AI搜索Perplexity估值180亿：争夺互联网入口而非答案 深度解析

本文深入分析AI搜索Perplexity估值180亿美元背后的战略逻辑。通过对比传统搜索与AI搜索的认知路径差异，指出Perplexity核心价值在于缩短从问题到结论的距离，而非单纯提供答案。文章涵盖其浏览器策略、分发合作、付费转化与成本结构，适合创业者、投资人及知识工作者理解AI搜索的入口之争与商业模式挑战。

Tags:

• AI搜索
• Perplexity
• 互联网入口
• 知识工作者
• RAG

我经常需要查询海外监管、牌照和市场政策。

这类问题看起来非常适合搜索，实际体验却经常让人崩溃。

我在 Google 输入问题，最先出现的是几条咨询公司的广告。

继续往下，是一篇两三年前发布的法律博客。再往下，是几篇泛泛而谈的行业文章。每一篇似乎都和问题有关，但没有一篇直接告诉我：

最新规定是什么？

和之前相比改了什么？

哪些公司会受到影响？

具体的牌照门槛在哪里？

为了获得一个可靠结论，我需要打开十几个网页，确认发布时间，分辨信息来源，再把不同内容拼接在一起。

后来，我把同样的问题交给了 Perplexity。

几秒钟后，它给出了一份结构化答案：

最新政策是什么；

关键门槛发生了什么变化；

哪些类型的企业需要申请牌照；

每一个结论后面，还有可以点击核查的来源。

那一刻我意识到，Perplexity 和 Google 解决的可能并不是同一个问题。

Google 帮你找到资料。

Perplexity 试图替你完成研究。

Google 给你一张阅读清单。

Perplexity 直接给出结论，并把推导过程和证据展示出来。

这看起来只是减少了几次点击，背后却可能是互联网入口的一次重新分配。

---

一、传统搜索最大的问题，不是搜不到，而是把剩下的工作都交给了用户

过去二十多年，我们已经习惯了一套固定的信息获取流程：

提出问题；

组织关键词；

查看搜索结果；

跳过广告；

打开多个网页；

辨别信息质量；

寻找真正相关的段落；

交叉验证；

最后自己整理结论。

搜索引擎只完成了其中的前半步。

剩余的大部分工作，仍然由用户自己完成。

在互联网早期，这种方式很合理。

当时网页数量有限，搜索引擎最重要的任务，是帮助用户找到相关页面。

但今天的问题已经变了。

我们不是找不到信息，而是信息太多。

同一个问题可能对应几十万条结果。用户真正需要的，不是更多链接，而是有人帮助自己完成：

筛选；

阅读；

比较；

理解；

总结；

验证。

传统搜索提供的是“可能包含答案的网页”。

AI 搜索提供的是“基于网页生成的答案”。

这两者之间的差别，不只是速度更快，而是产品目标发生了变化。

传统搜索优化的是：

哪些链接应该排在前面？

AI 搜索优化的是：

怎样用最短路径，帮助用户获得一个可信的结论？

这就是 Perplexity 最早抓住的机会。

---

二、Perplexity不是在做“更好的Google”，而是在做答案机器

Perplexity 联合创始人 Aravind Srinivas 曾经在 OpenAI、DeepMind 等机构工作。

他过去非常欣赏 Google，也长期关注搜索技术。

但到 2022 年，他产生了一个更激进的判断：

既然 AI 已经能够阅读和理解文字，为什么用户还需要亲自打开十个网页？

AI 完全可以先替用户把资料读完。

他希望搜索能够像“直接访问记忆”一样自然。

用户提出问题，系统实时读取互联网，找到相关内容，生成清晰的回答，并提供证据。

不需要先学会组织关键词。

不需要反复修改搜索条件。

不需要在广告、SEO 文章和过期内容中寻找真正有用的信息。

这个想法今天听起来很自然。

但在 ChatGPT 出现以前，搜索几乎就等于“输入关键词，获得链接”。

Perplexity 改变的不是搜索框的形状，而是搜索结果的形态。

它把互联网从一个需要用户亲自浏览的图书馆，变成了一个可以直接提问的知识系统。

它最初的产品逻辑非常简单：

用户输入问题；

系统实时检索互联网；

大模型阅读相关资料；

生成结构化答案；

在关键结论后面标注来源；

用户可以继续追问。

它保留了聊天机器人的自然交互，又补上了传统大模型产品早期最欠缺的两样东西：

实时信息和可验证来源。

这让 Perplexity 在 ChatGPT 和 Google 之间，找到了一个独特位置。

ChatGPT 擅长生成和推理，但早期不总能提供最新、可靠的互联网来源。

Google 拥有庞大的网页索引，但仍然要求用户自己阅读、判断和整理。

Perplexity 把两者连接起来：

既给答案，也给证据。

---

三、Perplexity真正卖的，是“缩短认知路径”

大多数人理解效率工具时，会关注它节省了多少操作。

但 Perplexity 节省的不是一次点击，而是一整段认知过程。

比如，一个创业者想了解：

在美国推出金融科技产品，需要哪些牌照？

用传统搜索时，他首先要知道应该搜索哪些词：

Federal license？

State license？

Money transmitter license？

MSB registration？

不同关键词又会带来不同网页。

接下来，他还要判断：

哪些规定属于联邦层面？

哪些属于州监管？

哪些文章已经过时？

哪些内容是律师事务所为了获客而写？

哪些要求真正适用于自己的业务？

Perplexity 想做的，是把这些工作压缩到一次交互中。

所以 AI 搜索的核心价值，并不是“比 Google 快几秒”。

而是把原本需要用户自己完成的研究过程，交给系统。

可以这样理解：

Google 缩短的是“从问题到资料”的距离。

Perplexity 缩短的是“从问题到结论”的距离。

对于天气、官网、地址等简单问题，这种差别可能并不明显。

但对于复杂任务，价值会迅速放大：

行业研究；

竞品分析；

政策查询；

技术方案比较；

投资分析；

旅行规划；

市场进入策略。

这些任务真正昂贵的部分，不是搜索，而是信息处理。

谁能降低信息处理成本，谁就有机会获得知识工作者的时间。

---

四、但Perplexity有一个尴尬的问题：它太容易被模仿

Perplexity 的产品体验看起来很先进，技术原理却不神秘。

基本流程是：

先搜索互联网；

找到相关网页；

把网页内容交给大模型；

生成摘要和答案；

附上引用来源。

这种技术通常被称为检索增强生成，也就是 RAG。

今天，一个有经验的开发者，借助搜索接口和大模型 API，很快就能做出一个类似的 Demo。

开源社区里甚至已经出现了多个模仿 Perplexity 的项目。

这意味着，Perplexity 最早建立起来的产品优势，并不是天然护城河。

用户喜欢的几个核心功能：

联网搜索；

生成答案；

展示引用；

连续追问；

其他公司都可以实现。

Google 可以做。

OpenAI 可以做。

Anthropic 可以做。

微软也可以做。

这和很多 AI 应用面临的问题相同：

底层智能来自大模型；

互联网信息来自搜索和网页；

产品界面也并不难复制。

那么，Perplexity 凭什么长期独立存在？

如果答案只是“我们的体验现在更好”，这种优势很可能非常脆弱。

因为大公司不需要重新发明整个模式。

它们只需要把类似能力放进现有产品。

所以，Perplexity 从一开始就必须回答一个问题：

当生成答案逐渐成为基础能力，一家独立的AI搜索公司还能掌握什么？

---

五、为什么Perplexity一定要做浏览器？

2025 年，Perplexity 推出了 AI 浏览器 Comet。

很多人把它理解成产品功能扩张。

实际上，这是 Perplexity 对自身生存问题的一次回答。

搜索产品最大的风险，不是答案质量不够好，而是没有默认入口。

大部分人使用 Google，并不是每天比较所有搜索引擎之后，认为 Google 最好。

他们使用 Google，很多时候只是因为：

Chrome 默认使用 Google；

Android 默认使用 Google；

Safari 的默认搜索也是 Google；

在浏览器地址栏输入文字，就会自动进入 Google。

搜索市场表面上是技术竞争，实际上也是分发竞争。

默认入口决定使用习惯。

使用习惯决定查询规模。

查询规模又会带来收入、数据和产品改进。

Perplexity 即使拥有更好的 AI 搜索体验，也需要用户主动打开它的网站或者 App。

而 Google 已经存在于用户每天使用的浏览器、手机和操作系统里。

这是一场极不对称的竞争。

因此，Perplexity 做 Comet，并不是因为世界上缺少一个新浏览器。

而是因为它必须逐渐掌握自己的入口。

如果 Perplexity 永远只是 Chrome 里的一个网站，它的命运就始终受制于其他平台。

如果它拥有浏览器，就可以直接控制：

用户打开互联网的第一步；

搜索发生的位置；

网页内容和上下文；

用户接下来准备完成的动作；

AI 与网页之间的交互方式。

这让 Perplexity 有机会从“答案引擎”，进一步走向“行动引擎”。

---

六、AI浏览器真正的机会，不是总结网页，而是替用户操作网页

传统浏览器几十年来的基本逻辑没有发生根本改变：

打开网站；

寻找入口；

点击菜单；

填写表单；

在不同页面之间跳转；

最后完成任务。

浏览器只是一个容器。

网站规定用户应该怎么操作，用户负责执行每一步。

AI 浏览器想把这套逻辑反过来。

用户不再需要理解每个网站的页面结构，只需要表达目标。

比如：

帮我找一家明晚七点有位置、距离酒店三公里以内、评分超过4.5分的意大利餐厅，并预订两个人的位置。

传统方式是：

打开地图；

搜索餐厅；

查看评价；

打开订餐平台；

比较时间；

填写联系人；

确认预订。

AI 浏览器的目标，是把这些步骤自动完成。

用户告诉浏览器想要什么，智能体负责在网页之间行动。

这意味着，浏览器可能从“网页查看器”变成“互联网操作系统”。

过去是用户直接操作网站。

未来，用户可能越来越多地通过 AI 操作网站。

一旦这种行为形成，互联网的价值分配就会发生变化。

掌握用户意图的，不再只是网站。

而是浏览器里的 AI。

掌握用户选择过程的，也不再完全是搜索引擎。

而是替用户完成任务的智能体。

这就是 Perplexity 为什么如此重视 Comet。

它真正争夺的，已经不只是搜索流量。

而是用户在互联网上采取行动之前的决策权。

---

七、Perplexity最聪明的策略，不是正面打Google，而是借别人的渠道增长

仅靠产品更好用，很难改变用户的默认搜索习惯。

Perplexity 对这一点非常清楚。

所以它采取了大量合作和捆绑策略。

例如：

与电信运营商合作，把 Perplexity Pro 作为套餐权益送给用户；

与手机厂商合作，把 AI 搜索集成进设备；

与金融服务公司合作，把订阅作为会员福利；

与其他平台合作，用 AI 能力帮助对方提升套餐吸引力。

这类合作看起来不像传统增长，却非常重要。

因为绝大多数普通用户不会主动比较十种 AI 工具，再决定订阅哪一个。

但如果 Perplexity 已经包含在手机套餐、银行会员或者设备服务中，用户尝试它的门槛就会大幅下降。

这和 Google 早期的分发策略本质相同。

Google 长期支付巨额费用，确保自己是 Safari 等产品的默认搜索引擎。

因为默认入口比产品宣传更有价值。

Perplexity 没有足够资金，在全球购买核心入口。

于是，它选择先从较小的合作伙伴切入：

运营商想让高端套餐更有吸引力；

手机品牌希望增加 AI 卖点；

金融平台希望提供差异化权益；

Perplexity 则需要用户。

双方交换价值。

这给创业者一个重要启发：

当你无法直接拥有分发渠道时，可以先成为渠道用来提升自身价值的产品。

不要只问：

用户为什么要购买我的产品？

还要问：

哪些公司愿意把我的产品送给它们的用户？

谁会因为加入我的产品，而提升自己的转化率、客单价或者留存？

谁的存量用户，可以成为我的新增用户？

---

八、16%的付费转化率很惊人，但Perplexity可能在花钱购买增长

按照原始材料披露的数据，Perplexity 大约拥有160万订阅用户，其中约26万人每月支付20美元购买 Pro 服务。

这意味着它的付费转化率可能达到16%。

这个数字非常亮眼。

很多拥有庞大免费用户规模的 AI 产品，付费转化率通常只有个位数。

一个搜索产品能够让相当比例的用户持续按月付费，说明它确实解决了真实问题。

对于研究人员、投资人、咨询顾问、创业者和其他高频知识工作者来说，节省搜索和整理信息的时间，值得每月支付20美元。

但问题也从这里开始。

按照原文数据，Perplexity 当时产生了约5900万美元收入，其中大约2700万美元被投入折扣、促销和渠道合作。

换句话说，接近一半收入，被用于吸引用户使用产品。

如果用户通过运营商赠送、会员捆绑、银行权益或者优惠活动获得 Perplexity Pro，那么“订阅用户增长”并不等于“用户愿意长期原价付费”。

渠道合作当然不一定是坏事。

Google、Spotify、Netflix 等公司都曾通过预装、捆绑和优惠扩大分发。

真正需要判断的是：

免费期结束后，用户会不会继续付费？

渠道用户的使用频率有多高？

获得一名付费用户的真实成本是多少？

这些用户能够留下多长时间？

如果大量用户只在赠送期内使用，优惠结束后就离开，那么表面的高速增长，可能只是公司用融资换来的短期规模。

---

九、57%的毛利率，可能没有看起来那么健康

Perplexity 曾经声称自己的毛利率大约为57%。

对一家需要实时搜索互联网、读取网页并调用大模型生成答案的 AI 公司来说，这个数字看起来相当不错。

但原始材料指出，这个毛利率存在一个值得注意的会计口径问题。

Perplexity 将大约3300万美元、用于服务免费用户的成本归入了“研发费用”，而不是营业成本。

这会产生什么影响？

假设一次免费查询需要消耗：

搜索服务费用；

网页抓取和处理成本；

大模型推理费用；

服务器和带宽成本。

从经济实质上看，这些支出是为了向当前用户交付服务。

如果将其归入研发费用，它就不会直接压低毛利率。

但如果按照更严格的口径，把服务免费用户所产生的模型和计算成本计入营业成本，Perplexity 的真实毛利率可能明显低于其披露的数字。

这并不一定意味着公司进行了不恰当处理。

AI 行业目前对推理成本、免费用户成本和研发费用的分类，并没有完全统一的标准。

但对投资者和创业者来说，不能只看公司公布的毛利率。

还要继续追问：

免费用户的计算成本算在哪里？

渠道赠送订阅的费用算在哪里？

模型费用会不会随着使用量线性上涨？

如果用户查询越来越复杂，单次回答成本会不会继续增加？

只有回答这些问题，才能理解一家 AI 公司的真实经济模型。

---

十、传统互联网是用户越多越赚钱，AI产品可能相反

Perplexity 面临的更深层问题，是 AI 产品与传统互联网产品的成本结构不同。

Google 在建立好网页索引后，再多返回一次传统搜索结果，边际成本相对有限。

但 Perplexity 每回答一个复杂问题，都可能需要实时完成一整套工作：

理解用户意图；

发起多轮搜索；

访问和读取多个网页；

过滤重复或低质量信息；

调用大模型推理；

组织回答；

生成引用；

处理连续追问。

用户问得越复杂，系统要完成的工作就越多。

如果用户不断追问，推理成本还会进一步增加。

这意味着，对 Perplexity 来说，一个重度用户可能既是最有价值的用户，也是成本最高的用户。

这和传统 SaaS 有很大不同。

传统软件完成开发后，用户多使用一次，通常不会显著提高公司的成本。

但 AI 产品每提供一次服务，都可能产生新的模型和计算账单。

因此，AI 公司不能只看：

月活用户增长了多少；

每天查询次数增长了多少；

用户平均使用时长提高了多少。

它还必须关注：

每次查询的平均成本；

每名用户每月的模型成本；

不同套餐用户的真实毛利；

免费用户转化前需要消耗多少资金；

重度用户会不会导致套餐亏损。

用户增长不一定自动改善经济模型。

在某些情况下，每增加一名免费用户，公司的亏损反而会扩大。

---

十一、Perplexity真正下注的，是智能成本的下降速度

根据原始材料，Perplexity 当时的月度支出预计将增长到约1200万美元，比原计划高出20%。

这说明公司增长速度虽然很快，但成本也可能比管理层预期上涨得更快。

Perplexity 的整个商业模式，实际上建立在一个重要假设上：

未来模型推理、网页处理和实时搜索的成本，会持续快速下降。

如果这个判断成立，Perplexity 的经济模型可能越来越好。

模型价格下降；

开源模型能力改善；

缓存和检索效率提高；

小模型承担更多简单查询；

模型路由减少高价模型调用；

硬件成本持续下降。

当单次回答成本不断降低，而用户仍然愿意每月支付20美元时，毛利率就可能逐步改善。

但如果智能成本下降速度不够快，问题就会出现。

用户希望答案更长、更深入、更及时。

公司需要调用更强、更昂贵的模型。

竞争对手又可能通过低价甚至免费服务争夺用户。

Perplexity 可能同时承受三方面压力：

用户要求不断提高；

推理成本居高不下；

订阅价格难以上涨。

这就是 AI 搜索商业模式最核心的不确定性。

Perplexity 不只是在赌用户会喜欢答案引擎。

它还在赌：

生成这些答案，最终会变得足够便宜。

---

十二、Perplexity最大的对手，不只是Google

Perplexity 面临的竞争，比表面上更加复杂。

第一类对手：Google

Google 拥有全球领先的搜索基础设施、网页索引和分发能力。

它的问题不是做不出 AI 搜索。

它真正的问题是，AI 直接回答可能伤害现有搜索广告业务。

传统搜索页面上的广告和链接，是 Google 最重要的商业模式之一。

如果 AI 直接给出答案，用户可能不再点击那么多网页和广告。

这使 Google 面临典型的创新者困境：

新产品能够改善用户体验，却可能削弱旧业务。

Perplexity 没有这层历史负担。

它可以从一开始围绕答案设计产品。

但这种窗口不会永远存在。

一旦 Google 决定主动牺牲部分旧体验，加速把 AI 融入搜索，Perplexity 就必须面对一家同时拥有模型、数据、算力和分发的巨头。

第二类对手：OpenAI

OpenAI 拥有大量已经习惯对话式交互的用户。

当 ChatGPT 加入联网搜索、深度研究和引用功能之后，它与 Perplexity 的边界开始重叠。

用户可能不会同时为多个 AI 工具付费。

如果 ChatGPT 已经能够完成搜索、写作、分析、图片和代码任务，普通用户未必愿意再购买一个专门的 AI 搜索产品。

更重要的是，OpenAI 也在争夺浏览器和智能体入口。

对 Perplexity 来说，这不是一家搜索公司的竞争。

而是通用 AI 平台对垂直产品的挤压。

第三类对手：Anthropic和其他模型公司

Claude 越来越擅长研究、推理和复杂文档处理。

模型公司可以直接把联网能力加入自己的产品。

它们还有一个明显优势：

不需要向第三方支付完整的模型利润。

Perplexity 则需要同时承担搜索、网页数据和模型推理成本。

这意味着，竞争不仅发生在用户体验上，也发生在成本结构上。

---

十三、引用来源为什么如此重要？

Perplexity 最重要的产品选择之一，是从一开始就重视引用。

大模型可以生成非常流畅的回答。

但流畅不代表正确。

在娱乐和创意场景里，偶尔出错的影响可能有限。

但在政策、金融、医疗、法律和商业决策等领域，一个看似合理的错误答案，可能带来真实损失。

Perplexity 并没有彻底解决大模型幻觉问题。

它做的是为用户提供验证路径。

用户可以点击来源，查看：

这项结论来自哪里？

文章是什么时候发布的？

原文是否真的支持这项结论？

是否遗漏了重要上下文？

这使产品从“相信 AI”，转变为“利用 AI 快速核查”。

这也是 AI 产品非常重要的一条设计原则：

不要只给用户结论，还要给用户证据。

未来，可靠的 AI 产品不应该假装自己永远正确。

它应该降低用户发现错误、验证信息和追溯来源的成本。

在很多高价值行业里，可验证性甚至比模型能力更加重要。

因为企业不会只问：

AI 能不能回答？

它们还会问：

这个答案能不能被审计？

---

十四、Perplexity真正可能建立的护城河是什么？

单纯的 AI 答案，不是护城河。

真正可能让 Perplexity 长期存在的，是以下几层能力。

第一层：搜索体验和用户习惯

Perplexity 专注于信息检索，而不是成为一个包办所有任务的超级应用。

这种专注让它可以持续优化：

答案结构；

来源质量；

引用方式；

追问体验；

研究深度；

响应速度。

当一群专业用户习惯先打开 Perplexity，而不是 Google，这种行为本身就有价值。

但用户习惯仍然是一层相对较薄的护城河。

它需要继续通过其他能力加固。

第二层：检索和排序能力

AI 搜索不是简单找到几个网页再总结。

真正决定答案质量的，是系统是否找到了正确资料。

哪些来源更可信？

哪些网页更新时间更近？

哪些信息互相冲突？

哪些资料应该被忽略？

一个回答不好，很多时候不是模型不会写，而是它拿到的资料不够好。

长期积累的查询、点击、引用和用户反馈，可以帮助 Perplexity 改善检索与来源选择。

这是比界面更难复制的一层能力。

第三层：浏览器入口

如果 Comet 能够形成稳定的用户群，Perplexity 就不再只是一个等待用户访问的网站。

它可以直接存在于用户的浏览过程中。

浏览器能够获得更完整的上下文：

用户正在阅读什么；

打开了哪些页面；

准备完成什么任务；

哪些信息需要比较；

下一步可能采取什么动作。

这让 Perplexity 有机会从回答问题，走向执行任务。

第四层：分发合作

手机厂商、电信运营商、金融平台和其他渠道合作，可以帮助 Perplexity 降低获客成本。

单个合作未必能形成壁垒。

但如果它建立了足够广泛的分发网络，就可以部分缓解与 Google、Apple、微软之间的入口差距。

第五层：品牌与信任

当用户提出重要问题时，会选择自己认为更加可靠的工具。

搜索不仅是功能选择，也是信任选择。

Perplexity 需要建立一个清晰品牌：

当你需要一份有来源、可验证、可以快速理解的问题答案时，应该想到 Perplexity。

如果这种心智形成，它就有机会成为 AI 时代的专业研究入口。

---

十五、Perplexity会取代Google吗？

从目前来看，直接取代 Google，并不是最可能的结果。

Google 每天处理的查询规模、掌握的分发入口、网页数据和商业体系，都不是一家创业公司短期能够复制的。

很多用户也不会彻底放弃传统搜索。

导航、购物、本地服务、图片、视频、官网和简单事实查询，仍然适合传统搜索。

但这并不意味着 Perplexity 必须取代 Google 才算成功。

它可以占据一块更高价值的市场：

复杂研究；

专业查询；

知识工作；

商业分析；

决策支持；

跨来源信息整理。

Google 可能继续拥有最多的查询量。

Perplexity 则有机会拥有一批更重视答案质量、更愿意付费的专业用户。

一个产品不需要成为所有人的默认入口。

它也可以成为某类高价值任务的默认入口。

Perplexity 真正需要证明的，不是它能不能杀死 Google。

而是用户是否愿意把越来越重要的问题交给它。

---

十六、给AI创业者的七个启发

Perplexity 的经历，对 AI 创业者有很强的参考价值。

1. 不要只改善功能，要缩短完整任务路径

Perplexity 不是把搜索速度提高了20%。

它减少的是从提出问题到获得结论之间的完整流程。

真正有价值的 AI 产品，不应该只优化一个操作。

它应该观察用户为了完成目标，还需要做哪些事情，并尽可能消除中间步骤。

用户购买的不是 AI。

用户购买的是更快获得结果。

2. 技术优势会消失，用户资产不会立即消失

RAG、联网搜索和引用生成都会逐渐商品化。

如果产品只依赖模型能力领先，很快就会被追平。

创业公司需要把短期技术窗口转化成：

用户习惯；

品牌认知；

数据积累；

渠道合作；

工作流嵌入。

技术窗口不会一直存在。

必须趁窗口开放时，建立更难复制的资产。

3. 分发比模型更重要

很多 AI 创业者把大量精力用来比较模型性能，却没有认真思考用户从哪里来。

Perplexity 积极与运营商、手机厂商和会员平台合作，就是因为它知道：

一个好产品，如果永远需要用户主动寻找，增长仍然会很难。

产品设计和分发设计，必须同时开始。

4. 让产品成为合作伙伴的卖点

Perplexity Pro 可以帮助运营商丰富高端套餐，也可以帮助手机厂商增加 AI 卖点。

这让渠道有动力主动推广产品。

创业者应该思考：

谁会因为加入我的产品，而提高自己的转化率、客单价或留存率？

当你的产品能帮助合作伙伴赚钱或者留住用户，分发就不再只是购买流量。

5. 可验证性会成为AI产品的基础能力

在严肃场景里，用户不能只依赖模型的语气判断答案是否正确。

引用、原文回溯、时间标记、证据链和置信度，都可能成为未来 AI 产品的重要组成部分。

越高价值的场景，越需要展示依据。

6. 不要只看用户增长，要看单位经济模型

AI 产品可能同时拥有：

高速用户增长；

很高的付费转化率；

强烈的用户口碑；

不断上涨的收入；

但仍然没有跑通商业模式。

创业者需要持续关注：

每次调用成本；

每名用户每月的推理成本；

渠道补贴；

付费留存；

贡献毛利；

模型降价速度。

AI 产品真正的难题，不是证明用户喜欢它。

而是证明用户使用得越多，公司不会亏得越多。

7. 不要只做应用，要逐渐掌握入口

Perplexity 从搜索产品走向浏览器，是因为它知道只做一个网站还不够。

AI 创业公司最终都需要思考：

自己的用户入口掌握在谁手里？

应用商店？

浏览器？

模型平台？

社交网络？

硬件厂商？

可以先借助别人的平台增长，但长期必须逐渐拥有直接的用户关系。

---

十七、Perplexity最值得学习的，不是搜索技术

很多创业者看到 Perplexity，会得出一个简单结论：

AI 搜索是一个好方向。

但今天再做一个 Perplexity 模仿者，意义已经很小。

真正值得学习的是它寻找机会的方式。

它看到的不是“Google 搜索结果不好看”。

而是知识工作者的信息处理流程已经发生变化。

大模型第一次让软件具备了阅读、理解、整理和生成的能力。

于是，过去由用户完成的研究工作，可以被产品接管。

这种思路可以迁移到很多领域：

过去是用户自己阅读合同，现在 AI 提炼风险；

过去是用户自己分析报表，现在 AI 解释异常；

过去是用户自己整理会议，现在 AI 生成结论和任务；

过去是用户自己比较供应商，现在 AI 完成调研和推荐；

过去是用户自己操作多个后台，现在智能体执行流程。

真正的 AI 创业机会，不是给旧产品增加一个聊天框。

而是重新划分人与软件之间的工作边界。

过去必须由人阅读、理解、判断和操作的部分，有多少可以交给 AI？

这才是 Perplexity 最重要的启发。

---

结语：搜索不会消失，但“搜索”这个动作可能会消失

过去，我们为了获得答案而搜索。

未来，我们可能只需要描述目标。

系统会自动完成搜索、阅读、比较、判断和执行。

这意味着，搜索不会消失。

它会被隐藏起来。

就像用户使用打车软件时，不需要理解地图匹配、路线规划和支付清算。

未来用户使用 AI 助手时，也不一定关心它搜索了多少网页、调用了什么模型、经过了多少轮推理。

用户只关心两件事：

答案是否可靠？

任务是否完成？

Perplexity 正在推动的，就是这场变化。

它表面上在挑战 Google 搜索。

实际上，它在争夺 AI 时代最重要的位置：

用户表达意图之后，第一个接住这个意图的系统。

谁掌握这个位置，谁就可能决定：

用户看到什么；

相信什么；

购买什么；

打开哪个网站；

选择哪项服务；

下一步采取什么行动。

这也是为什么 Perplexity 一定要从答案引擎进入浏览器。

答案只是开始。

行动才是终点。

AI 搜索真正的战争，从来不只是看谁回答得更好。

而是看谁能成为人类连接互联网的下一代入口。