跳至内容
在一轮轮 AI 基础建设起来之后，目前率先卷起来的应用场景，是「深度研究」。
更准确、更针对、更深入，看到「深度研究」卷成这样，不禁要大呼：完了，搜索引擎都别干了。
Semrush 是一个监测网站的访问流量变化的平台，数字营销及 SEO 在调研中发现，Semrush 统计显示，被认为最容易受到 AI 威胁的维基百科，流量实际上并没有如预期般走低。
月均访问量仍然有 50 亿次，谁说的 Wikipedia 马上就要被 AI 干掉了？
甚至不同于搜索引擎，支持关键词又支持完整句，维基百科是一个「词条」导向的检索方式，纯复古。
AI 搜索不断进化的过程，实际也在不断证明 Wikipedia 的重要性，或者说内容来源的重要性。
早期把 AI 应用到搜索场景中时，它的幻觉是一个严重的问题。尤其是预训练和参数量被视为唯二法则的时候，LLM 有时会给出行文上看起来合理，但实则虚假的回答。
「一本正经地胡说八道」是最常见的形容。比如，去年两位纽约律师遭到了法庭制裁，因为他们提交的文书中，有六个案件引文完全不存在，是律师们在用 GPT 生成时，模型凭空捏造出来的 。
这个例子多少有点离谱，却很典型：在早期 AI 搜索没有被质疑的时候，引用链接还不是常见的设计，导致 AI 直接给出的单一答案往往缺乏透明度，很难核查。
这对于某些领域的工作而言是非常致命的。2022 年，Meta 曾经发布过一版名为「Galactica」的模型，主打科研场景，但没几天就被科研人员大量投诉，Meta 不得不紧急撤回一个发布。
相比之下，传统搜索引擎的排列，有一套规则和判断方式。以 Google 去年发布的 Google’s Search Quality Rater Guidelines 中，提出了一套「EEAT」法则：
简而言之就是，经验、专业性、权威性、可信度，这四个维度，共同构成了 Google 抓取内容时的标准。同时，平台还会根据用户反馈，调整页面排名，使低质内容沉底。这些机制，都对错误信息和低质内容起到了过滤的效果，从而保障整体信息质量。
当然，不能忽略的是，当竞价广告成为传统搜索引擎的主要收入来源之后，这一套机制也要对营收妥协。
不过，传统搜索引擎的形态在很长一段时间内没有发生变化。而 AI 搜索，在过去一两年里快速进步，在形态上发生了翻天覆地的改变。
今年才过去三个月，主流的大模型厂商纷纷推出 Deep Research 服务。从 OpenAI、DeepSeek，到刚推出不久的 Grok 3，以及曾经的弄潮儿 Perplexity，「深度研究」成了一时间，家家都在卷的功能。
所有的 Deep Research 都有一点共性：内容有来源，且来源可追溯。
在以往，AI 生成的回答就是一个完整的段落，让人没法核查。有些即便提供了引用来源，溯源依然有很大的难度。
比如，模型罗列了一大堆网站和文档，但实际只用了其中一小部分内容。或者给出的回答主要靠数据集的「记忆」来生成，而非检索到的文档。
而作为 Deep Research 模式的基本操守，来源是必须有的。在 ChatGPT 的 Deep Research 中，会文内显示来源网站的域名。
Grok 3 里面是在思考过程里列出网址，报告正文有时候会触发出文内引用，有时候没有，看情况。
Perplexity 的方式是数字角标，鼠标悬停时会显示一段介绍网页内容的话。
如果你是老网民，大概率还保留着对域名的敏感。能辨别对.org .edu .gov 这类后缀的潜台词：这是来自机构的网页，有更高的可信度。
像上面 Perplexity 的例子，就是来自商务部的专栏。
Deep Research 加强了内容来源的透明度，这是符合用户习惯的：在搜索信息时，用户不仅要求答案准确，还要求过程透明、结果可验。
到这一步为止，好像都还看不出什么变化：这不都能在站内解决？还有搜索引擎什么事儿吗？
有的，甚至不只是传统搜索引擎，而是核查这个工作，并不是看看网页是不是非法站点就完成了的——这恰恰让人更加无法放弃传统搜索引擎。
AI 搜索节省的是在搜索引擎的列表上，一路点开、查看的操作时间。如果你有一个明确熟悉的领域，效率的提升其实有限。就像 PubMed 之于医学生，arxiv 之于技术人员，github 之于程序员，等等等，简直像「家」一般熟悉。
但这个环节，像是把大块的石头放进瓶子里：两三块可能就塞不下了，却还是有很多空间可以放倒碎石。碎石也倒不了了，还可以倒细沙,直到把瓶子里的每一寸空间都填满。
这些碎石细沙，相当于需要长尾查询的信息，这往往涉及非常具体的细节或小众的知识点——你只能自己判断。
这种场景下，AI 的优势变成了劣势。被高度浓缩和提炼过的信息，没有足够的广度和多样性，反而限制了做判断时的动作幅度。
比方说你想了解一下最新的小米 15 Ultra，「了解」二字的背后其实涉及了很多层面：它价格多少、什么时候上市、与你现在的手机相比如何、它的售价相对于你的银行存款如何、预售排队吗……等等等等。
购买决策是一个复杂的链条，它涉及到外部对比和内部对比，外部对比可以只看同类产品的竞争力，但内部对比就要考虑自己使用、偏好等各种情况——前者可以有 AI 帮忙，后者就纯靠自己拿捏了。
你要对着 chatbot 把自己的家底都唠清楚吗？很难。你要把自己的微信支付账单上传给 AI，让它分析你的财务实力吗？很难。
千头万绪，你最想要了解的，还是汇成了两个关键字：「小米 Ultra」「价格」。
然而这些具体又小众的信息点，并不是人人都能用精准的语言描述出来的。它仍然是一个关键字探查之旅：你最想了解的东西，就是你打出的那个关键字。
有这么一个说法：遇事不决抛硬币的时候，抛出那一刻、硬币尚未落地时，你心中冒出的念头，就是你在找的答案。
在搜索引擎上检索，就是在抛硬币，一次不行抛两次，两次不行抛三次，直到搜集足够多的细沙，把石头的空隙填满。
各类「深度研究」很好用，以后也会越来越好用，但眼下我还不能没有搜索引擎。
我们正在招募伙伴
✉️ 邮件标题
「姓名+岗位名称」（请随简历附上项目/作品或相关链接）
（文：APPSO）
