很重要的解决办法。
目前，绝大多数AI搜索产品都只是接入了传统搜索引擎的API，没有重新做一套底层的搜索系统，只有少部分如秘塔AI搜索（播客和文库板块）、纳米AI搜索以及少数的垂直AI搜索引擎搭建了索引库。这主要是由于接入传统搜索引擎的API已经能解决95%的问题了，加之自建索引库的成本非常高昂，需要大量的人力财力和时间，因此，如果自建的索引库不能提供比Google和Bing的API更加优质的内容，就没有必要自建索引库。
自建索引库的成本有多高呢？360副总裁梁志辉曾经在一次播客中表示，爬取5000万网页的成本大约在100万-200万人民币左右，但是5000万网页对于搜索引擎来说是很小的一个数字，基本上做一个搜索引擎，起码要爬取1000亿的网页；如果要索引全球网页的话，基本上需要3000台-1万台服务器提供支持。
也就是说，做一个最简单的搜索引擎，起码要有20亿-40亿元的预算，这还不包括PageRank（网页排名）的服务器成本、终端厂商的保护费成本和人员成本。这对于任何一家中小型创业公司都是难以逾越的成本。
这也是为什么目前搜索引擎只有谷歌、微软、百度、360等几家大厂在做的原因——做搜索引擎成本太高了，只有大厂才有充足的资金、人才去做这件事。
而除了成本高昂，搜索技术和算法也是相当有壁垒的一件事。以谷歌引以为傲的排名算法为例，它考虑了数百个不同的因素，包括内容质量、用户体验、移动友好性、页面加载速度、安全性等，不仅结构复杂，而且还会根据外界环境实时进行更新。据了解，谷歌平均每天发布6次算法更新，每年高达2000次；而且算法保密度极高，谷歌公司内部都没几个人知道其搜索排名算法的全貌。
可以想见，在如此巨大的成本+超高的技术门槛下，中小搜索引擎/AI搜索公司想要自建面向全网索引库的难度无异于愚公移山。
套壳式产品，接入传统搜索引擎API不仅有“被掌控”的风险，第三方搜索引擎完全可以进行“区别对待”。自建索引库，有更精准可靠的信息来源，却是一件门槛极高的事情。
这也是Perplexity这样AI原生搜索引擎的真正软肋。没有自己的搜索，进行AI Overview时最关键的原始素材——搜出来的内容质量和数量都不能保证。Perplexity单纯靠产品设计，长期来看并不能高枕无忧，有搜索的大厂想复制不难。
一个最近的例子，根据AI产品榜web端最新的数据，纳米AI位列AI搜索中国第一，也超过估值140亿美元的Perplexity；在全球，New Bing悄无声息地登顶。New Bing和纳米AI恰好都有传统搜索的底子，Bing之前一直是全球市场第二，而纳米AI源自360搜索，基本上也处在中国市场第二。两家在传统搜索有积累却无法登顶的公司，在AI搜索出来后，迅速发力。
像谷歌这样的搜索引擎霸主，让它复制一个Perplexity并不难，无论自家搜索还是自己的大模型Gemini，它能完全从底层重新构建。让它纠结的是，在自己传统搜索产品的市场份额非常稳固，商业模式完全定型、异常成熟的时候，是否要冒着收入下降的风险，将搜索改成一个不确定性很高的新形态。
一个没有历史包袱，又有搜索积累的厂商，做AI搜索可能才是真正的狼来了。比如榜单靠前的纳米AI搜索，在360的搜索和浏览器、客户端的技术积累下，产品动作相当快：
以多模融合、循环推理进行AI Overview ，是春节期间第一个接入满血版DeepSeek的AI搜索；
搞免费容量最高的知识库（第二大脑），搜索生成答案从公域走向私域，更加垂直和专业，让搜索开始满足个人和行业的深度定制；
上线MCP万能工具箱，普通用户可以手搓超级智能体；
超级Agent门槛直接拉低。开发深入办公、生活服务的高阶Agent，成为像App Store这样一键下载的App。
纳米AI 还在做对Deep Research（AI深度研究搜索）的进一步扩展，能够以搜索为起点，执行任务、交付结果。用户真正的需求并不是搜索，而是搜索后做购买决策、做旅游攻略、深入研究课题、完成一个视频制作。
纳米AI目前支持以自然语言对话来实现超级搜索。对于用户来说，纳米AI能够从简单交互对话中精准感知用户意图和需求，自主规划相关搜索任务，进行目标任务拆解，每个子任务都能实现独立的深度搜索、调用工具、甚至路由调用高阶智能体，在多轮循环推理和内容生成后，最终交付执行结果。纳米AI超级搜索超越了传统一问一答和简单的大模型信息总结，能够实现从模糊搜索需求到具体任务执行，“端到端”的搜索体验。
当在搜索框输入“预算500-1000，你帮我推荐几个口碑最好的运动休闲的男鞋，鞋子品牌可以是Nike、Adidas和安德玛”。纳米AI超级搜索就将任务拆解为四个子任务，查找购买攻略、分析商品信息、进行商品对比、加入购物车。
每个子任务单独进行信息搜索和MCP工具调用，比如在小红书收集各个品牌的购买攻略。
在淘宝、京东等电商平台，收集和分析相应的商品价格信息。
纳米AI超级搜索更与众不同的地方，子任务拆解也并不仅仅是类似Deep Research的过程，在目标任务的分配中，可以路由到具体的垂直智能体，实际体验下来，功能相当的强悍。
时间跨到2025年5月，Perplexit估值达到了140亿美金，谷歌也开始了“反击”——将包括搜索、浏览器在内的产品，一瞬切换到“AI Model”，特别是搜索，彻彻底底向“AI智能搜索”脱胎换骨。
谷歌搜索将不满足于在生成结果中显示“谷歌摘要”的简单AI Overview，而是直接在结果分类中新增“AI模式”标签，展示效果类似独立AI搜索应用。
其中三个特点几乎跟纳米AI超级搜索“重合”：
纳米AI超级搜索是将复杂意图拆解成子任务，每个子任务都能独立调用搜索和MCP工具。谷歌AI智能搜索，支持复杂、多轮、多模态提问；通过 “query fan-out”机制，将问题自动拆解成多个子查询，深入搜索更广泛网页资源； 并且整合Gemini 2.5定制版本，提升理解力、回应准确性与逻辑结构。
纳米AI在子任务上即可发起类似Deep Research的搜索和信息整合过程。谷歌AI智能搜索则是深度功能拓展：自动生成专家级研究报告，针对复杂查询（如论文研究、技术主题），AI Mode可发起上百次自动搜索，汇总、推理并形成完整引用的深入报告，节省数小时调研时间，适合高等教育、商业研究与学术探索场景。
纳米AI超级搜索可以根据目标，路由到相关智能体去执行子任务，谷歌智能搜索同样是以智能代理（Agentic Capabilities），让AI为你办事。谷歌智能搜索能自动任务执行，当前支持购票、订餐、预约，未来拓展更多场景，还能实现信息同步与结账转接。
更巧的是，纳米AI团队有多年浏览器开发经验，定制了专用的AI浏览器，而谷歌Chrome浏览器中将加入Gemini AI助手，未来将能够“跨多个标签页工作，并代表用户浏览网站”。
移动互联网时代是APP信息孤岛时代，搜索的内容碎片化，这是普遍的用户痛点。纳米AI搜索融合了高阶智能体能力，以MCP工具调用和AI浏览器的Agent浏览动作，模仿人类的computer use，做到了全域搜索，电商、内容、短视频此前互相割裂的内容终于被“统一”。
纳米AI超级搜索和谷歌AI智能搜索，两家都是用AI突破了内容高墙，并且让搜索从排序答案，到搜索意图的完整执行。
AI搜索正在实现从搜索需求理解到交付结果的跨代。屠龙者Perplexity打醒了巨龙谷歌，拥有“传统搜索恶龙”和“AI搜索屠龙者”双重身份的纳米AI搜索和New Bing，正在闷声发财。
作者：Jeff 编辑：杨舟 公众号：市象
本文由 @市象 授权发布于人人都是产品经理。未经作者许可，禁止转载
题图来自 Pixabay，基于CC0协议
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。