摘要：近年来，随着人工智能技术的发展，大语言模型（LLM）成为推动 AI 搜索技术变革的核心引擎。ChatGPT 等技术的广泛应用带动了生成式 AI 的热潮，其在搜索领域的革新力尤为显著。与传统基于关键词匹配的搜索引擎不同，基于大模型的 AI 搜索系统能够通过自然语
大模型AI搜索的产品对比：Glean，Perplexity及国产达观，秘塔等
一、企业大模型 AI 搜索的发展背景与趋势
近年来，随着人工智能技术的发展，大语言模型（LLM）成为推动 AI 搜索技术变革的核心引擎。ChatGPT 等技术的广泛应用带动了生成式 AI 的热潮，其在搜索领域的革新力尤为显著。与传统基于关键词匹配的搜索引擎不同，基于大模型的 AI 搜索系统能够通过自然语言处理（NLP）、多模态感知等技术，实现语义理解和智能化推荐。
AI 搜索的发展趋势主要体现在几个方面，一是个性化与上下文理解，大模型搜索可以根据用户历史行为和上下文信息生成个性化答案；二是多模态数据整合，AI 搜索逐步支持整合文本、图像、视频等多种数据类型，提升信息获取效率；三是行业细分与场景化，AI 搜索正在从通用领域向行业化、场景化深耕，例如法律、医疗、教育等领域的精准应用。四是隐私保护与安全性，特别是在企业应用中，如何在数据隐私保护与性能优化之间取得平衡，是关键课题。随着人工智能技术的不断发展，大模型 AI 搜索产品逐渐成为人们获取信息的重要工具。本文将对 Glean、Perplexity、达观和秘塔等国内外知名的大模型 AI 搜索产品进行对比分析，旨在为用户提供全面的产品信息和选择参考。
二、国内外AI搜索科技企业的技术差异与发展路径
1、国内AI搜索企业特点：
行业聚焦与本地化优势国内 AI 搜索企业紧密结合本地化需求，在法律法规、金融风控、制造业等复杂行业中展现出强大的实力。以达观数据为例，其在金融领域的搜索系统能够自动分析政策，提取相关法律条款，为合规提供快速支持。在企业内部平台，用户可以搜索到制度、政策、产品研发、运营管理等所有相关专业知识。这体现了国内企业对特定行业的深入理解和精准服务能力，能够更好地满足本地用户在复杂业务场景中的需求。
成本敏感与自主可控国内企业在技术开发中对成本控制更为敏感。由于政策法规的限制，国内企业更加注重技术栈的自主可控。这促使企业在技术研发过程中，既要考虑降低成本，又要确保技术的安全性和独立性。例如，秘塔科技在研发过程中，采用自主研发的大模型 MetaLLM，基于 Transformer 架构，并结合混合专家模型（MoEs），提升了预训练和推理的速度，同时也保证了技术的自主可控性。
数据资源积累中国市场为国内 AI 搜索企业提供了丰富的数据资源。庞大的用户群体和多样化的业务场景，为模型训练与优化提供了独特的优势。利用自然语言处理和深度学习技术，可以从海量信息中筛选出最相关的内容，为用户提供精准的搜索结果。
2、国外AI搜索企业特点：
通用性与开放平台国外 AI 搜索企业如 Glean 和 Perplexity 通常面向全球市场，强调通用性和用户体验优化。Perplexity 以其直接生成答案的搜索引擎而闻名，改变了传统的搜索方式。通过结合搜索和大语言模型，提供更加精准和高效的搜索体验，强调实时问答能力，注重用户友好性和内容生成的速度。Glean 则是一家专注于企业搜索和知识管理的企业，其平台能够连接并深入理解企业所有数据，为用户提供所需的答案。
研发创新与生态体系海外企业凭借领先的技术积累，在研发投入和生态系统建设方面更具优势。Perplexity 的联合创始人兼 CEO Aravind Srinivas 曾在 OpenAI 工作，其团队成员拥有丰富的技术背景和创新能力。公司不断进行技术创新，如推出广告服务和企业版，扩大收入来源。Glean 由前 Google 搜索工程师和行业资深人士组成，深知在快节奏工作场景中找到所需信息的难度，致力于研发颠覆性产品。其采用矢量搜索和关键词搜索相结合的方式，为每一个客户公司训练定制化的 AI 模型，构建知识图谱，实现个性化搜索结果呈现。
隐私与合规性强欧美市场对数据隐私的高要求，推动了国外企业开发更多保护用户数据的技术。Glean 在隐私与合规性方面表现较强，强调在企业应用中保护用户数据隐私。Perplexity 也在回答中提供带有内联引用的文本，以提供更加个性化的搜索结果，同时优先考虑较新的来源，避免过时信息，保护用户的信息安全。
三、人工智能 AI 搜索企业代表
1、TO B 人工智能 AI 搜索代表企业
达观数据达观数据在为企业提供定制化 AI 搜索服务方面展现出卓越的能力，其服务领域广泛覆盖金融、制造业、政务等多个关键领域。例如，在金融领域，其金融知识搜索系统具有强大的自动化分析能力，能够精准剖析各类政策文件，高效提取相关法律条款，为企业的合规运营提供极为迅速且有力的支持。该系统就像一个智能助手，在企业面临复杂的政策法规环境时，能够快速定位并解读关键信息，帮助企业避免合规风险，确保业务的稳健发展。
在企业内部管理层面，达观数据的搜索平台功能全面，涵盖了企业运营的各个方面。无论是企业的制度规范、政策导向，还是产品研发进程中的各类技术资料、运营管理中的流程信息等，员工都能通过该平台迅速检索到所需的专业知识。这不仅极大地提高了员工的工作效率，减少了信息查找的时间成本，还促进了企业内部知识的共享与流通，使得企业的整体运营更加顺畅。
GleanGlean 作为一家美国专注于企业搜索和知识管理的领先企业，拥有独特而强大的平台功能。其核心优势在于能够深度连接并透彻理解企业内的所有数据，无论是海量的电子邮件、繁杂的文档，还是各类云应用中的数据，Glean 都能进行有效的整合与分析。当用户提出问题时，Glean 能够精准地提供用户所需的答案。
Glean 重点致力于解决企业中普遍存在的信息孤岛问题。在许多企业中，不同部门、不同系统之间的数据往往相互独立，难以实现有效的共享与协同。Glean 通过其强大的数据整合能力，打破了这些数据壁垒，将分散的数据有机地联系在一起，使企业能够充分挖掘数据的价值，提升整体运营效率和决策的科学性。
2、TO C 人工智能 AI 搜索代表企业
秘塔秘塔的 AI 搜索基于其自主研发的先进大模型 MetaLLM，在用户体验方面具有显著特点。它全力支持多轮对话式搜索，用户可以像与真人交流一样，持续深入地提问，获取更加全面和深入的信息。在信息展示方面，秘塔提供结构化的展示形式，使信息呈现更加清晰、有条理，方便用户快速理解和吸收。秘塔的搜索界面简洁无广告，为用户营造了清爽、专注的搜索环境，极大地提升了用户体验的愉悦感。
秘塔 AI 搜索的实时全网搜索功能确保用户能够获取到最新的信息。无论是当下的热点新闻、最新的行业动态，还是各类实时更新的数据，秘塔都能及时捕捉并呈现给用户。这种强大的实时搜索能力使得秘塔在用户中赢得了较高的满意度和访问量，成为众多用户获取信息的重要选择之一。
PerplexityPerplexity 以其创新性的搜索引擎脱颖而出，彻底改变了传统的搜索模式。它巧妙地将搜索技术与大语言模型（LLM）相结合，为用户带来了更为精准和高效的搜索体验。通过利用先进的大型语言模型，Perplexity 能够深入理解用户的问题意图，从而提供高度精准的搜索结果，有效避免了传统搜索中常见的无关信息干扰。
Perplexity 的核心目标是简化用户的搜索流程，让用户能够更加便捷地获取所需信息。其轻量化的对话界面设计简洁直观，用户只需输入问题，即可迅速获得即时答案，无需在众多搜索结果中进行繁琐的筛选。这种高效的搜索方式不仅节省了用户的时间，还提升了用户获取信息的效率。同时，Perplexity 非常注重用户友好性，在内容生成速度方面表现出色，能够在短时间内为用户提供高质量的回答，进一步增强了用户对其产品的好感度和依赖度。
四、国内外 AI搜索企业的对比分析
1、To B 企业深入剖析
核心功能深度解读定制化行业解决方案：To B 企业的定制化能力是其核心竞争力之一，以达观数据为例，在服务金融行业时，不仅仅是简单地提供搜索功能，而是深入理解金融业务流程，如风险评估、投资决策等环节的信息需求。针对不同金融机构的业务特点，定制出专属的搜索界面和算法，使得用户能够快速定位到与自身业务高度相关的政策法规、市场动态以及内部风险管理策略等知识。这种深度定制化能够有效提高金融企业的工作效率，降低合规风险，增强市场竞争力。深度知识搜索与数据分析决策支持： To B企业擅长对企业内部非结构化数据（如电子邮件中的项目讨论、文档中的技术报告等）进行深度知识搜索。通过自然语言处理技术，将这些非结构化数据转化为可分析的结构化信息，挖掘出其中隐藏的业务洞察。例如，在企业的研发项目管理中，能够快速梳理出项目进展、技术难题以及团队成员的沟通要点等关键信息，帮助管理者及时调整项目策略，优化资源分配。技术能力分析垂直行业语义理解与知识图谱构建：对于 To B 企业而言，垂直行业语义理解的深度直接影响搜索结果的准确性。达观数据在政务领域，能够精准理解政府公文、政策文件中的专业术语和语义逻辑。其知识图谱构建不仅涵盖政府部门的组织架构、职能职责等基本信息，还深入到政策法规的层级关系、适用范围以及历史沿革等复杂维度。这使得政府工作人员在搜索政策解读、办事流程等信息时，能够获得高度精准且具有深度背景知识的答案，提高政务服务的效率和质量。Glean 在企业知识图谱构建方面，注重实体关系的动态更新。随着企业业务的发展和市场环境的变化，企业内部的数据关系也在不断演变。Glean 的技术能够实时监测和更新知识图谱中的实体关联，确保搜索结果始终反映企业最新的业务状态。例如，在企业并购重组过程中，能够迅速整合新并入业务的知识体系，为企业整合运营提供及时的知识支持。行业知识与 AI 技术融合的难点与突破：行业知识具有专业性强、更新速度快的特点，与 AI 技术的融合面临诸多挑战。一方面，行业术语的专业性要求 AI 模型具备高度准确的语义理解能力。例如，在医疗行业，医学术语繁多且含义复杂，不同疾病之间的关系错综复杂。达观数据在为医疗企业服务时，需要不断训练模型以准确理解医学概念，同时还要将这些知识与 AI 的搜索和分析算法有效结合。这需要大量的专业医学数据进行训练，并且要与医疗专家密切合作，对模型进行反复优化和验证。另一方面，行业知识的快速更新需要 AI 技术具备快速学习和适应能力。以科技行业为例，新技术、新法规不断涌现，Glean 在为科技企业提供知识管理服务时，要确保其搜索系统能够及时捕捉到行业动态，并将新的知识融入到知识图谱和搜索算法中。这需要采用先进的增量学习技术，使模型能够在不影响原有知识体系的基础上，快速吸收新知识，保持搜索结果的时效性。商业模式创新与拓展订阅制与定制开发服务的协同发展：订阅制为 To B 企业提供了稳定的收入流，同时也促使企业持续优化产品和服务，以满足客户的长期需求。订阅套餐根据企业规模、使用频率和功能需求等因素进行多样化设计。对于小型企业，提供基础版订阅服务，满足其日常办公中的基本搜索和知识管理需求；对于大型企业，则提供高级版订阅服务，涵盖更多的定制化功能、数据分析工具以及专属的技术支持。定制开发服务则是满足企业个性化需求的关键。在某些特定行业，如航空航天、高端制造等，企业对搜索系统的安全性、稳定性和专业性要求极高。To B 企业会与这些企业紧密合作，根据其特殊需求进行定制开发。这种定制开发不仅包括功能定制，还涉及到系统架构设计、数据安全策略制定等全方位的服务。通过订阅制与定制开发服务的协同，To B 企业能够在满足市场共性需求的同时，精准把握个别企业的特殊需求，实现市场覆盖的最大化。SaaS 与私有化部署的战略选择：SaaS 模式具有部署便捷、成本较低等优势，适合一些对数据安全性要求相对较低、希望快速上线使用的企业。同时，To B 企业负责系统的维护和升级，企业无需投入大量的 IT 资源，能够专注于业务应用。私有化部署则主要面向对数据安全和隐私保护有严格要求的企业，如金融、政务等行业。2、To C 企业深度洞察
核心功能创新驱动即时问答与快速信息检索的极致体验：秘塔的多轮对话式搜索为用户提供了一种全新的信息获取方式。在用户查询旅游攻略时，不仅可以通过一轮提问获取目的地的基本信息，如景点推荐、美食攻略等，还可以在后续对话中进一步询问交通方式、住宿推荐等细节问题。秘塔能够根据用户的上下文信息，提供更加精准和个性化的答案，就像一位专业的旅行顾问在与用户实时交流。这种交互性的搜索体验极大地提高了用户获取信息的效率和满意度。Perplexity 的直接生成答案搜索引擎在快速信息检索方面表现出色。当用户查询股票行情时，它能够迅速从海量的金融数据中提取关键信息，直接以简洁明了的答案呈现给用户，无需用户在众多搜索结果中筛选。同时，Perplexity 还会根据用户的搜索历史和偏好，对答案进行个性化优化，为用户提供最符合其需求的信息，节省用户的时间和精力。用户体验优化与多语言支持的全球化视野：秘塔注重用户体验的每一个细节，从界面设计到搜索结果展示都力求简洁美观、易于操作。其结构化信息展示方式使用户能够快速浏览和理解搜索结果的关键要点。在多语言支持方面，秘塔不断拓展语言种类，以满足全球用户的需求。对于跨国用户，无论是查询学术文献还是生活资讯，都能够以自己熟悉的语言获得准确的答案，打破语言障碍，促进知识的全球传播。Perplexity 的轻量化对话界面设计简洁大方，操作流程简单易懂，即使是初次使用的用户也能快速上手。在多语言支持上，Perplexity 采用先进的机器翻译技术和语言识别算法，能够自动识别用户输入的语言，并提供相应语言的答案。此外，Perplexity 还会根据不同语言文化背景下的用户搜索习惯，优化搜索算法和答案生成逻辑，提供更加符合当地用户需求的搜索体验，助力其在全球市场的拓展。技术能力前沿探索通用大模型与多模态搜索的融合应用：秘塔基于自研 MetaLLM 大模型，不断探索通用大模型在多模态搜索中的应用潜力。在图像搜索方面，用户可以通过上传图片或描述图片内容，秘塔能够利用大模型的图像识别和理解能力，搜索出相关的文字信息、产品介绍或相似图片。例如，用户上传一张植物图片，秘塔可以识别出植物种类，并提供关于该植物的生长习性、养护方法等文字信息，以及购买相关园艺产品的链接。这种文本与图像的多模态搜索融合，为用户提供了更加丰富和全面的信息获取方式。Perplexity 在整合多模态搜索与自然语言生成功能方面也取得了显著进展。在视频搜索中，Perplexity 不仅能够根据用户的文字描述搜索到相关视频内容，还能对视频中的关键信息进行提取和总结，以自然语言的形式呈现给用户。例如，用户查询关于某一历史事件的视频资料，Perplexity 可以在返回相关视频链接的同时，提供一段关于该事件的简要文字概述，帮助用户快速判断视频的相关性和价值，提高用户获取信息的效率。生成内容准确性的技术保障与挑战：对于 To C 企业来说，生成内容的准确性是赢得用户信任的关键。秘塔通过大规模的数据训练和持续的模型优化来提高答案的准确性。在训练数据的选择上，注重数据的多样性和权威性，涵盖了学术文献、行业报告、新闻资讯等多种高质量数据源。同时，秘塔采用了先进的模型评估和验证技术，对模型生成的答案进行多维度的质量检测，及时发现和纠正错误信息。然而，随着用户问题的日益复杂和多样化，以及网络信息的快速更新，确保生成内容的准确性仍然是一个持续的挑战。Perplexity 利用其强大的大语言模型和搜索技术的结合，通过对多个数据源的交叉验证和信息融合来提高答案的准确性。在处理用户关于科学知识的问题时，Perplexity 会从权威的科学数据库、学术论文以及专业网站等多个渠道获取信息，并对这些信息进行综合分析和比对，确保提供给用户的答案准确可靠。商业模式多元发展免费 + 增值模式的创新实践：秘塔的免费版本提供了基本的搜索功能和一定量的使用权限，吸引了大量用户。在免费用户积累的基础上，秘塔通过提供增值服务来实现商业变现。例如，推出专业版订阅服务，为用户提供无限制的搜索次数、高级搜索功能（如深度筛选、精准推荐等）以及专属的知识库资源。对于一些特定行业用户，如科研人员、法律从业者等，秘塔还提供定制化的行业解决方案，满足他们在专业领域的深度搜索需求。这种免费 + 增值模式既扩大了用户群体，又通过增值服务满足了不同用户的个性化需求，实现了用户价值和商业价值的双赢。Perplexity 的免费 + 增值模式也具有独特之处。其免费服务包括基本的即时问答和快速搜索功能，同时通过广告展示获取部分收入。对于付费用户，Perplexity 提供了一系列增值服务，如去除广告干扰、优先获取新功能和算法优化后的服务、以及定制化的搜索体验等。此外，Perplexity 还探索与企业合作推出联合品牌版本，为企业客户提供定制化的搜索服务，并通过企业付费实现盈利。这种多元化的免费 + 增值模式使得 Perplexity 能够在满足不同用户需求的同时，实现商业收入的多元化增长。广告与订阅付费的平衡策略：在广告盈利方面，秘塔注重广告投放的精准性和用户体验的平衡。通过对用户搜索行为和兴趣偏好的分析，秘塔能够精准地向用户推送相关的广告内容，提高广告的点击率和转化率。同时，秘塔严格控制广告的展示频率和形式，避免过度干扰用户的搜索体验。在订阅付费方面，秘塔不断优化订阅服务的内容和价格策略，根据用户需求的不同层次，设置了多种订阅套餐，提供灵活的付费选择，吸引用户升级为付费订阅用户。Perplexity 在广告与订阅付费的平衡上也有自己的策略。其广告展示采用了较为简洁和不影响用户操作的方式，如在搜索结果页面的侧边栏或底部展示相关广告。同时，Perplexity 通过不断提升付费订阅服务的价值，如提供更优质的搜索结果、更多的个性化功能以及专属的客户支持等，鼓励用户选择订阅付费模式。此外，Perplexity 还在探索基于用户行为数据的动态广告定价和订阅推荐策略，以实现广告收入和订阅收入的最大化，同时保持用户的满意度和忠诚度。五、未来展望与启示
关于大模型AI搜索领域，随着技术的不断进步和市场需求的日益多元化，国内外TO B和TO C企业的技术边界正逐渐模糊，预示着未来可能形成一个多维度、深层次融合的新格局。
1. 技术边界的融合与重塑
TO C企业向专业化迈进：随着用户对搜索结果的准确性和专业性的要求不断提高，TO C企业将更加注重行业知识的引入和整合。通过深度学习、自然语言处理等技术，TO C企业能够更精准地理解用户意图，结合行业知识库，为用户提供更加专业、权威的搜索结果。这种趋势将推动TO C企业从单纯的搜索工具向知识服务平台转变。TO B企业注重用户体验：为了提升产品的市场竞争力，TO B企业将更加重视用户交互设计，努力使AI搜索工具更加易用、便捷。通过引入先进的UI/UX设计理念和技术，TO B企业能够降低用户的学习成本，提高用户满意度和忠诚度。这将有助于TO B企业打破传统壁垒，拓展更广阔的市场空间。2. 政策与法规的深远影响
数据合规与隐私保护：特别是在中国市场，随着《个人信息保护法》、《数据安全法》等法律法规的出台和实施，数据合规和隐私保护将成为AI搜索企业必须面对的重要课题。企业需要在确保数据安全的前提下，合理利用数据资源，提升AI搜索的准确性和效率。同时，加强用户隐私保护，建立透明的数据使用机制，将是赢得用户信任的关键。行业规范与标准制定：为了推动AI搜索行业的健康发展，国内外将加快制定相关标准和规范。这些标准和规范将涵盖数据安全、算法透明度、搜索结果公正性等多个方面。企业需要积极参与标准和规范的制定工作，共同推动AI搜索行业的规范化、标准化发展。3. 生态系统的构建与协同
AI搜索平台的生态系统化：未来的AI搜索平台将不再是一个孤立的工具，而是成为一个连接上下游企业的生态系统。在这个生态系统中，AI搜索平台将作为核心节点，通过数据共享、算法优化等方式，与内容创作者、数据分析机构、广告商等上下游企业形成紧密的合作关系。这将有助于提升整个生态系统的价值创造能力和市场竞争力。协同创新与共赢发展：在构建生态系统的过程中，TO B和TO C企业需要加强协同创新，共同推动AI搜索技术的升级和应用场景的拓展。通过跨界合作、资源共享等方式，企业可以打破行业壁垒，实现优势互补和共赢发展。同时，企业还需要关注用户需求的变化和市场趋势的发展，及时调整战略方向和技术路线，以确保在激烈的市场竞争中保持领先地位。4. 平衡技术创新与实际应用场景
技术创新与市场需求相结合：在推动AI搜索技术发展的过程中，企业需要注重技术创新与市场需求相结合。通过深入了解用户需求和行业特点，企业可以更加精准地定位技术创新的方向和重点。同时，企业还需要加强技术研发和成果转化能力，将技术创新成果转化为实际生产力，为用户提供更加优质、高效的服务。应用场景的拓展与优化：除了关注技术创新外，企业还需要积极拓展和优化AI搜索的应用场景。通过深入挖掘潜在需求、优化用户体验等方式，企业可以不断拓展AI搜索的应用领域和市场规模。同时，企业还需要加强应用场景的持续优化和迭代能力，以适应市场变化和用户需求的变化。未来AI搜索领域将呈现出技术边界融合、政策影响深远、生态系统构建和平衡技术创新与实际应用场景等趋势。企业需要紧跟时代步伐，加强技术创新和市场拓展能力，共同推动AI搜索行业的健康、可持续发展。
来源：知识图谱大发明家