作為AI 2.0 時(shí)代的產(chǎn)品人，工作之余總會(huì)關(guān)注一些當(dāng)下熱門或新興的AI應(yīng)用，并思考其背后的用戶場(chǎng)景和產(chǎn)品策略。這兩天有朋友聊到“問答引擎 Perplexity AI 在C端崛起的背后邏輯”。這引起了作者的思考：在國(guó)內(nèi)，Perplexity AI 所依托的大模型搜索能力的2C應(yīng)用怎么落地更有價(jià)值？

本篇小編將針對(duì)這一問題進(jìn)行一系列的思考闡述，歡迎感興趣的朋友與小編進(jìn)行討論。

問答引擎之 Perplexity AI：

• Perplexity AI 問答引擎解決了用戶什么需求？
• Perplexity AI 問答引擎的商業(yè)模式是什么？
• Perplexity AI 問答引擎是否有望平替?zhèn)鹘y(tǒng)搜索引擎？

問答引擎之 國(guó)內(nèi)競(jìng)品：

• 天工AI搜索 較 Perplexity AI 有哪些不同？
• 天工AI搜索 在國(guó)內(nèi)定位是問答搜索引擎嗎？
• 天工AI搜索 在國(guó)內(nèi)2C場(chǎng)景的生存空間在哪？

01?問答引擎（海外）：Perplexity AI

由于 Perplexity AI 目前是明星級(jí)AI產(chǎn)品，網(wǎng)絡(luò)上有很多大佬已經(jīng)對(duì)其產(chǎn)品介紹、場(chǎng)景特點(diǎn)等方向進(jìn)行了深度分析，小編就不在此班門弄斧了。有興趣的朋友，可以自行查找。

1. Perplexity AI 問答引擎解決了用戶什么需求？

作為產(chǎn)品人，在進(jìn)行產(chǎn)品方案設(shè)計(jì)時(shí)的第一步就是要搞清楚，產(chǎn)品解決方案是給誰用的。因此本文的第一個(gè)思考點(diǎn)就從這個(gè)問題開始。

Perplexity AI 的主要產(chǎn)品功能，小編總結(jié)如下：

• 對(duì)話式問答：Perplexity AI 依托于LLM能力，通過對(duì)用戶問題的語義理解，實(shí)時(shí)搜索相關(guān)文獻(xiàn)，總結(jié)答案并顯示引用來源。較傳統(tǒng)搜索引擎的列表式回答交互，更加便捷。
• 搜索助手：Perplexity AI 的 Copilot功能，可在用戶提問后，通過問題理解后的子標(biāo)簽推薦，幫助用戶更好的定位問題的關(guān)鍵詞，進(jìn)一步提高回答的準(zhǔn)確性。
• 垂類精搜：搜索時(shí)可選擇學(xué)術(shù)、寫作、YouTube等垂類領(lǐng)域，進(jìn)行定向搜索。
• 鏈接分享：用戶可以將每次搜索會(huì)話的鏈接分享給他人，如果這次搜索會(huì)話仍在繼續(xù)，所有被分享的人也將可以同步看到。

從功能總結(jié)以及小編的使用體驗(yàn)后，小編分析的主要用戶場(chǎng)景：

• 知識(shí)獲?。篜erplexity AI可以幫助用戶更高效的獲取知識(shí)點(diǎn)，無論是具體的事物還是抽象的概念，都可以通過Perplexity AI進(jìn)行搜索，但僅限于有行業(yè)共識(shí)或相當(dāng)標(biāo)準(zhǔn)化的知識(shí)點(diǎn)問答。
• 輔助寫作：對(duì)于學(xué)生或者科研人員來說，Perplexity AI 可幫助其在寫作時(shí)，對(duì)參考文獻(xiàn)及知識(shí)進(jìn)行快速的解答，提高寫作效率。

看到這里，已經(jīng)對(duì) Perplexity AI 有過了解的朋友，可能會(huì)有兩個(gè)疑問：

• 為什么是僅限于有行業(yè)共識(shí)或相對(duì)標(biāo)準(zhǔn)化的知識(shí)點(diǎn)問答？
• Perplexity AI 的 Copilot功能可以幫助用戶在生活及購(gòu)物方向通過垂搜進(jìn)行輔助決策，為什么小編沒有提到？

對(duì)于這第一個(gè)疑問，小編先舉個(gè)例子方便大家理解：

• 我想轉(zhuǎn)行AI 2.0 產(chǎn)品經(jīng)理，我需要懂什么？
• 我想轉(zhuǎn)行AI 2.0 產(chǎn)品經(jīng)理，有什么推薦的課程或分享嗎？

對(duì)于第一個(gè)問題，行業(yè)內(nèi)有一個(gè)相對(duì)通用的評(píng)定標(biāo)準(zhǔn)，比如要懂大模型特點(diǎn)及邊界、要懂如何定義數(shù)據(jù)集、不同的應(yīng)用賽道要懂其業(yè)務(wù)場(chǎng)景和用戶需求等。這個(gè)問題我們用 Perplexity AI 可以得到一個(gè)相對(duì)靠譜的答案。

對(duì)于第二個(gè)問題，行業(yè)內(nèi)目前是沒有一個(gè)有共識(shí)的答案。Perplexity AI 在目前的回答策略下將無法給出我們一個(gè)靠譜答案。你可能會(huì)說“我可以通過不斷的提問，讓Perplexity 回答出我想要的答案呀。”那此時(shí)小編想說：你有這時(shí)間，用B站、小紅書、微信公眾號(hào)也已經(jīng)搜到了，哪怕是百度都有很多參考答案。

基于以上的案例，小編得到的結(jié)論是：基于用戶搜索成本考量，Perplexity AI 目前能提供的問答搜索場(chǎng)景的邊界是僅限于有行業(yè)共識(shí)或相對(duì)標(biāo)準(zhǔn)化的知識(shí)點(diǎn)問答。

對(duì)于第二個(gè)疑問：為什么小編認(rèn)為 Perplexity AI 無法幫助用戶在生活及購(gòu)物方向通過垂搜提高輔助決策？小編也通過舉個(gè)例子方便大家理解：

• 元旦在北京，有哪些可以跨年的地方？
• 我想買個(gè)Windows筆記本用于AI繪畫，你有什么推薦？

對(duì)于這兩個(gè)問題，小編的問題出發(fā)點(diǎn)是“元旦跨年，在北京，我想找個(gè)攻略，或者看看別人的建議。” 和“我想買個(gè)用于AI繪畫的筆記本，現(xiàn)在市面上哪個(gè)款式性價(jià)比高，用戶評(píng)價(jià)好?！边@又回到了第一個(gè)結(jié)論。在我們對(duì)某一個(gè)需要付出一定量級(jí)的試錯(cuò)成本時(shí)，我們需要的信息分為標(biāo)準(zhǔn)信息和參考信息。

目前的 Perplexity AI 由于其數(shù)據(jù)源獲取和回答策略的限定，它只能回答我的標(biāo)準(zhǔn)信息，如景點(diǎn)特點(diǎn)、筆記本參配等。它無法回答我“高贊的跨年攻略是什么”“哪個(gè)筆記本的用戶評(píng)價(jià)好”。因此基于以上的思考分析，小編得到的結(jié)論是：基于用戶試錯(cuò)成本考量，Perplexity AI 目前尚不具備通過垂搜能力為用戶提供行動(dòng)輔助決策的能力。

那么基于這樣的思考路徑，又出現(xiàn)了兩個(gè)問題：

1. 問答引擎是否在解決了數(shù)據(jù)源獲取，優(yōu)化了回答策略后，就可以回答我這個(gè)問題了呢？
2. 為什么 Perplexity AI 在當(dāng)前階段要進(jìn)行在生活及購(gòu)物方向進(jìn)行垂搜探索？

第一個(gè)問題中提到的數(shù)據(jù)源獲取，這是一件門檻極高的事情，對(duì)于各垂類領(lǐng)域的企業(yè)內(nèi)容數(shù)據(jù)是其企業(yè)的核心競(jìng)爭(zhēng)力之一。而公域的數(shù)據(jù)源又沒辦法解決用戶千人千面的需求。那有沒有什么間接的解決方案，小編是有一個(gè)思路的，這一點(diǎn)小編先賣個(gè)關(guān)子，在第三章中會(huì)給出答案。

回答策略優(yōu)化這件事，在小編看是一個(gè)搜索效率和答案豐富度之間的平衡。如何即可以保證答案的聚焦性（頁面簡(jiǎn)潔、無硬廣、無不相關(guān)信息）又要給出足夠量級(jí)的參考建議（非標(biāo)答案）。這個(gè)小編才疏學(xué)淺，目前沒想到什么好的方式。第二個(gè)問題，在小編看來是Perplexity AI 當(dāng)前的商業(yè)模式并不足以支撐其龐大的用戶增長(zhǎng)而導(dǎo)致的不得不進(jìn)行更多場(chǎng)景的可行性探索。

2. Perplexity AI 問答引擎的商業(yè)模式是什么？

了解 Perplexity AI 的朋友都知道，當(dāng)前的Perplexity AI 的C端商業(yè)模式較為簡(jiǎn)單，即：訂閱制。新用戶可以免費(fèi)使用 Perplexity AI ，如想無限次使用Perplexity AI 的 Copilot 功能及一些高級(jí)功能，需每月支付20美元。

眾所周知，像 Perplexity AI 這類依托LLM能力的應(yīng)用，其最大的邊際成本來自于大模型的計(jì)算消耗（算力）。由于 Perplexity AI 提供的是“免費(fèi)+付費(fèi)”的模式，少量的付費(fèi)用戶所帶來的經(jīng)濟(jì)價(jià)值更多用于平衡免費(fèi)用戶的算力消耗。因此 Perplexity AI 當(dāng)前的變現(xiàn)能力并不足支撐其成長(zhǎng)到現(xiàn)象級(jí)應(yīng)用的階段。Perplexity AI 作為問答搜索引擎，其目前嘗試的商業(yè)模式探索方向，小編理解是借鑒于傳統(tǒng)搜索引擎的商業(yè)模式，即供需撮合模式。

圖片引用：中金研究

通過中金大佬的分享，大家可以快速的理解傳統(tǒng)搜索引擎的供需撮合模式。小編就不在此贅述了。

由于大模型的推理過程存在不可解釋性的缺陷，如果想通過人工方式干預(yù)其結(jié)果，小編猜測(cè)目前僅有兩類策略。

輸入側(cè)：在垂類營(yíng)銷領(lǐng)域，如汽車、旅游等，對(duì)數(shù)據(jù)源內(nèi)容進(jìn)行軟廣偏向的重寫。

• 優(yōu)勢(shì)：在于輸出結(jié)果時(shí)，對(duì)用戶并無明顯的硬廣感知。
• 劣勢(shì)：數(shù)據(jù)源重寫成本巨大，短期內(nèi)無法實(shí)現(xiàn)。

輸出側(cè)：同樣在垂類營(yíng)銷領(lǐng)域，如汽車、房產(chǎn)等，對(duì)輸出結(jié)果通過圖譜方式進(jìn)行硬廣掛載。

• 優(yōu)勢(shì)：與傳統(tǒng)搜索引擎當(dāng)下推廣呈現(xiàn)方式非常雷同，實(shí)現(xiàn)成本低。
• 劣勢(shì)：這類呈現(xiàn)方式對(duì)用戶體驗(yàn)損壞較高。

小編判斷，當(dāng)下的 Perplexity AI 基于實(shí)現(xiàn)成本考量，可能的方式是主輸出側(cè)，次輸入側(cè)。但在未來，為了保證 Perplexity AI 本身的產(chǎn)品調(diào)性（精準(zhǔn)、簡(jiǎn)潔），及用戶習(xí)慣的變遷。將會(huì)逐步變?yōu)橹鬏斎雮?cè)，次輸出側(cè)的方式。

為什么小編會(huì)有這樣的判斷？大家可以思考一下，為什么抖音、小紅書的內(nèi)容營(yíng)銷在當(dāng)下更容易被用戶所接受。

3. Perplexity AI 問答引擎是否有望平替?zhèn)鹘y(tǒng)搜索引擎？

在上文的兩個(gè)小結(jié)中，小編已經(jīng)分享了兩條對(duì) Perplexity AI 當(dāng)前局限性的理解：

• 基于用戶試錯(cuò)成本考量，Perplexity AI 目前尚不具備通過垂搜能力為用戶提供行動(dòng)輔助決策的能力。
• 基于用戶搜索成本考量，Perplexity AI 目前能提供的問答搜索的場(chǎng)景邊界是僅限于有行業(yè)共識(shí)或相對(duì)標(biāo)準(zhǔn)化的知識(shí)點(diǎn)問答。

在這一節(jié)，小編將從另一個(gè)維度來思考，即：用戶意圖。

如何理解小編所說的“用戶意圖”呢？小編還是先說個(gè)例子：小編作為一個(gè)產(chǎn)品類知識(shí)分享博主：

• 小編想看看個(gè)人品牌在公域影響力怎么辦？小編直接在百度搜索“楊三季”。
• 小編想看看某篇文章在公域中被轉(zhuǎn)載到哪里了？小編直接在百度搜索“這篇文章的標(biāo)題”。

以上兩個(gè)問題，如果使用 Perplexity AI 的結(jié)果是，第一個(gè)問題答案是總結(jié)了“楊三季”這個(gè)博主信息。第二個(gè)問題答案是無法回答。

可能這里又有朋友說“你這個(gè)問題太小眾了，不具有代表性?！?那換個(gè)大眾熱點(diǎn)“董宇輝事件”， Perplexity AI 的結(jié)果依然是無法回答。用戶意圖在小編看來，分為兩類：

• 精準(zhǔn)需求：用戶有一個(gè)明確的問題點(diǎn)，希望搜索引擎給出一個(gè)明確的答案。
• 模糊需求：用戶有一個(gè)明確的問題方向，希望搜索引擎給出一個(gè)全面的答案集。

而 Perplexity AI 這類基于LLM能力的問答引擎對(duì)于“精準(zhǔn)需求”的回答能力是高效的，但對(duì)于“模糊需求”的回答能力遠(yuǎn)不如傳統(tǒng)搜索引擎高效。

雖然 Perplexity AI 可以通過多輪交互得到一個(gè)用戶想要的答案，但我既然能一步到位，我為什么要費(fèi)時(shí)費(fèi)力的問好幾遍呢？

因此小編的思考后認(rèn)為：

• Perplexity AI 在垂搜領(lǐng)域下，在克服一些卡點(diǎn)后，有望平替?zhèn)鹘y(tǒng)搜索引擎。
• Perplexity AI 在大搜領(lǐng)域下，基于用戶場(chǎng)景，如不能跟傳統(tǒng)搜索引擎結(jié)合，并不能平替搜索引擎。

關(guān)于以上觀點(diǎn)，也有可能是小編見識(shí)淺薄，管中窺豹。歡迎有不同觀點(diǎn)的行業(yè)大佬指正與交流。

02?問答引擎（國(guó)內(nèi)）：天工AI搜索

聊完國(guó)外的問答搜索引擎，接下來咱們聊聊國(guó)內(nèi)的，國(guó)內(nèi)目前的依托于LLM能力，提供問答能力的產(chǎn)品蠻多的，比如文心一言，百川大模型，天工AI，訊飛星火，通義千問，月之暗面等。目前與 Perplexity AI 產(chǎn)品形態(tài)最為相似的是 “天工AI搜索”。小編也將基于“天工AI搜索” 這個(gè)產(chǎn)品來聊聊關(guān)于“在極具特色的國(guó)內(nèi)C端市場(chǎng)中，AI搜索引擎應(yīng)如何定位和發(fā)展”的思考和認(rèn)知。

PS：小編要強(qiáng)調(diào)的一點(diǎn)是，關(guān)于天工AI的思考分析，僅限于天工AI面向C端市場(chǎng)的產(chǎn)品（天工AI助手）思考，并不涉及其在B端市場(chǎng)商業(yè)布局的思考。

1. 天工AI搜索 較 Perplexity AI 有哪些不同？

跟 Perplexity AI 一樣，“天工AI搜索” 網(wǎng)上也已有很多大佬對(duì)其產(chǎn)品特點(diǎn)等進(jìn)行了深度分析，小編就不在此贅述了。小編本節(jié)主要聊一下天工AI搜索 跟Perplexity AI 的功能差異性，并以此來推測(cè)天工AI搜索 在國(guó)內(nèi)市場(chǎng)的定位和方向。

通過上圖，可以清晰的發(fā)現(xiàn)“天工AI搜索”較“Perplexity AI”在產(chǎn)品模塊上增加了“AI對(duì)話、AI閱讀、AI創(chuàng)作、搜索人設(shè)、熱點(diǎn)推薦以及移動(dòng)端APP”這幾個(gè)功能模塊。

下面小編將基于“天工AI搜索”新增的這幾個(gè)功能模塊做簡(jiǎn)單的功能介紹和場(chǎng)景分析。

通過上圖，可以清晰的發(fā)現(xiàn)“天工AI搜索”較“Perplexity AI”在產(chǎn)品模塊上增加了“AI閱讀、AI對(duì)話、AI創(chuàng)作、搜索人設(shè)、熱點(diǎn)推薦以及移動(dòng)端APP”這幾個(gè)功能模塊。

PS：因?yàn)樘旃さ腁I搜索能力在其各個(gè)功能模塊都被應(yīng)用，因此小編將對(duì)這些功能模塊進(jìn)行分析。

下面小編將基于“天工AI搜索”新增的這幾個(gè)功能模塊做簡(jiǎn)單的功能介紹和場(chǎng)景分析。

1.1 功能分析：AI閱讀

小編認(rèn)為，天工AI的AI閱讀這個(gè)模塊所定位的用戶場(chǎng)景是“信息區(qū)分”的場(chǎng)景。怎么理解這句話呢？小編來舉個(gè)場(chǎng)景例子：

我們每天都會(huì)在不同的渠道（微信公號(hào)、36氪、虎嗅、知識(shí)星球等）看到很多文章，但由于時(shí)間、惰性、缺乏工具等問題，就會(huì)出現(xiàn)：

• 有時(shí)候只能簡(jiǎn)單看一下 → 收藏 → 有時(shí)間再看 → 根本想不起有這事 / 收藏太多，是哪個(gè)來著；
• 有時(shí)候認(rèn)真看過后 → 收藏 → 有時(shí)間再寫個(gè)筆記 → 根本沒時(shí)間寫；
• 有時(shí)候看著看著突然想到一個(gè)啟發(fā) → 收藏 → 一會(huì)把這個(gè)idea記下來 → 完了那個(gè)idea是啥來著；

在我們每天獲取的大量信息后，我們需要區(qū)分出哪些信息是對(duì)自身有價(jià)值的。而AI閱讀可以快速的幫我完成數(shù)據(jù)整理，通過輸出“AI摘要”的方式，讓我們快速分辨哪些信息是有價(jià)值的，哪些信息是與我無關(guān)的。天工的AI閱讀對(duì)應(yīng)的用戶場(chǎng)景，小編認(rèn)為是非常剛需的，但天工的AI閱讀這個(gè)產(chǎn)品方案，不管從橫向面（基于信息區(qū)分的前一步或后一步場(chǎng)景）還是縱向面（信息區(qū)分這一步的用戶體驗(yàn)），做的都很一般，更像是一個(gè)Demo。

可能有朋友會(huì)問橫向或縱向，小編認(rèn)為天工的AI閱讀哪里做的不如意？

就基于小編展示的AI閱讀功能的這張截圖，先簡(jiǎn)單說幾點(diǎn)“信息區(qū)分”這個(gè)單點(diǎn)的用戶體驗(yàn)吧：

• AI摘要部分，摘要出的第一條和倒數(shù)第二條是重復(fù)的。那小編想問，這樣情況的托底方案是什么？我作為用戶，肉眼可見的問題出現(xiàn)時(shí)，我如何反饋？點(diǎn)那個(gè)“差評(píng)小手”嗎？然后，等待你們輸出一個(gè)正確的結(jié)果給我嗎？
• AI摘要部分，顯示的那個(gè)索引1~5，點(diǎn)擊后，左側(cè)的原文會(huì)進(jìn)行跳轉(zhuǎn)，但你跳轉(zhuǎn)后原文錨點(diǎn)是哪句話呢？你讓我從哪開始看？
• 你的提問模塊，答案輸出的來源是什么？你到底是基于原文內(nèi)容的搜索，還是全網(wǎng)的搜索？如果是全網(wǎng)搜索，它放在這里是解決我什么問題呢？用戶場(chǎng)景是什么？

就先說這么幾個(gè)顯而易見的問題吧，如果被天工的同學(xué)看到可能會(huì)說“ you can you up！nocanno bb！”。小編就簡(jiǎn)單說一下如果我來做這個(gè)模塊，可能會(huì)怎么做：

剛才小編提到“AI閱讀”針對(duì)“信息區(qū)分”是一個(gè)解決方案，但反過來“信息區(qū)分”的解決方案是“AI閱讀”嗎？這個(gè)小編認(rèn)為不精準(zhǔn)，“信息區(qū)分”用戶追求的是快速獲取有價(jià)值的信息?！癆I閱讀”可以分為“AI精讀”和“AI速讀”。“信息區(qū)分”對(duì)標(biāo)場(chǎng)景應(yīng)該“AI速讀”。

• AI速讀：對(duì)于獲取的大量文章信息進(jìn)行快速區(qū)分，判斷哪些是有價(jià)值的，值得精讀的。
• AI精讀：對(duì)已判斷為精讀的文章內(nèi)容，進(jìn)行細(xì)讀，知識(shí)點(diǎn)查閱，筆記記錄。

基于這樣的思路，AI閱讀頁面，頂部可分為兩個(gè)頁簽：AI速讀，AI精讀；

1.1.1 AI速讀

從左至右，進(jìn)行三個(gè)縱向模塊區(qū)分（文章列表、AI摘要、AI問答）；

文章列表：

• 標(biāo)題名稱全量展現(xiàn)、文章頭圖、文章引言展現(xiàn)，通過列表信息對(duì)文章信息快速了解。
• 標(biāo)題名稱全量展現(xiàn)、文章頭圖、文章引言展現(xiàn)，通過列表信息對(duì)文章信息快速了解。
• 已讀/未讀：通過功能快速的區(qū)分當(dāng)下要處理的信息。
• 標(biāo)星/未標(biāo)星（置頂/未置頂）：通過功能快速的打標(biāo)區(qū)分哪些要精讀的信息。
• 刪除：這個(gè)功能很通用，但在“信息區(qū)分”這個(gè)場(chǎng)景下，是低優(yōu)先功能。大家可以設(shè)想一下，你會(huì)進(jìn)行“收藏”行為的微信文章，哪怕這篇文章當(dāng)下對(duì)你沒價(jià)值，但你什么場(chǎng)景下會(huì)刪除呢，頻率多高呢？

AI摘要：

• 這一部分如果定位在AI速讀的場(chǎng)景中，其實(shí)索引并不是高優(yōu)需求，而是對(duì)內(nèi)容的總結(jié)維度。比如一句話概括的能力，文章的內(nèi)容關(guān)鍵詞；
• 在AI速讀部分，用戶不太會(huì)關(guān)注原文內(nèi)容，因此AI摘要的效果反饋可不加。
• 在AI速讀部分，分享這個(gè)功能其實(shí)相對(duì)更重要。場(chǎng)景“我看到一篇內(nèi)容，通過概要發(fā)現(xiàn)這篇內(nèi)容還不錯(cuò)，我身邊XXX可能需要，我可以將這個(gè)摘要分享給他~”

AI問答：

• 在AI速讀階段的場(chǎng)景“我看到摘要后，我可能會(huì)對(duì)這摘要中的某段信息感興趣，那我這里想知道的是，關(guān)于摘要中提到的信息，原文中是如何闡述的?！币虼薃I問答在這個(gè)場(chǎng)景中，針對(duì)的搜索范圍應(yīng)該是對(duì)應(yīng)的文章，而不是全域搜索。

1.1.2 AI精讀

模塊，從左至右，進(jìn)行三個(gè)縱向模塊區(qū)分（原文展現(xiàn)、AI導(dǎo)讀、AI搜索），列表收起；

原文展現(xiàn)：

• 內(nèi)容不可以編輯，但支持劃線，這個(gè)點(diǎn)可以參考“微信讀書”；
• 劃線后的操作項(xiàng)：純劃線、寫思考、關(guān)聯(lián)導(dǎo)讀大綱、分享、AI搜索；

AI導(dǎo)讀：

• 一句話概述，關(guān)鍵詞標(biāo)簽，文章脈絡(luò)梳理（顯示索引）；
• 以上內(nèi)容支持編輯，當(dāng)用戶完成編輯并跳出這個(gè)頁面時(shí)，將編輯的數(shù)據(jù)當(dāng)做這個(gè)功能的badcase傳給算法側(cè)。進(jìn)行優(yōu)化。

AI搜索：

幫助用戶對(duì)文章內(nèi)陌生信息進(jìn)行全域搜索，提高用戶的閱讀理解能力；

• 說完基于“AI閱讀”的單點(diǎn)優(yōu)化（縱向），小編也簡(jiǎn)單說一下基于“信息區(qū)分”的前后場(chǎng)景（橫向）的建議吧。

1.1.3 向前一步場(chǎng)景

首先看一下用戶對(duì)應(yīng)感興趣的文章的收藏流程：

• 常規(guī)用戶流程：“使用手機(jī) → 各種垂類信息平臺(tái)（微信公號(hào)、36氪、虎嗅等APP）中看到好文 → APP收藏（小編是APP分享 → 微信的文件傳輸助手）”；
• 天工AI閱讀的用戶流程：“使用手機(jī) → 各種垂類信息平臺(tái)中看到好文 → 復(fù)制鏈接 → 跳出當(dāng)前APP → 找到天工APP → 打開AI閱讀 → 粘貼鏈接”。

用戶的使用多了4個(gè)補(bǔ)助，用戶成本高了很多，這里可以借鑒一下“印象筆記的AI閱讀”或“知了閱讀”的邏輯。即：“使用手機(jī) → 各種垂類信息平臺(tái)中看到好文 → APP分享 → 微信的AI閱讀的公眾號(hào)/服務(wù)號(hào)/企微機(jī)器人”；

1.1.4 向后一步的場(chǎng)景

從用戶場(chǎng)景鏈路來看，小編聚焦一下用戶畫像：

• 對(duì)信息或知識(shí)有明確需求；
• 對(duì)互聯(lián)網(wǎng)接受程度較高；
• 希望通過AI閱讀的能力提高信息獲取的效率。

換句話說，AI閱讀最先觸達(dá)的用戶群體可能是互聯(lián)網(wǎng)從業(yè)者和大學(xué)生群體。

那對(duì)于這類用戶，當(dāng)完成“信息區(qū)分”后，下一步可能就是“知識(shí)總結(jié)”了。那“知識(shí)總結(jié)”該怎么做？

• 通過知識(shí)圖譜，將用戶完成AI閱讀后文章內(nèi)容，進(jìn)行同類型（顆粒度可從文章 → 章節(jié) → 段落）信息點(diǎn)關(guān)聯(lián)，完成用戶的個(gè)人知識(shí)庫(kù)的建設(shè)。
• 既然天工AI提供AI創(chuàng)作模塊，那用戶完成AI閱讀后的文章數(shù)據(jù)是否可以作為AI創(chuàng)作中的文本素材庫(kù)呢？將AI閱讀的數(shù)據(jù)與AI創(chuàng)作的數(shù)據(jù)連接起來。

關(guān)于AI閱讀這個(gè)功能，由于要控制篇幅，小編就先說這些吧（有點(diǎn)跑題了~~~）。

1.2 功能分析：AI創(chuàng)作

說到“AI創(chuàng)作”，小編有點(diǎn)沒搞清楚這個(gè)頁面對(duì)標(biāo)的用戶場(chǎng)景中，到底是內(nèi)容創(chuàng)作為主，還是AI創(chuàng)作為主。

• 如果是內(nèi)容創(chuàng)作為主，那頁面主視圖為什么是AI模塊？
• 如果是AI創(chuàng)作為主，那現(xiàn)在AI創(chuàng)作的生成能力能完成像上圖案例這樣的深度分析內(nèi)容嗎？

另一個(gè)讓小編疑惑的問題是“AI創(chuàng)作中的聊天創(chuàng)作模塊”和“AI對(duì)話中的助手中心的助手類型”重合度很高。如果硬要區(qū)分，那可能AI創(chuàng)作面向的是長(zhǎng)文創(chuàng)作，AI對(duì)話面向的是短文創(chuàng)作？

如果要讓小編給點(diǎn)建議：

• AI創(chuàng)作的布局可以參照notionAI或者印象筆記進(jìn)行調(diào)整，主文本創(chuàng)作模塊，AI能力放在右側(cè)（可收起）。
• 對(duì)于不同的模版內(nèi)容方向，要結(jié)合場(chǎng)景痛點(diǎn)針對(duì)性輸出，不要拿大模型能力直接堆砌功能。比如：分析類/報(bào)告類模版，用戶痛點(diǎn)更多是不知道如何列大綱，整理主題脈絡(luò)。會(huì)議紀(jì)要類/日?qǐng)?bào)周報(bào)類模板，用戶痛點(diǎn)更多是如何將口語化/零散內(nèi)容提取總結(jié)并關(guān)鍵詞等。
• 對(duì)于AI輸出的內(nèi)容，整篇添加的可能性大，還是摘取部分內(nèi)容添加的可能性大？

“AI對(duì)話、熱點(diǎn)推薦、搜索人設(shè)等功能”小編就暫不展開聊了，只能說功能堆砌挺多，但有一種僅是為了做而做，而非為了解決用戶痛點(diǎn)而做的感受。

2. 天工AI搜索 在國(guó)內(nèi)定位是問答搜索引擎嗎？

通過以上的功能介紹及場(chǎng)景分析，其實(shí)不難發(fā)現(xiàn)，“天工AI搜索”與“Perplexity AI”的產(chǎn)品定位并不相通。

• Perplexity AI：定位于知識(shí)問答場(chǎng)景，產(chǎn)品形態(tài)以問答搜索引擎為主，致力于深耕搜索引擎的回答效率及更多的場(chǎng)景覆蓋。
• 天工AI搜索：定義于知識(shí)學(xué)習(xí)及辦公創(chuàng)作場(chǎng)景，產(chǎn)品形態(tài)以知識(shí)搜集、整理、創(chuàng)作等工具矩陣為主，致力于提高用戶在知識(shí)學(xué)習(xí)及辦公創(chuàng)作的效率。

可以說，“Perplexity AI”是基于知識(shí)問答這個(gè)單點(diǎn)進(jìn)行縱向能力深耕，而“天工 AI”是基于知識(shí)問答這個(gè)點(diǎn)進(jìn)行橫向鏈路的打通。

為什么這兩個(gè)產(chǎn)品的切入點(diǎn)相同，但產(chǎn)品路徑截然不同呢？小編認(rèn)為可以從文化差異、市場(chǎng)環(huán)境、商業(yè)模式，這三個(gè)方面來進(jìn)行思考：

• 文化差異：國(guó)內(nèi)在某些前沿領(lǐng)域的技術(shù)研究仍與海外存在一定差距。（好吧，小編自認(rèn)對(duì)學(xué)術(shù)科研沒太多了解~）。但從小編觀察到的現(xiàn)象看，周圍的技術(shù)同學(xué)在做技術(shù)調(diào)研時(shí)，基本都是梯子到海外看文獻(xiàn)。從這個(gè)點(diǎn)也可以判斷出：海外的學(xué)術(shù)問答引擎相較于國(guó)內(nèi)更有痛點(diǎn)。
• 市場(chǎng)環(huán)境：國(guó)內(nèi)的C端用戶的付費(fèi)意愿較弱，工具型產(chǎn)品的特點(diǎn)是使用頻次不高、使用時(shí)間短，用戶忠誠(chéng)度低，產(chǎn)品可替代性強(qiáng)，流失率高，并且門檻低，難以形成壁壘。因此在國(guó)內(nèi)“天工AI搜索”無法按“Perplexity AI”的商業(yè)模式進(jìn)行變現(xiàn)。
• 商業(yè)模式：由于市場(chǎng)環(huán)境的國(guó)內(nèi)外差異性，僅滿足單點(diǎn)需求的工具型產(chǎn)品很難進(jìn)行良性的商業(yè)變現(xiàn)，因此“天工AI搜索”的方向，從問答場(chǎng)景中拆分出技能學(xué)習(xí)和辦公創(chuàng)作兩個(gè)細(xì)分領(lǐng)域，并在這兩個(gè)領(lǐng)域中通過產(chǎn)品矩陣滿足用戶的更多的痛點(diǎn)需求，以期望提高用戶的留存，通過用戶數(shù)據(jù)優(yōu)化其大模型輸出效果，從中進(jìn)行變現(xiàn)能力的可行性探索。

因此“天工AI搜索”在國(guó)內(nèi)的C端產(chǎn)品定位并不是問答搜索引擎，而是知識(shí)學(xué)習(xí)&辦公提效平臺(tái)。

3. 天工AI搜索?在國(guó)內(nèi)C端市場(chǎng)的生存空間在哪？

按照SimilarWeb的監(jiān)測(cè)數(shù)據(jù)，7月份OpenAI的網(wǎng)站訪問量15億，平均每個(gè)用戶訪問時(shí)間是4分鐘22秒。有42.24%的用戶只訪問OpenAI的一個(gè)頁面，平均每個(gè)用戶訪問4.36個(gè)頁面，那么可以這樣估算，假設(shè)ChatGPT Plus用戶也是平均訪問4.36個(gè)頁面，那么付費(fèi)用戶的比例約200萬*4.36/15億，也就是約千分之5.8的用戶是付費(fèi)用戶。那么，簡(jiǎn)單的估算就是ChatGPT的付費(fèi)訂閱比例約0.58%左右。也就是說1000個(gè)人中可能有6個(gè)人付費(fèi)，那么相比較免費(fèi)用戶承擔(dān)的計(jì)算成本，這個(gè)比例還是有點(diǎn)低哦（注意，這是十分粗略的估算）

判斷一個(gè)產(chǎn)品在市場(chǎng)中是否有足夠的生存空間，其核心是判斷這個(gè)產(chǎn)品能給用戶帶來的多大價(jià)值。ChatGPT已然是目前AI賽道公認(rèn)的用戶量No.1 產(chǎn)品了。但其付費(fèi)率僅不足1%，這1個(gè)點(diǎn)的付費(fèi)收益能打平其他99%未付費(fèi)用戶的算力消耗嗎？在其高昂的技術(shù)成本下，什么情況下能盈利呢？

陳紫冰：首先請(qǐng)教一下方漢總，昆侖萬維在做自己的大模型，也在AI方向深耕多年，能不能跟我們分享一下具體我們布局了哪些方面，或更看好哪些行業(yè)？

方漢：我們從2022年初思考判斷這個(gè)事，這波AI浪潮應(yīng)該不會(huì)比2000年、2010年互聯(lián)網(wǎng)浪潮小。這波浪潮中長(zhǎng)的比較大公司，一是C端公司，二是一定是免費(fèi)的模式。爆發(fā)出來的巨頭行業(yè)，也一定是C端的公司。由于C端公司增長(zhǎng)模式確定，他大概率不是以訂閱模式存在，而是以免費(fèi)模式存在。

從昆侖萬維董事長(zhǎng)兼CEO方漢先生的表述中，可以清晰的感知到：“天工AI” 面向C端市場(chǎng)，一定是免費(fèi)的模式。

做過C端提效工具的產(chǎn)品朋友都知道，在面向國(guó)內(nèi)的C端時(shí)，提效工具通過訂閱制是極難變現(xiàn)的。那么通過AI搜索能力落地到C端市場(chǎng)的應(yīng)用，是否只有問答引擎 → 替代傳統(tǒng)搜索引擎部分場(chǎng)景 → 通過撮合品牌主&創(chuàng)作者&消費(fèi)端的方式進(jìn)行廣告變現(xiàn)呢？

這一點(diǎn)上小編有不同的思考。AI 2.0 爆火后，直接帶火了AIGC賽道，最明顯的市場(chǎng)表現(xiàn)是AI文本創(chuàng)作，AI繪畫，AI視頻所覆蓋的行業(yè)出現(xiàn)了大量的“超級(jí)個(gè)體”，通過自身的行業(yè)經(jīng)驗(yàn)，加持AIGC技術(shù)，進(jìn)行專業(yè)技能的變現(xiàn)。

在出現(xiàn)大量靠自身手藝變現(xiàn)的超級(jí)個(gè)體后，又帶火了“知識(shí)付費(fèi)”領(lǐng)域。比如：當(dāng)下互聯(lián)網(wǎng)職場(chǎng)中最火的知識(shí)付費(fèi)主題“如何轉(zhuǎn)行干AI相關(guān)業(yè)務(wù)”。

而AI問答搜索引擎目前的場(chǎng)景就是在輔助用戶完成某一項(xiàng)知識(shí)的獲取 → 補(bǔ)全 → 打磨的過程。那基于這樣的出發(fā)點(diǎn)，是否可以通過AI搜索能力為核心，賦能于用戶的技術(shù)樹從0-1的過程呢？比如天工AI的產(chǎn)品布局下，做深每個(gè)功能模塊，并將功能模塊基于“數(shù)據(jù)獲取 → 信息區(qū)分 → 知識(shí)歸類 → 技能總結(jié) → 知識(shí)獲利”的鏈路建立連接，并通過產(chǎn)品策略打通知識(shí)賦能側(cè)和知識(shí)消費(fèi)側(cè)的連接。從而完成從“工具價(jià)值（低溢價(jià)）→ 流程價(jià)值（低溢價(jià)）→ 知識(shí)價(jià)值（高溢價(jià)）→ 人脈價(jià)值（高溢價(jià)）”的升級(jí)呢？

小編對(duì)此有一套相對(duì)完整且閉環(huán)的項(xiàng)目方案構(gòu)思，但由于篇幅太長(zhǎng)（第三章：1W字+），就不在此繼續(xù)展開了。后續(xù)有機(jī)會(huì)再分享給大家。

參考文章：

• 關(guān)于OpenAI最新的營(yíng)收和成本數(shù)據(jù)估算
• Perplexity AI，比Google Bard和Bing Chat更靠譜的問答引擎
• 中金：從Perplexity看AI+搜索的破局之道