首頁 > 科技要聞 > 科技> 正文

才上線7個(gè)月，它憑什么成了國內(nèi)AI搜索“鼻祖”？

差評 整合編輯：甘靈文 發(fā)布于：2024-03-21 15:21

可能你還沒啥感覺，但最近有一個(gè)玩意，讓頭部企業(yè)和大佬們都搶瘋了。從搶光了谷歌風(fēng)頭的 NewBing 炸裂登場，再到讓英偉達(dá)黃仁勛都成忠實(shí)迷弟的 Perplexity ，隨隨便便就是 5 億估值。甚至最近，連老大哥 OpenAI 也被傳在偷偷下場�？偠灾褪呛芫�，很火，很搶手。有些敏銳的差友應(yīng)該已經(jīng)猜到了，它就是 AI 搜索。哎，這就讓差評君好奇了，海外一片火熱，那國內(nèi)是誰最先想到要搞 AI 搜索的呢？于是，就隨手在 Perplexity 和谷歌的 Gemini 上搜了下：中國第一個(gè)AI 搜索產(chǎn)品是什么？

結(jié)果讓人有些意外，出來的居然不是那些老牌的熟面孔，而是昆侖萬維在 2023 年 8 月發(fā)布的天工 AI 搜索。

Perplexity

谷歌 Gemini 

有點(diǎn)不相信的差評君，又試了國內(nèi)好幾家 AI 搜索產(chǎn)品。結(jié)果，這些同行們異口同聲報(bào)出的答案，還是它。。。

抖音豆包

文心一言

差評君去翻了翻資料，發(fā)現(xiàn)就在前兩天 QuestMobile 發(fā)布的 AI 報(bào)告里，天工默默干到了國內(nèi) AI 獨(dú)立應(yīng)用月活前三，坐擁八百多萬的月活。

其實(shí)天工 AI 能有這么多用戶，差評君并不驚訝。 就拿差評君來說吧，以前一個(gè)選題總要在搜索軟件里泡上一兩天，才能動筆，還得時(shí)刻提防那些隱藏的廣告。被傳統(tǒng)搜索折磨慘了的我們，早就是人手幾個(gè) AI 搜索了。

每篇稿件都有一份整理的資料文檔

真正讓差評君驚訝的就是，天工 AI 是怎么從眾多同行里脫穎而出，成了圈子里的頭牌的。其實(shí)天工 AI 是咱們的老朋友了，早在去年 8 月份首發(fā)的時(shí)候，差評君就上手過了。 以差評君的使用次數(shù)，那絕對可以說是看著天工 AI 長大的。不過才短短半年時(shí)間，他們就又鉚足了勁交了個(gè)天工大模型 3.0 的全新版本出來。在差評君搶先體驗(yàn)后覺得，這次更新可謂是脫胎換骨，甚至值得咱們再拿出來細(xì)細(xì)咂摸一番。因?yàn)樵诤芏嘀形膱鼍跋�，它表現(xiàn)得比 Perplexity 還要不俗，更適合中國寶寶體質(zhì)。

就這個(gè)話題熱搜，就太對胃口

我們簡單試試，就能明白差評君在說什么了。差評君就問了一個(gè)看似簡單的問題：OpenAI 要做AI 搜索的信息源頭是什么？傳統(tǒng)搜索這邊，跳出來一堆文章不算，我翻遍了前兩篇，也沒找到 OpenAI 是哪家媒體先爆料的。但對天工 AI 來說，這題簡單得夠嗆。不僅直接點(diǎn)出是 The Information 最先報(bào)道，還拓展補(bǔ)充了很多相關(guān)信息。

天工AI

 

讓我有些意外的是，把同樣的問題丟給 Perplexity 。它卻明顯理解錯了我的語義，把報(bào)道信息源理解成了 OpenAI 搜索技術(shù)提供的源頭是什么。

Perplexity 

后面差評君又追問了一道比較難的題目，讓它們試著給我推薦餐廳。以前試過 NewBing 的人，肯定知道這種實(shí)時(shí)的問題，向來是 AI 搜索的軟肋。還有什么天氣情況、路線規(guī)劃等等。但對于現(xiàn)在的天工 AI 來說，真的就是切瓜砍菜。它抓取信息非常精準(zhǔn)，甚至?xí)䦷湍銖囊曨l里扒答案，就比如找到抖音上的美食推薦。

相對來說， Perplexity 的表現(xiàn)肉眼可見的略遜一籌。給我“ 貼心 ”地推薦了in77 地下車庫，還祝我用餐愉快。到這里，你就能感覺到在中文和國內(nèi)的實(shí)時(shí)信息上，天工 AI 要強(qiáng)出一截。 如果你覺得這樣還不滿意，別急，天工還上新了增強(qiáng)模式。開啟之后，會大大提高回復(fù)質(zhì)量。即便一次性甩過去好幾個(gè)問題，它也能逐一拆分出來。

甚至?xí)䦟σ恍┠：膯栴}，做進(jìn)一步的提問引導(dǎo)。尤其適合解決一些復(fù)雜問題，像之前差評君做過一期 B 站視頻，講古代人是怎么測繪地圖的。這個(gè)題，我們前前后后大概花了一周的時(shí)間。但甩給天工 AI，它可以瞬間幫你總結(jié)出起碼 4 個(gè)大類的信息。

如果你還不滿意，我們還可以進(jìn)一步追問，直到把問題梳理清楚。

除了把基礎(chǔ)實(shí)力打磨得更扎實(shí)，在國產(chǎn)廠商們擅長的用戶體驗(yàn)上，天工 AI 也花了不少心思。差評君用下來覺得很舒服，像很多問題大模型給一堆文字，不如一張圖片來得清晰明了。所以，除了文本回答之外，天工 AI 的回答還會附帶圖片、甚至是視頻。

 

如果是一些涉及對比的問題，比如兩款手機(jī)對比、旅游城市對比，天工 AI 可以自動做出一張對比表格，好壞優(yōu)劣一目了然。

之后，還會新增搜圖片、搜視頻、搜音頻的垂直能力，以及更多具有實(shí)用性的展現(xiàn)形式。 差評君這里就不一一展示了，留給大家自己去上手。

研究模式和思維導(dǎo)圖輸出

看到這，很多差友可能會好奇。士別才三日，怎么就得刮目相看了？自己還停留在 NewBing 時(shí)代呢，這才半年時(shí)間，天工 AI 就把水準(zhǔn)往上拔了大一截了？不僅檢索精準(zhǔn)度變高了，連視頻都能扒了，也不像曾經(jīng)大部分 AI 那樣一本正經(jīng)胡說八道了。其實(shí)秘密就藏在昆侖萬維這次新上的兩個(gè)狠貨里，也是兩個(gè)目前圈子里大熱的前沿技術(shù)架構(gòu)，一個(gè)是 MoE，一個(gè)是 RAG。 你不要一聽到專業(yè)術(shù)語就慌，差評君一分鐘就能給你講明白咯。

首先是這個(gè) MoE ，也叫混合專家模型。顧名思義，就是內(nèi)置了數(shù)個(gè)專家模型的大模型。

舉個(gè)例子吧，比如我們輸入：金毛火鍋今年 7 歲了，未來五年內(nèi)會不會得糖尿�。窟@一個(gè)小問題，其實(shí)涉及了性別、年齡、品種、糖尿病的成因等各種方面。

天工 AI 就會把它拆分成一個(gè)一個(gè)小任務(wù)，再由一個(gè)專門負(fù)責(zé)分配的模型，把任務(wù)下發(fā)給手下最擅長的專家模型。比如有的研究性別，有的研究品種。 這跟咱們寫文章很像，像小發(fā)擅長寫游戲，世超挖掘好用的軟件更有一套。把專業(yè)的事交給專業(yè)的人辦，才能把效率和效果都拉滿。而且，那些用不著的模型還能中途偷個(gè)懶，把算力節(jié)省下來。這邊有專業(yè)團(tuán)隊(duì)負(fù)責(zé)輸出內(nèi)容，那邊昆侖萬維又準(zhǔn)備了 RAG 技術(shù)，來負(fù)責(zé)把控大模型的知識庫。這個(gè) RAG 技術(shù)理解起來其實(shí)更簡單，就是檢索 + 文字生成。

以前我們提出一個(gè)問題，大模型會直接拿著這個(gè)問題去茫茫大海中打撈信息，然后直接輸出結(jié)果。但 RAG 在交給大模型生成答案之前，還多了一步單獨(dú)的檢索步驟。 先拆解我們的問題，然后找到大量相關(guān)的信息和內(nèi)容，比如金毛的體質(zhì)、糖尿病的生成原因等等。再從這些內(nèi)容里，檢索出和關(guān)鍵詞最相關(guān)的信息。把這些信息和我們的問題，一起整理出一份新的、更專業(yè)的 Prompt ，最后才會喂給大模型去輸出內(nèi)容。這多出的整理步驟，不僅提高了信息查找的效率，也讓每一個(gè)回答，也都有可以追溯的源頭，減少大模型出現(xiàn)幻覺的概率。 這個(gè)技術(shù)，早已經(jīng)在慢慢取代那些簡單的問答 bot 機(jī)器。

也正是裝上了這兩個(gè)最前沿的技術(shù)，使得天工 AI 和傳統(tǒng)搜索，甚至是初代 AI 搜索的差距越拉越大。在 MEET 智能大會上，昆侖萬維董事長兼 CEO 方漢曾經(jīng)分享過一組對比數(shù)據(jù)。傳統(tǒng)搜索的時(shí)代，我們輸入一個(gè)問題，然后再去閱讀大量網(wǎng)頁，最后分析總結(jié)出結(jié)果，這個(gè)過程一般耗時(shí) 3-10 分鐘。任何人都很難再縮短這個(gè)時(shí)間。 但在大模型時(shí)代，每次獲取結(jié)果的時(shí)間，可以被壓縮到 5-10 秒。在這樣的高效率面前，傳統(tǒng)搜索們給AI 搜索讓路，是一個(gè)必然的結(jié)果了。雖然現(xiàn)在取代傳統(tǒng)搜索還為時(shí)尚早。但由奢入儉難，用過了這種高效的 AI 搜索模式，就很難再換回去。搜索引擎的下半場，注定要進(jìn)入高效的 AI 時(shí)代。以天工 AI 為代表的生成式搜索模式，將會后來居上。雖然說不好誰能笑到最后，但誰先入場，站穩(wěn)腳跟，也就贏了一半了。平靜了 30 年多年的搜索引擎市場，恐怕要迎來一場變革。

文章來源：差評

 
AI   中國
差評

網(wǎng)友評論

聚超值•精選

推薦 手機(jī) 筆記本 影像 硬件 家居 商用 企業(yè) 出行 未來
    • 二維碼 回到頂部