个人知识库

AI搜索产品拆解

18分钟阅读

AI搜索产品拆解

把 AI 搜索产品（以 Perplexity 为样本）拆开看：它的核心循环、设计模式、商业模式、护城河与指标栈分别是什么，哪些是真实壁垒、哪些只是”先做了”，以及一个想复刻它的人至少要面对什么。

核心观点

  1. AI 搜索的品类定位之争已经分出两个名字：搜索引擎 vs 答案引擎。区别不在”能不能联网”，而在输出形态——Google 给 10 个蓝色链接让用户自己综合；ChatGPT 给流畅但来源不明的文字；Perplexity 给带编号引用的综合回答，每个论断有来源、每个来源可点击验证。定位选错，后续所有设计都会长歪。来源：2026-09-21-woshipm-perplexity-comet-teardown

  2. 首页形态是策略声明，不是视觉偏好。Perplexity 用 “Ask anything” 搜索框而不是聊天框，是为了向”用关键词思考的 20 亿人”发出”这是搜索、不是对话”的信号——熟悉感就是功能。反过来，一个 AI 搜索产品如果首页是聊天框，就在要求用户重新学习一套交互。来源：2026-09-21-woshipm-perplexity-comet-teardown

  3. 留存靠”不让用户走到死胡同”，而不是靠更多功能。Perplexity 每个答案下方给 3–5 个上下文相关问题，把留存引擎做成答案的一部分：大多数用户不知道接下来该问什么，这些建议延伸线索、深化参与、重新进入循环。核心循环是”问→看它思考→拿到带引用的回答→追问→走得更深”，其教学产出是一句话——问一个好问题比搜一个好链接更快。来源：2026-09-21-woshipm-perplexity-comet-teardown

  4. “过程透明”是被低估的信任与性能设计。不用加载转圈，而是实时显示”搜索网络 / 读取来源 / 撰写综合”，既降低感知等待时间，也通过过程可见建立信任；竞品只显示空白凝视或通用的”思考中…”。它和”引用优先架构""青色语义信任标记”同属一个原则——激进透明。来源：2026-09-21-woshipm-perplexity-comet-teardown

  5. 引用是必需品，但引用存在 ≠ 引用正确。哥伦比亚新闻评论的基准测试测得 Perplexity 免费版 37%、Pro 45% 的引用错误率，在测试的 AI 搜索引擎中最差。对把”每个论断都有来源”当全部定位的产品，这是存在性裂缝；对本知识库里的内容方（AI搜索、GEO 语境）同样成立——被引用之后还有”引用得对不对”的一关。来源：2026-09-21-woshipm-perplexity-comet-teardown

  6. 护城河要按”能不能被复制、多久被复制”分层，而不是按”独特不独特”。Perplexity 自评 6/10：引用设计 UX 真实但 Google 可在一个产品周期内复制（AI Overviews 2026 年已在补引用）；多模型路由真实但任何有 API 预算的人都能复制；唯一可能持久的是 Comet 浏览器分发。判定标准是复制成本与复制周期，不是”别人有没有”。来源：2026-09-21-woshipm-perplexity-comet-teardown

  7. 上游依赖是 AI 产品最容易被忽视的结构性风险。Sonar 是微调的 Llama、不是前沿模型；Perplexity 同时是每个模型提供商的客户和竞争者——从正在做竞品搜索的同一家公司买算力。这既聪明（没有模型单一化风险）又危险（任何人都可以切断它）。来源：2026-09-21-woshipm-perplexity-comet-teardown

  8. “按深度收费，不按功能锁门”是 AI 产品更干净的付费墙设计。免费版给完整搜索体验，付费墙立在深度上（Pro Search 多步推理、Deep Research 结构化报告、模型选择、更高文件上传限制）——升级感觉是”我需要更多力量”，而不是”我被锁在核心价值外”。配套动作是 2026 年 2 月移除全部广告，用广告收入换信任。来源：2026-09-21-woshipm-perplexity-comet-teardown

  9. 指标栈可以从产品本身反推，而不必等 OKR 公开。北极星应是”周带引用查询数”（而非月活这类虚荣指标、也非可刷量的查询量）；输入指标是答案→首次引用点击的时间、Pro Search 转化率、Comet 日活；护栏是引用错误率；最易被忽视的盲区是”单次会话深度”——它是”习惯还是工具”的最佳预测器。来源：2026-09-21-woshipm-perplexity-comet-teardown

  10. 复刻形态的门槛已经很低，壁垒不在形态里。用 Codex + GPT-5.5 + DeepSeek V4 能在 23 分钟内做出一个”对标 Perplexity”的 MVP（Vue 3 + FastAPI + Tavily + SSE 流式 + 相关问题推荐），且不需要自建爬虫与索引——直接调搜索 API 拿结构化结果即可。说明答案引擎的技术形态不是壁垒，剩下的是引用质量、分发与信任。来源：2026-08-17-yupi-ai-search

知识体系

子方向一：产品定位与核心循环

AI 搜索产品要回答的第一组问题是：它是搜索引擎还是答案引擎？用户是”来搜”还是”来问”？Perplexity 的答案是后者，并把这个答案写成三件事：搜索框首页（场景信号）、“Searching → Reading → Writing” 流式过程（过程叙事）、相关问题建议（循环闭环）。这一子方向的核心产出是一个”核心循环”描述——问 → 看思考 → 拿到带引用回答 → 追问 → 走更深，以及它教给用户的那句话：“问一个好问题比搜一个好链接更快”。相关实体：AI搜索、Perplexity。

子方向二：设计模式与信任机制

把”信任”拆成可执行的设计动作，是本子方向的价值：引用优先的答案架构（内联编号 + 常驻来源面板 + 验证零点击离开）、流式过程透明、搜索栏而非聊天框、相关问题作为留存引擎、青色作为语义信任标记。这五条构成一套可迁移的”答案引擎设计检查表”——尤其适用于任何要在 AI 回答里表达”这一段有据可查”的产品。相关实体：Perplexity、AI搜索。

子方向三：商业模式与定价结构

与常规 SaaS 的”功能锁门”不同，AI 搜索产品的付费墙更适合立在深度与算力上：多步推理、结构化深研报告、模型选择、文件上传上限。本子方向要同时看三个数字：档位之间的价格比（Perplexity 的 200 是 10 倍断崖，中间缺 $50 档，也就意味着中间市场被留给了竞品）、广告与信任的取舍（移除全部广告是一次刻意的收入换信任）、以及变现压力对体验的反噬（达到查询限制后静默降级到更便宜模型，Trustpilot 1.6/5 以账单投诉为主）。相关概念：多模型路由、商业模式分析。

子方向四：护城河分层与上游依赖

把护城河按”复制成本 × 复制周期”分三层看：引用设计 UX（可被一个产品周期复制）、多模型路由（可被任何有 API 预算的人复制）、浏览器分发（唯一可能持久，前提是成为足够多用户的默认浏览器）。同时检查上游依赖：自研模型是真前沿还是微调（Sonar 是微调的 Llama），以及公司是否同时扮演供应商的客户与竞争者。终局判断被压缩成两句对照——“没有 Comet，它是一个功能；有了 Comet，它是一个平台”。相关实体：Comet 浏览器、Perplexity、多模型路由。

子方向五：指标栈与评估仪表盘

AI 搜索产品该看什么指标？本子方向给出可复用的四层结构：北极星（周带引用查询数——至少有一次后续线索或来源点击的查询）、输入指标（答案→首次引用点击的时间、Pro Search 转化率、Comet 日活）、护栏指标（引用错误率）、盲区指标（单次会话深度）。配套的改进建议是把弱点变成透明度资产：在产品里建”引用准确率”仪表盘，显示已验证 vs 未验证的论断。相关方法论：产品分析、AI竞品分析。

素材汇总

素材核心贡献详见
拆解 Perplexity：一个搜索框如何长成 200 亿美元的平台给出样本产品的完整拆解框架：答案引擎定位、五条设计模式、定价与广告取舍、6/10 护城河分层、37–45% 引用错误率的存在性裂缝、指标栈与”三个改进 + 一个战略赌注 + 一个登月”2026-09-21-woshipm-perplexity-comet-teardown
yupi-ai-search AI 搜索引擎从实现侧给出对标产品的低成本复刻路径：Tavily Search API + DeepSeek V4 + Vue 3/FastAPI + SSE 流式与相关问题推荐，23 分钟出可运行原型；证明技术形态不是壁垒2026-08-17-yupi-ai-search

关键概念

  • Perplexity — 本主题的核心样本产品：答案引擎定位与它的护城河分层
  • Comet 浏览器 — 拆解中被判定为唯一可能持久的护城河与平台化分水岭
  • AI搜索 — 本主题所处品类，侧重内容分发侧的入口变化与内容方应对
  • 多模型路由 — 第三条防线与可复制的差异化
  • AI竞品分析 — 用质量视角（而非功能清单）做竞品判断的方法论
  • 产品分析 — 从指标与行为反推业务判断的分析框架
  • 答案份额 — 内容方视角下的”被 AI 纳入候选答案”指标
  • GEO — 面向生成式引擎可见度的优化方法论
  • 答案引擎 / 引用错误率 / 单次会话深度 — 本文贡献的三个可复用判断词（尚未独立成页）

综合分析

不同素材的交叉视角

维度2026-09-21-woshipm-perplexity-comet-teardown 的观点2026-08-17-yupi-ai-search 的观点
视角位置研究被对标方：产品策略、护城河、裂缝实现对标方：技术选型与 MVP 路径
技术形态不展开实现，但点明 Sonar 是微调的 Llama、依赖外部模型联网检索 + 大模型总结 + 引用 + 相关问题；无需自建爬虫与索引
壁垒判断形态可复制，壁垒在引用质量、分发与信任23 分钟做出原型，形态本身确实不构成壁垒
风险清单37–45% 引用错误率、无跨会话记忆、定价断崖、静默降级对搜索 API 的依赖、MVP 与产品化之间的差距
共同点都承认”答案引擎”的四件套（检索 / 综合 / 引用 / 追问）是产品的基本形同左

两条素材合起来形成一个完整闭环：一条证明形态可以被低成本复刻，另一条说明复刻之后还剩下什么没被复刻——引用准确率、浏览器分发与信任。这个对照也解释了为什么”技术形态”从来不是这类产品的竞争焦点。

趋势与判断

  • 从”信息检索”到”任务完成”是品类级别跨越：搜索框代表过去，智能体浏览器代表未来；AI 定位从”AI 是功能”（辅助）/ “AI 是产品的一部分”（嵌入）跨到”AI 就是产品”（自主）。判断窗口被压缩在 18 个月内——如果没有 Comet，“它是别人平台上的一个功能”。
  • 信任层可能比产品层更值钱：拆解里最激进的一条建议是把 Sonar API 做成整个 AI 互联网的”引用基础设施”——每个平台上每个 AI 生成的答案都来调用它验证论断。若成立，护城河不是搜索框也不是浏览器，而是成为真相验证的权威来源。
  • 内容方的收益取决于引用质量而不只是被引用率：当免费版 37% 的引用可能出错时，AI搜索 语境下的 GEO 优化与 答案份额 指标都会被打折——内容方需要考虑”被引用得对不对”这一层，而不只是”有没有被引用”。
  • 单点功能优势的保鲜期在缩短：引用设计可被一个产品周期复制、多模型路由可被预算复制——这种”先做了”型优势在 AI 品类里的半衰期明显短于以往 SaaS。

未解决的问题

  • 引用错误率能否被工程化解掉：把”引用准确率”仪表盘做进产品只是提高透明度，素材没有给出 37–45% 到可接受水平的具体技术路径——检索质量与综合质量的哪一端是瓶颈尚不明确。
  • 浏览器分发能否在 18 个月内达到”默认浏览器”量级：这是一个分发问题而非产品问题，素材给出的只是条件句，没有可验证的中间指标。
  • “答案引擎”是否会长期独立存在：如果 ChatGPT 类产品补齐引用、Google 补齐智能体浏览器，独立答案引擎的生存空间取决于它是否先成为执行层——这一点尚无定论。

相关页面

关系图谱

快速导航

反向链接