Indsigt i den generative AI-søgeindustri

Med den hurtige udvikling af generativ AI-teknologi, søgemaskiner gennemgår en dybtgående transformation og udvikler sig gradvist til intelligente produktionsværktøjer. Fremkomsten af ​​generativ AI-søgning har bragt nyt vækstrum til søgemaskineindustrien. Mens traditionelle søgemaskiner er stærkt afhængige af søgeordsmatchning for at vise brugerne en række relevante links, generativ AI-søgning forstyrrer denne model. Ikke alene har den en dyb forståelse af semantik og kontekst, men det kan også direkte generere præcise svar, giver brugerne en hidtil uset og bekvem søgeoplevelse. I denne artikel, vi introducerer produktformularen, tekniske principper, og markedskonkurrencemønster for generativ AI-søgning, og analysere dens fremtidige udviklingstendenser og udfordringer.

Generativ AI Søg produktoversigt

I udviklingen af ​​søgemaskiner, brugere er migreret fra pc-søgning til mobil APP-søgning, og den nuværende anvendelse af stormodelteknologi har forvandlet søgning til en åben, generativ intelligent Q&En multi-rund interaktiv proces, hvilket har forbedret interaktivitet og intelligens markant. Traditionelle søgemaskiner har begrænsninger med hensyn til resultatnøjagtighed, brugerkontekstforståelse, opdateringer i realtid, og anvendelsen af ​​generativ AI-teknologi. Går ind i den generative AI-søgningsfase, søgning er brugercentreret, fokuserer på præcist at forstå søgehensigten, og stræber efter at opnå problemfri end-to-end opgavebehandling, med funktioner som semantisk forståelse, personlig anbefaling, tværmodal og tværsprog hentning, og indholdsgenerering.

De vigtigste typer generative AI-søgeprodukter omfatter:

Den ene er internetsøgning. Internetsøgning er en vigtig form for generativ AI-søgemaskine, som hovedsageligt søger efter massiv offentlig information på internettet. Sådanne søgemaskiner omfatter opgraderede versioner af traditionelle søgemaskiner, såsom Baidu (Baidu Search AI Discovery Edition), Microsoft (NewBing), Google (Bard). På samme tid, den dækker også nogle innovative AI-søgeapplikationer baseret på samtaler, såsom Perplexity AI og Myta AI, som fortsætter med at tiltrække brugere gennem innovative funktioner gennem dyb integration af teknologi og brugeroplevelse, og prøv at udfordre traditionelle søgemaskiners position.

Den anden er indlejret søgning i platformen. In-platform søgning er en anden almindelig type generativ AI-søgemaskine. Det eksisterer normalt som et funktionelt modul på platformen og er specifikt designet til at søge efter private data inden for platformen. Kernefordelen ved denne type søgemaskine er, at den kan bruge den store mængde brugeradfærdsdata, præferencer, historiske søgeregistreringer og andre oplysninger akkumuleret af platformen for at give brugerne tilpassede søgeresultater. For eksempel, Leonardo da Vinci fra Xiaohongshu bruger AI-teknologi til at analysere brugere’ præferencer og behov, optimere søgeresultaterne, og give nøjagtige indholdsanbefalinger.

Den tredje er den interne søgning af virksomheden. Intern søgning er legemliggørelsen af ​​generative AI-søgemaskiner i applikationer på virksomhedsniveau. Det beskæftiger sig hovedsageligt med virksomhedens interne data, såsom ustrukturerede data såsom dokumenter, e-mails, rapporter, etc. Disse data er ofte kritiske for forretningsdrift og beslutningstagning, men på grund af dets store volumen og mange forskellige formater, traditionelle søgemetoder har ofte svært ved at udtrække og udnytte denne information effektivt. Gennem den dybdegående forståelse og bearbejdning af disse data, AI-søgning kan hjælpe medarbejderne med at udtrække den information, de har brug for, fra massive interne data mere effektivt, derved forbedre arbejdseffektiviteten og beslutningstagningskvaliteten.

Grundlæggende tekniske principper

Kerneteknologierne i generative AI-søgemaskiner inkluderer naturlig sprogbehandling (NLP), dyb læring, og vidensgrafer. Disse teknologier gør AI i stand til at forstå semantikken i forespørgsler, overskride begrænsningerne for søgeordsmatching, og give brugerne mere præcise svar gennem kontekstuel tilknytning. Det gør det i flere trin:

1. Forstå forespørgselshensigten: Brug naturlig sprogbehandlingsteknologi til præcist at forstå hensigten med brugerforespørgsler og bryde igennem begrænsningerne ved traditionel søgeordsmatching.

2. Hentning og behandling af data: Ved at få adgang til et stort antal datakilder, kombineret med vidensgrafer eller databaser, relevant information kan hurtigt filtreres fra.

3. Generer svar: Kombineret med generativ AI-teknologi baseret på store modeller, sammenfatte resultaterne af forespørgslen og generere svar i naturligt sprog i stedet for en simpel liste med links.

4. Personlige anbefalinger: Tilpas personlige søgeresultater baseret på brugerens historiske adfærd, præferencer, og kontekst.

Generative AI-søgemaskiner leverer effektive og nøjagtige søgeløsninger ved dybt at integrere traditionelle søgemaskiner med AI semantisk forståelsesteknologi, kombinere domænespecifikke datakilder og indeksdatabaser, og bruger store modelgenereringskapaciteter, især når man beskæftiger sig med komplekse forespørgsler. Dens kernekonkurrenceevne ligger i kvaliteten og mængden af ​​data, og selvbyggede indeksdatabaser er afgørende for at sikre indholdets nøjagtighed og aktualitet, hvilket er nøglen til at forbedre nøjagtigheden af ​​generative AI-søgninger.

Sammenligning mellem den traditionelle søgeproces og AI-søgningsprocessen

Den underliggende mekanisme for generativ AI-søgning er baseret på “Retrieval Enhanced Generation” (KLUD), som kombinerer hentning af traditionelle søgemaskine API'er og selvbyggede indeksdatabaser, og bruger store modeller til at læse og opsummere indhold for direkte at give brugernes svar. På nuværende tidspunkt, Generative AI-søgeprodukter er for det meste afhængige af traditionelle søgemaskine-API'er som internetdataunderstøttelse, men ikke alle traditionelle søgemaskiner har åbne grænseflader, og de fleste startups bruger Bings eksterne grænseflader, såsom Forvirring, hemmeligt tårn, Kædevirksomheder, etc., og indenlandske virksomheder som Baidu og 360 Åbn ikke API-grænseflader. På samme tid, API'er såsom generative store modeller såsom ChatGPT bruges til inferens og generering, semantisk forståelse, triage, og procesdesign af problemer udføres i henhold til forskellige forretningsscenarier, og den bedst egnede størrelsesmodel for hvert scenarie eller proces vælges til slutning eller generering, såsom 360 AI-søgning har 9 store modelkald. De fleste AI-søgestartups vil have nogle datakilder og indekser inden for deres egne specifikke områder for at øge deres konkurrencemæssige differentiering. For eksempel, Secret Tower AIs podcasts og biblioteker, 360 har fornyet den originale søgeindeksdatabase, etc.

Konkurrencedygtigt landskab på markedet

Med den kontinuerlige udvikling af kunstig intelligens-teknologi, “generativ AI + søgemaskine” er blevet et nyt spor, og konkurrencen bliver stadig hårdere. En række produkter og applikationer er dukket op på søgemaskinemarkedet, danner en levende industriel økologi. Hver deltager nærmer sig fra forskellige niveauer og stræber efter at indtage en plads.

Traditionelle søgemaskineleverandører: Ved at integrere AI-teknologi for at optimere den traditionelle søgeoplevelse, og i kraft af deres teknologiske fordele, data, og kapital, de vil udvide deres konkurrencemæssige fordele inden for generativ kunstig intelligens, og samtidig indtage en vigtig position på AI-søgemarkedet. Microsoft integrerede ChatGPT med søgemaskiner for at starte “Ny Bing”, som for første gang demonstrerede applikationspraksis og udviklingsmuligheder for generativ AI inden for søgning. Baidu lancerede Wenxin Yiyan og integrerede det i sin søgetjeneste.

Store modelproducenter: Kom ind i søgefeltet med generativ AI-teknologi, lancerede værktøjer, der kombinerer samtale og søgning, og stolede på stærke tekniske egenskaber til at levere kernealgoritmeunderstøttelse til AI-søgning. For eksempel, OpenAIs AI-søgeværktøj SearchGPT kan få adgang til information fra internettet i realtid, sigter mod at give brugerne mere rettidige og nøjagtige oplysninger. The Dark Side of the Moon lancerer “Kimi Discovery Edition”, når brugere indtaster et søgeord eller et spørgsmål for at søge, hovedsiden viser AI-genererede oversigtssvar, og i højre side af siden er “Websøgning” kolonne, som viser kilden til websiden inklusive billeder og AI-læsning.

Internetleverandører: Stoler på deres dybe anvendelsesgrundlag og fordele, de har intensivt implementeret generativ AI-søgning, og mange applikationer har lanceret tjenester tæt relateret til AI-søgning. For eksempel, Zhihus AI-søgeprodukt, Zhihu direkte svar, lanceret en professionel søgefunktion; Det “Intelligent Q&EN” tjenesten lanceres i søgefeltet i Kuaishou APP, og AI hjælper brugere med at søge og besvare relevante spørgsmål. Selv forskellige afdelinger i samme virksomhed kæmper for at lancere deres egne AI-søgeprodukter. For eksempel, ByteDances Douyin, Toutiao og Feishu udforsker forskellige brugerbehov og scenarier. Feishu har udviklet en lokal søgemaskine for at forbedre brugernes bekvemmelighed, når de leder efter information, mens Douyin e-commerce har optimeret sin shopping guide søgefunktion ved hjælp af AI-teknologi.

Startups: Stig op med innovativ brugeroplevelse og hurtige iterationsmuligheder, sprøjte ny vitalitet ind i søgemarkedet og opfylde personlige og professionelle behov. For eksempel, Quark har fået udbredt opmærksomhed og kærlighed fra brugere for sit forenklede produktdesign, one-stop service, og fremragende ydeevne i vertikale segmenteringsscenarier. Leverandører som Perplexity har også skabt sig en niche på AI-søgemarkedet gennem deres unikke teknologier og produktfunktioner.

Fremtiden for generativ AI-søgning

Eksplosionen af ​​AI-teknologier og -applikationer har bragt den generative AI-søgeindustri ind i en ny fase af hurtig udvikling, og efterhånden som innovative produkter fortsætter med at dukke op, generativ AI-søgning omformer gradvist markedslandskabet for traditionelle søgemaskiner. Ifølge Gartner, ved 2026, antallet af besøg på traditionelle søgemaskiner kan falde med 25%, mens antallet af brugere af AI-søgeprodukter vil vokse hurtigt, gradvist nærmer sig brugertærsklen for super apps. På samme tid, formen for generative AI-søgeprodukter er blevet opgraderet, og søgemaskiner er ikke længere begrænset til rollen som informationsindsamlingsværktøjer, men går over i form af integrerede informationsbehandlingsprodukter, og er forpligtet til at realisere en tværmodal søgeoplevelse. I fremtiden, generativ AI-søgning vil integrere søgning, integration, forfining, og skabelse til en all-round intelligent assistent og lede et nyt benchmark i branchen.

Selvom generative AI-søgemaskiner viser store markedsudsigter, deres udvikling står stadig over for mange udfordringer. Fra et teknisk synspunkt, der er en betydelig forskel mellem indenlandske produkter og lignende udenlandske produkter med hensyn til teknologisk modenhed, originalitet og innovationsevne. Med hensyn til markedet, kommercialiseringsvejen er stadig ved at blive udforsket, og en moden forretningsmodel er endnu ikke blevet dannet, kombineret med den hurtige vækst i efterspørgslen efter computerkraft, hvilket har medført store omkostningsudfordringer. Med hensyn til data, manglen på dataindsamlings- og behandlingsteknologi af høj kvalitet er blevet en vigtig flaskehals, der begrænser den videre udvikling af generativ AI-søgeteknologi. Inden for sikkerhed, databeskyttelse og sikkerhedsspørgsmål har tiltrukket sig stor opmærksomhed fra brugerne, og spørgsmål såsom autoriteten og nøjagtigheden af ​​søgeresultater, beskyttelse af brugernes privatliv, og indholdsægthed skal løses omgående.