这一波生成式人工智能（AI）的兴起可谓势不可挡，几乎每隔一段时间就会涌现出新的AI公司和产品。同时，我们也能看到许多曾经风光无限的人选择加入AI创业的浪潮。
就在昨天，前小度 CEO 景鲲公布了离职百度后的新动态，宣布和前小度 CTO 朱凯华联合创立了 AI 创新产品公司 MainFunc，旗下首款 AI Agent 搜索产品 Genspark 已经 Beta 上线。
图/ Genspark
此外，MainFunc 还获得了六千万美元（约合人民币四点三五亿元）的种子轮融资，投后估值直接达到了二点六亿美元（约合人民币十八点八七亿元）。
此时距离他辞任百度集团副总裁兼小度 CEO，刚刚过去 8 个月。耐人寻味地是，他在离开百度后选择的领域恰恰是百度的核心业务——搜索。
不留在百度的体系内做 AI 搜索，而是选择和前小度 CTO 一起自己做，这在一定程度上说明了百度面对 AI 搜索这个全新领域存在一些问题。但更重要的可能还是，景鲲的选择再次证明了很多人相信的一点：
AI 搜索技术，展示出巨大的发展潜力。
但这种「前途」会彻底改变我们获取信息的方式吗？又会打破现有的搜索市场格局吗？
Genspark，又一个有点不同的人工智能搜索引擎
和所有 AI 搜索一样，Genspark 也采用了以对话为主要交互方式的设计，用户提出问题后，Genspark 会生成相关的简短回答，直接给你可能需要的信息，而不是给你可能需要点击、浏览、判断的「十个蓝色链接」。
此外，MainFunc 官方相信，Genspark 可以提供更高质量的搜索结果——也是回答。按照官方的说法，Genspark 使用多个专门的人工智能模型，每个模型都旨在处理特定类型的查询。
在底层，Genspark 依靠内部训练的模型以及来自 OpenAI、Anthropic 等的第三方模型来对用户的搜索查询进行分类，并确定如何组织和呈现结果。比如我们搜索「OpenAI 什么时候推出的 AI 搜索？」（实际没有推出）：
图/ Genspark
Genspark 的每个搜索结果页面首先会呈现 AI 生成的结果摘要，后面是指向更详细的 Sparkpage 的链接，基本上可以理解为针对问题生成的一篇完整回答。最后还有一些推荐链接，这部分就相当于传统搜索引擎的结果页面。
而 Sparkpage，也是 Genspark 区别于其他任何 AI 搜索的独特性交互设计。除了生成一个类似维基百科的详细回答，用户还可以在 Sparkpage 右侧的对话窗口，继续与 AI 进行对话，不管是针对回答的疑惑进行展开，还是针对部分内容进行深入。
图/ Genspark
「我们非常重视数据质量，我们相信数据质量是赢得这场比赛的关键，」景鲲强调。但现实是，在这场 AI 搜索的比赛中，重视数据质量的不仅是他们，参加比赛的对手也是层出不穷。
生成式人工智能引发的搜索革命
曾几何时，以谷歌和百度为代表的搜索引擎可以说是整个互联网最重要的「入口」，基于搜索引擎，谷歌一直以来的使命就是：「整合全球信息，供大众使用，让人人受益。」
但在很长的时间内，搜索引擎的产品形态和商业模式并没有发生质的变化，甚至体验还有所退步。
在传统的搜索体验中，用户通常是脑中存在一个或模糊或清晰的问题和需求，然后需要将这种需求转化成一个或几个相关的关键词。
接着，搜索引擎根据关键词和索引库查找相关的网页链接，然后通过算法排序的方式呈现相关程度最高的网页链接。同时，在搜索结果中还经常穿插几个「伪装成搜索结果」的广告。
图/百度
与之相对的，由于大语言模型实现了强大的自然语言理解能力，用户可以用最自然的自然语言进行搜索，AI 搜索也能够更准确地理解用户的提问意图。
此外，尽管人工智能搜索同样需要匹配超大规模的索引库来查找相关的网页，但在呈现方式上彻底改变了过去信息的组织和设计，不再需要“信息排序”，直接提供答案，无需用户点击排在前的最相关链接，即可获取所需信息。
简而言之，相比传统的搜索体验，AI 搜索是一种交互和效率上质的变化，也被很多人视为搜索的未来。所以即便 AI 搜索严重挑战了现有的搜索广告商业模式，谷歌也还是推出了 AI 搜索。
今年五月十五日，谷歌在 Google I/O 开发者大会上宣布将在谷歌搜索上线基于 Gemini 大模型的 AI Overviews 功能，简单来说，就是根据用户问题在搜索结果页直接生成一个简短的回答，然后才是以网页链接为主的传统搜索结果。
图/谷歌
用过新的 Bing 的读者一定不陌生这种形式，事实上这也意味着谷歌搜索终于也迈出了通往「人工智能搜索」的一步。
相比之下，作为全球第一大中文搜索引擎，百度不仅是国内最早推出自主训练大模型的公司，而且虽然旗下也有主打 AI 搜索的「简单搜索」，但百度搜索却取消了 AI 搜索功能。
而与此同时，由前 OpenAI 研究科学家 Aravind Srinivas 联合几位合伙人共同创办的 Perplexity，已然成为了当下最具代表性和影响力的 AI 搜索。截至今年 1 月，Perplexity 的月活跃用户就超过了 1000 万，访问量超过 4500 万次，总搜索量超 5 亿次。
加上转型 AI 搜索的传统搜索公司，以及一大批新涌现的 AI 搜索初创公司，AI 搜索似乎已经到了「万马奔腾」，一举取代传统搜索的局面。
但 AI 搜索已经到了取代传统搜索的阶段吗？可能还为时尚早。
我放弃了把 AI 搜索作为默认搜索引擎
坦白讲，从去年开始小雷就尝试过将浏览器的默认搜索引擎换成「AI 搜索」，主要是用连英伟达 CEO 黄仁勋都在用的 Perplexity，今年还尝试过将之前中文搜索体验还不错的秘塔 AI 搜索设置成默认搜索引擎。
但实际情况是，我实际上很快就会换回谷歌，原因并不复杂，核心是 Perplexity、秘塔 AI 搜索以及其他 AI 搜索都：
不可靠。
比如刚刚问到的回答，图/ Genspark
但人工智能搜索的本质是可以连接互联网的人工智能。同时，基于RAG技术，大型模型会使用用户提出的问题和相关检索信息作为提示，以便回答。虽然有人认为RAG技术是目前减轻大型模型幻觉的最佳解决方案，但实际上它既不能真正解决问题，也只能在一定程度上减轻这种效果。
具体到 AI 搜索体验中，小雷看到有些回答会明显怀疑一些信息的真实性，这个时候又不得不需要通过谷歌等传统搜索引擎进行检索、查证，因为 AI 搜索的来源链接也充满了幻觉。
但我又不可能每个信息都重新进行搜索、查证，否则就与「使用 AI 搜索提高搜索效率的初衷」背道而驰了。
更大的问题是，如果一些信息不够荒谬，我对一些特定领域也并不了解，很可能不会意识到错误，甚至会直接使用了错误的信息，从而产生错误的理解和观点。
简单来讲，作为能联网的大模型，目前的 AI 搜索很多时候是存在幻觉的黑箱，我很难信任 AI 回答里面的各种信息，所以宁愿退回传统的搜索体验，使用关键词找到相关的网页，再人工寻找和判断我需要的信息。
但这不意味着我会放弃使用 AI 搜索。
首先，大模型的流行注定会改变互联网的内容生态，我们很早就在文章中表达过对生成式 AI 内容充斥互联网的担忧，今年你甚至还可以看到字节跳动、掘金等公司通过 AI 生成了海量中文网页「污染」搜索引擎。
豆包生成的就有 1560 万条，图/谷歌
而不同于传统搜索引擎的机制和交互方式，人工智能搜索理论上相对更容易绕开这种「污染」，同时对话式的交互也能避免了大量无价值内容，提高效率。
其次是在「What」之外，我们经常需要向搜索引擎提出的问题还有「Why」和「How」，这方面对信息的准确性要求较低，更强调整合梳理能力，而这恰恰是大模型极其擅长的，这是小雷需要的。
同时，从更加长远的视角来看，大规模模型和生成式人工智能技术仍然在迅速发展阶段，当前的幻觉问题并不代表在不久的将来会有更好的解决方案。
写在最后
AI 搜索不是救世主。
AI 搜索的出现无疑给我们提供了一种全新的信息获取方式，也带来了不少新的思考和挑战。但在使用 AI 搜索过程中，我们能明显发现了其在准确性和可靠性上的不足带来的困扰。但这并不意味着 AI 搜索毫无价值。
相反，人工智能搜索在整合信息、提升搜索效率以及避免无价值内容方面展示了巨大的潜力。随着技术的进步，生成式人工智能的能力将会更加完善，或许就能解决当前存在的问题。
所以比起一种取代传统搜索的「救世主」，我更愿意把 AI 搜索看作一种新的选择。我们在使用中需要不断探索和适应，找到最适合自己的使用方式。在这个过程中，传统搜索引擎和 AI 搜索并不是互相排斥的，而是可以相辅相成，共同改进我们的搜索体验。
或许在不久的将来，人工智能搜索有望解决当前存在的问题，它比传统搜索方式更能整合全球信息，使其为大众所用，从而让每个人都能从中受益，成为人类获取信息的主要途径。
