神译局是36氪旗下编译团队，关注科技、商业、职场、生活等领域，重点介绍国外的新技术、新观点、新风向。 编者按：各家公司推出的AI 研究工具吹得天花乱坠，但实际用起来却常常"翻车"。本文用真金白银换来了一份超详细的"避坑指南"，教你如何调教 AI，让 它从一个"啥都懂点儿的实习生"变身为你真正的"专属分析师"。文章来自编译。 ChatGPT 深度研究（Deep Research）功能的发布，对我来说简直是个"顿悟"时刻。作为一个非技术出身的人，这是我第一次看到 AI 把我工作中最核心、也 是我最擅长的部分，从头到尾都给自动化了。 以前我得花好几个小时手动去谷歌上搜东西，然后整理结果，现在几分钟就能拿到一份 20 页的报告。太震撼了。 不过，跟所有 AI 工具一样，最初的兴奋劲儿一过，我就发现这玩意儿产出的结果其实挺糙的。来源可疑、方法论站不住脚、格式乱七八糟跟一堵墙似的文 字——你能想到的毛病，我在深度研究报告里都见过。 潜力是明摆着的，但要说真能像宣传的那样，成为一个"随时待命的麦肯锡分析师"，似乎也不完全准确。至少，你得花点功夫去了解和解决这个工具的弱点 才行。 在摸索的过程中，我也在网上找过一些攻略。但让 ...

核心观点 - Google的token使用量是ChatGPT的6倍，但Gemini的DAU仅为ChatGPT的1/4至1/2 [1][3][4] - Google的token消耗主要来自搜索产品（如AI Overviews、Lens等），而非Gemini Chat，后者仅占整体token使用的5% [6][7] - 2025年Q1 Google的AI推理token使用量达634万亿，远超微软的100万亿，4月单月token使用量480万亿，同比增长50倍 [6] - 尽管用户规模差距大，Gemini与ChatGPT的单个用户token消耗量相近（月均56,000 token/MAU） [7][8] - AI推理成本占Google搜索收入比例较低（1.4%），对利润率影响有限 [8] 用户数据对比 - ChatGPT的MAU为8亿+，Gemini为4亿+，DAU比例从1:2（Barclays）到1:4（semianalysis）不等 [4][6] - 用户活跃比率（DAU/MAU和WAU/MAU）均为0.1和0.6，两者持平 [6] - 在chat app统计中，ChatGPT DAU达1.6亿（占49%用户份额），Gemini DAU未披露具体数值但占11%用户份额 [6] 业务驱动因素 - Google搜索业务的新功能（AI Overviews、Circle to Search等）和Workspace产品深度集成Gemini模型是token激增主因 [6][7] - 2025年Q1 Google处理推理token的成本为7.49亿美元，占非TAC运营支出的1.63% [8] - 传统搜索运营成本占营收18%，AI成本占比1.4%，成本结构差异显著 [8] 基础设施需求 - 2025年Q1 Google需要约27万颗TPU v6芯片支撑token处理，季度新增芯片支出6亿美元 [8] - 预计Q2芯片支出将增长至16亿美元，AI推理成为基础设施建设的核心驱动力 [8] 行业动态 - 英伟达B系列服务器在国内开放样品订单 [10] - 行业信息交流平台提供每日更新的投行数据和分析报告 [12]

一、Perplexity AI的引用规范与监督机制 - 公司明确标注信息来源，不声称拥有内容版权，核心功能是帮助用户更易获取并总结互联网信息，同时清楚展示来源 [6] - 模型训练时被要求避免直接复现原文，而是归纳总结不同来源观点，结合监督微调(SFT)和人类反馈强化学习(RLHF)技术优化 [10] - 产品设计上不支持用户直接粘贴URL要求总结，但承认当前技术无法完全杜绝滥用场景，需持续迭代防护措施 [12][14] 二、AI搜索与传统搜索的差异化路径 - 与传统搜索引擎如Google相比，Perplexity用户平均查询长度达10-11个词，更倾向于直接回答完整问题而非返回链接列表 [17] - Google商业模式依赖搜索广告（单季度收入450亿美元），其激励机制促使用户多点链接，而Perplexity定位为AI原生信息检索工具 [16][18] - 公司近期新增NFL实时比分功能，通过与体育数据提供商合作确保准确性，并计划扩展至深度数据分析如球员对比、历史表现等 [19][21] 三、产品功能扩展与用户习惯重塑 - 根据用户日志数据优先开发金融垂类功能，支持市场调研、投资组合管理等需求，同时解决体育等领域的信息幻觉问题 [23] - 目标覆盖从学术研究到日常查询的全场景，包括本地搜索、天气、购物等基础需求，以推动用户从传统搜索转向AI原生交互 [24] - 近期密集推出数十项新功能，但强调策略基于用户需求分析而非盲目试错，例如金融方向因核心用户群体需求而优先落地 [22][23] 四、内容合作与商业模式探索 - 推出Publisher Program，承诺与媒体分享广告收益，若其内容被引用为答案来源，同时提供API支持媒体站内部署AI助手 [26][31] - 区分两类AI公司：一类训练模型内化内容，另一类实时检索公开信息生成回答，Perplexity属于后者且不将内容纳入训练权重 [27][28] - 广告变现被视为长期方向，但需平衡用户体验与商业利益，预计需两年时间完善机制，当前API成本每4-5个月下降50% [35][37] 五、行业竞争与法律争议回应 - 回应道琼斯诉讼时强调开放合作态度，指出与Fortune、Time等媒体已有合作案例，诉讼方News Corp亦与OpenAI存在协议 [25] - 法律层面主张"事实不受版权保护"，认为信息自由传播符合科学精神，但承认当前法律框架存在模糊地带需通过案例明确 [33][34] - 否认与新闻媒体直接竞争，用户使用场景多为分析新闻影响（如股票决策）而非获取原文，强调产品定位差异 [30]

Perplexity AI的核心定位与产品理念 - 公司定位为AI原生搜索引擎，专注于通过归纳总结而非直接复制来提供信息，并明确标注来源[6][7] - 产品设计初衷是改变传统搜索习惯，平均查询长度达10-11个词，远高于Google的2.7个词[15] - 强调事实本身不应被版权保护，主张信息应自由传播的价值观[10][28] 技术实现与内容处理机制 - 采用监督微调(SFT)和基于人类反馈的强化学习(RLHF)技术防止直接复制原文[11] - 每句话标注来源信息，包括页面顶部source panel和文末脚注[7] - 明确反对用户通过"总结URL"等方式滥用产品功能[12][13] 商业模式与行业合作 - 推出Publisher Program，承诺与内容方分享广告收益[23][26] - 区分两类AI公司：训练基础模型型与实时检索型，自认属于后者[23] - 预计API成本每4-5个月下降一半，未来可能再降10-50倍[30] 市场竞争策略 - 指出Google季度搜索广告收入达450亿美元，但其商业模式依赖多点链接[14] - 认为与Google非零和博弈，广告预算可能从100%Google变为95%+5%分配[31] - 优先覆盖金融、体育等垂直领域，解决用户在其他搜索引擎的痛点[20][21] 产品功能演进 - 新增NFL实时比分功能，与专业数据提供商合作[17][18] - 根据日志数据持续优化功能，早期用户主要为学术研究型人群[19][20] - 目标覆盖搜索全场景包括本地、天气、购物等基础需求[21] 版权争议应对 - 回应News Corp诉讼，强调已建立合作机制并当天做出正式回复[22] - 主张产品非新闻工具，用户更多是查询新闻对自身影响而非获取原文[25] - 为媒体提供API支持和企业版产品，帮助其提升内容创作效率[27]

创投行业工具大礼包 - 海外AI工具大礼包价值超过15000美元，包含Cursor、Perplexity、Notion等产品，订阅newsletter年费约200美元，学生可享50%教育优惠 [1] - 国内创投社群推出价值超6000元的工具礼包，包含一级市场数据平台、AI投研工具等，社群会员免费获取体验资格 [2] - 烯牛数据提供个人版APP月卡（价值188元/月）及机构版30天免费试用（年费16800元，约合1640元/月） [3][4][5] - IT桔子为个人用户提供半月卡试用（价值54元/月），涵盖创投事件、产业链图谱等数据服务 [7][8] - 执中ZERONE数据库机构版30天免费试用（年费3万元，约合2500元/月），开放最高权限数据 [9] - Alpha Engine投研平台提供30天Ultra版本体验（价值约1650元），支持DeepResearch功能 [11] - 沉浸式翻译Pro版7天免费试用（价值约18元），支持浏览器插件形态的海外资讯翻译 [13][14] 社群会员权益体系 - 微信群组包含行业资讯分享、同城聚会、垂直领域专业群（消费/医疗/并购等）及姐妹群 [20] - 线上主题分享覆盖行业讨论、副业转型、经验分享等内容 [21] - 线下活动包括主要城市年度聚会及随机饭局，促进深度交流 [21] - 社群知识库整合历史讨论回放、研究报告库、群友名册、招聘内推等资源 [21] - 会员续费率高达90%，社群强调平等、理性交流，鼓励高质量分享与合作 [23][26] 免费AI生产力工具推荐 - 通用聊天工具：ChatGPT、腾讯元宝（集成公众号数据）、豆包（语音互动） [19] - 语音转写/会议纪要：通义听悟、飞书妙计（实时记录）、百度网盘（直接转存） [19] - 深度研究工具：秘塔、Kimi（新版本优化）、DeepSeek [19] - PPT生成工具：Kimi、天工、Genspark [19] 社群运营核心理念 - 社群以成员需求为中心构建平等网络，无层级结构，规则统一适用 [23] - 通过线上线下活动促成合作机会，已有案例包括求职对接、投资人匹配等 [24][25] - 运营方强调时间自由价值，社群形成跨城市人际网络，支持成员生活与工作平衡 [30] - 用户反馈显示社群对创业者、投资者具有持续学习价值，潜水成员亦能获得行业洞察 [31][32]

AI Agent 落地路径 - 浏览器是AI Agent最佳落地平台 因其承载用户登录态、本地数据和行为习惯 天然具备执行任务能力 [1][4][5] - 不依赖语言模型自动涌现或工具整合 而是采用工程现实主义 让智能在用户已知空间生根 [1][37] - Comet浏览器基于Chromium开发 保留熟悉UI体验 实现数据无缝迁移 降低用户切换成本 [6][8][9] 产品设计与技术架构 - 采用sidecar侧边栏助手设计 实现自然交互 可直接在当前网页调用AI功能 [19][22][23] - 隐私保护为核心原则 数据仅在用户发起请求时本地读取 不保留历史记录或用于训练 [10][11] - 混合式策略整合浏览器与MCP协议 根据任务选择最优路径 追求效率与可靠性 [38][39] 市场竞争与商业模式 - 浏览器赛道比聊天机器人更具战略价值 用户粘性强 是承载端到端工作流的必经之路 [48][49] - 计划通过使用强度定价和精准任务收费 将Agent转化为可调用的认知资源池 [2][43][44] - 目标从Chrome夺取1%市场份额 3000-4000万Perplexity用户为基础转化 [58][59][60] 行业趋势与公司愿景 - 不看好传统SEO流量路径 品牌与个人影响力将成为新流量锚点 [40][41][42] - 预计2028-2029年IPO 目标收入突破10亿美元 成为首个可公开投资的Google替代品 [72][73][74] - 终极愿景是让浏览器像操作系统常驻后台 运行各类认知进程 彻底改变工作方式 [30][45][76]

核心战略 - 浏览器+智能体是未来核心战略 旨在打造"认知操作系统" 实现任务并行处理 跨网页操作 数据自动调研等能力 [3][5][8] - 新浏览器Comet将整合个人信息 邮箱 日历 电商账户等 支持后台并行处理复杂任务 [8] - 浏览器相比聊天工具更难被复制 天然具备浏览历史 密码保存 多任务协作等用户留存优势 [7][39] 技术优势 - 借助OpenAI/Anthropic模型 首次在基础技术层面反超谷歌等大厂 [7] - 通过实时更新搜索索引+多步推理验证 显著降低错误率和幻觉现象 [7][42] - 机器学习团队用AI将实验周期从3天缩短至1小时 大幅提升研发效率 [7][33] 用户增长 - 用户量远超预期 需重构基础设施以应对未来十倍增长 [6] - 2022年跨年夜查询量暴增至70万次 成为关键转折点 [20] - 产品发布策略精准 在ChatGPT未启用网页搜索时抢占先机 [18] 商业模式 - 订阅制 按任务付费 交易抽成构成三大变现路径 [7] - 年营收有望达几十亿美元级别 但承认难以复制谷歌广告模式 [40] - 重点发展基于使用量的付费模式 价格参照人工服务市场价 [40] 竞争策略 - 避开资源对抗 专注速度 产品打磨和明确定位 [7] - 浏览器开发工程难度大 短期内难以被复制 [29] - 品牌价值是关键护城河 千万级用户规模即可保持竞争力 [37] 团队管理 - 强制全员使用AI编程工具 前端开发普及率达100% [33][35] - CEO坚持亲自修复bug 保持团队快速迭代文化 [7][12] - 200人规模团队 专注核心能力建设 [33] 行业洞察 - 互联网流量将两极分化 优质品牌获稳定访问 投机网站面临淘汰 [47] - 移动操作系统生态限制将被浏览器打破 实现真正开放互联 [46] - 科技圈存在信息茧房 需突破常规渠道触达真实用户 [48]

英伟达市值与AI行业地位 - 英伟达市值从1万亿美元跃升至4万亿美元仅用两年时间，成为全球首家突破4万亿美元市值的上市公司 [2][3] - 公司股价于2024年7月10日收于164 10美元创历史新高，创始人黄仁勋身家达1436亿美元超越巴菲特 [3][4] - 投行WedBush预测英伟达市值将在未来18个月内冲击5万亿美元 [5] AI行业生态演变 - AI竞争核心从"训练大模型"转向"普及应用"，进入以推理需求驱动的"第二幕"阶段 [2][13] - 全球AI使用率从2017年20%升至2024年78%，53%企业高管频繁使用生成式AI工具 [15] - 企业AI投入回报率达1:3 7，89%企业积极推进生成式AI项目 [15] 英伟达市场与技术优势 - 英伟达GPU占据全球前500超算76%份额，H100/H200芯片垄断OpenAI、微软、谷歌等大模型训练市场 [6] - 2024财年营收突破1200亿美元，净利润率高达58% [6] - 公司被类比为"AI时代的苹果"，可能占据标普500总市值16% [13] AI应用场景爆发 **企业端** - 微软365 Copilot已覆盖52%企业，预计2026年贡献250亿美元营收 [16] - Salesforce、Amazon等推出垂直岗位Copilot产品加速AI决策渗透 [16] **消费端** - ChatGPT移动端DAU达2 25亿同比增长503%，谷歌DAU保持20亿规模 [17] - Perplexity月流量430万次同比增长176%，Claude月流量380万次同比增长156% [18] **工业端** - 空客AI设计实现零件减重50%，耐克鞋底减重13%强度提升4% [21] - 罗尔斯-罗伊斯AI优化提升设备利用率30%，年预防400起停机事故 [21] 算力与能源基础设施竞争 - Meta、微软、谷歌、亚马逊2024年基础设施投入达3200亿美元 [24] - ChatGPT单次查询耗电0 34瓦时，科技巨头加速布局绿电与核能 [24][25] - 亚马逊采购1 9GW核电，微软锁定800MW供电，谷歌投资核聚变 [25] 行业趋势与竞争格局 - AI竞争焦点转向"降低使用成本"，推理需求引发全产业链重构 [24] - 用户向头部AI平台集中形成"供应商锁定"效应，跨代产品将加剧流量虹吸 [27]

搜索范式转变 - 用户信息获取方式从"搜一搜"转向"问一问"，AI直接提供整合答案替代传统链接筛选 [1][3] - 2026年传统搜索量预计下降25%，自然搜索流量减少超50%，72%消费者常用生成式AI工具 [3] - 50%消费者依据AI推荐购物，10%视其为最信赖决策来源 [3] GEO营销新范式 - 品牌竞争焦点从SEO页面排名转向AI回答提及率，形成生成式搜索引擎优化(GEO)概念 [1][4] - 核心目标是成为AI的"首选引用"和"可信来源"，影响用户心智的关键触点减少 [3][4] - 与SEO逻辑差异：权威结构化内容优先于排名，即使非首页也可能被AI引用 [4] 行业布局动态 - 谷歌将广告嵌入AI回答中，Perplexity在答案旁投放广告 [5] - 对话式大模型(如DeepSeek/豆包/Kimi)成为GEO服务商重要优化平台 [5] - 不同AI平台信源倾向性差异：豆包侧重头条/抖音，百度AI偏好百家号/百科 [13] AI友好内容策略 - 需生产权威系统化内容，避免营销化表述和低质量AI生成文本 [7][8] - 四维优化方向：专业深度(技术白皮书/案例)、多源验证(专家背书/UGC)、结构化呈现(表格/图解)、高频更新(热点响应) [9][11][12][13] - 通过投诉机制校准AI错误引用，捆绑行业关键词提升关联认知 [10] GEO与SEO协同关系 - 现阶段两者并存：GEO解决具体问题，SEO展示行业全景 [15] - SEO优化内容为GEO提供素材，搜索行为分析反哺GEO策略 [15][16] - 类比移动互联网与PC关系，技术迭代创造多元信息交互场景 [16]

生成式引擎优化(GEO)市场现状 - GEO是针对AI聊天大模型的新型营销方式 通过生产AI偏好内容使商家名称更易出现在AI答案中 例如用户提问"平价电动牙刷推荐"时抢占回答位 [1] - 行业处于野蛮生长阶段 类似20年前SEO初期 存在批量生成伪原创内容/承诺100%见效等乱象 效果难以量化 [1][8] - 国内GEO服务商分两类：产品化定制服务(季度报价数万至数十万元)和传统SEO式关键词收费(单条关键词1000-4000元) [5] GEO运作机制与技术特点 - 核心策略包括语义深度(全面回答问题)/数据支持(提供数据论证)/权威来源(选择AI信任站点发布) [6] - 需在常被AI引用的网站发布50条以上内容链接 并通过API接口进行内容质量评分(规范服务商要求评分≥6.5/10分) [6][11] - 存在"黑帽操作"：依赖AI批量生成伪原创内容 通过海量发稿堆砌关键词 可能造成AI生态污染 [11][12] 行业参与主体与商业化进展 - To B商家(占当前客户50%)和To C品牌(腕表/3C数码等)构成主要客群 后者增长迅猛可能成主力 [4][5] - AI平台商业化谨慎 仅Perplexity尝试回答侧栏广告 Kimi仅接入电商跳转链接 国内主流平台暂未开放广告位 [15][16] - 广告行业期待AI建立规范广告机制 认为当前GEO是过渡产物 未来需解决效果量化/监测工具等配套问题 [18] 行业挑战与发展趋势 - 核心痛点在于AI黑箱特性导致效果难量化 目前仅能通过回答次数/引用链接数等可视化指标评估 [9][10] - 技术反制将到来 如博查已开始识别低质AIGC内容并进行降权处理 规范服务商开始布局智能体营销产品 [13][18] - 法学界警示需关注AI商业信息操纵风险 其隐蔽性远超传统竞价广告 可能形成对用户不利的算法黑箱 [19]