可能你还没啥感觉，但最近有一个玩意，让头部企业和大佬们都抢疯了。从抢光了谷歌风头的NewBing炸裂登场，再到让英伟达黄仁勋都成忠实迷弟的Perplexity，随随便便就是5亿估值。甚至最近，连老大哥OpenAI也被传在偷偷下场。总而言之，就是很卷，很火，很抢手。有些敏锐的差友应该已经猜到了，它就是AI搜索。哎，这就让差评君好奇了，海外一片火热，那国内是谁最先想到要搞AI搜索的呢？于是，就随手在Perplexity和谷歌的Gemini上搜了下：中国第一个AI搜索产品是什么？

结果让人有些意外，出来的居然不是那些老牌的熟面孔，而是昆仑万维在2023年8月发布的天工AI搜索。

Perplexity

谷歌Gemini

有点不相信的差评君，又试了国内好几家AI搜索产品。结果，这些同行们异口同声报出的答案，还是它。。。

抖音豆包

文心一言

差评君去翻了翻资料，发现就在前两天QuestMobile发布的AI报告里，天工默默干到了国内AI独立应用月活前三，坐拥八百多万的月活。

其实天工AI能有这么多用户，差评君并不惊讶。就拿差评君来说吧，以前一个选题总要在搜索软件里泡上一两天，才能动笔，还得时刻提防那些隐藏的广告。被传统搜索折磨惨了的我们，早就是人手几个AI搜索了。

每篇稿件都有一份整理的资料文档

真正让差评君惊讶的就是，天工AI是怎么从众多同行里脱颖而出，成了圈子里的头牌的。其实天工AI是咱们的老朋友了，早在去年8月份首发的时候，差评君就上手过了。以差评君的使用次数，那绝对可以说是看着天工AI长大的。不过才短短半年时间，他们就又铆足了劲交了个天工大模型3.0的全新版本出来。在差评君抢先体验后觉得，这次更新可谓是脱胎换骨，甚至值得咱们再拿出来细细咂摸一番。因为在很多中文场景下，它表现得比Perplexity还要不俗，更适合中国宝宝体质。

就这个话题热搜，就太对胃口

我们简单试试，就能明白差评君在说什么了。差评君就问了一个看似简单的问题：OpenAI要做AI搜索的信息源头是什么？传统搜索这边，跳出来一堆文章不算，我翻遍了前两篇，也没找到OpenAI是哪家媒体先爆料的。但对天工AI来说，这题简单得够呛。不仅直接点出是TheInformation最先报道，还拓展补充了很多相关信息。

天工AI

让我有些意外的是，把同样的问题丢给Perplexity。它却明显理解错了我的语义，把报道信息源理解成了OpenAI搜索技术提供的源头是什么。

Perplexity

后面差评君又追问了一道比较难的题目，让它们试着给我推荐餐厅。以前试过NewBing的人，肯定知道这种实时的问题，向来是AI搜索的软肋。还有什么天气情况、路线规划等等。但对于现在的天工AI来说，真的就是切瓜砍菜。它抓取信息非常精准，甚至会帮你从视频里扒答案，就比如找到抖音上的美食推荐。

相对来说，Perplexity的表现肉眼可见的略逊一筹。给我“贴心”地推荐了in77地下车库，还祝我用餐愉快。到这里，你就能感觉到在中文和国内的实时信息上，天工AI要强出一截。如果你觉得这样还不满意，别急，天工还上新了增强模式。开启之后，会大大提高回复质量。即便一次性甩过去好几个问题，它也能逐一拆分出来。

甚至会对一些模糊的问题，做进一步的提问引导。尤其适合解决一些复杂问题，像之前差评君做过一期B站视频，讲古代人是怎么测绘地图的。这个题，我们前前后后大概花了一周的时间。但甩给天工AI，它可以瞬间帮你总结出起码4个大类的信息。

如果你还不满意，我们还可以进一步追问，直到把问题梳理清楚。

除了把基础实力打磨得更扎实，在国产厂商们擅长的用户体验上，天工AI也花了不少心思。差评君用下来觉得很舒服，像很多问题大模型给一堆文字，不如一张图片来得清晰明了。所以，除了文本回答之外，天工AI的回答还会附带图片、甚至是视频。

如果是一些涉及对比的问题，比如两款手机对比、旅游城市对比，天工AI可以自动做出一张对比表格，好坏优劣一目了然。

之后，还会新增搜图片、搜视频、搜音频的垂直能力，以及更多具有实用性的展现形式。差评君这里就不一一展示了，留给大家自己去上手。

研究模式和思维导图输出

看到这，很多差友可能会好奇。士别才三日，怎么就得刮目相看了？自己还停留在NewBing时代呢，这才半年时间，天工AI就把水准往上拔了大一截了？不仅检索精准度变高了，连视频都能扒了，也不像曾经大部分AI那样一本正经胡说八道了。其实秘密就藏在昆仑万维这次新上的两个狠货里，也是两个目前圈子里大热的前沿技术架构，一个是MoE，一个是RAG。你不要一听到专业术语就慌，差评君一分钟就能给你讲明白咯。

首先是这个MoE，也叫混合专家模型。顾名思义，就是内置了数个专家模型的大模型。

举个例子吧，比如我们输入：金毛火锅今年7岁了，未来五年内会不会得糖尿病？这一个小问题，其实涉及了性别、年龄、品种、糖尿病的成因等各种方面。

天工AI就会把它拆分成一个一个小任务，再由一个专门负责分配的模型，把任务下发给手下最擅长的专家模型。比如有的研究性别，有的研究品种。这跟咱们写文章很像，像小发擅长写游戏，世超挖掘好用的软件更有一套。把专业的事交给专业的人办，才能把效率和效果都拉满。而且，那些用不着的模型还能中途偷个懒，把算力节省下来。这边有专业团队负责输出内容，那边昆仑万维又准备了RAG技术，来负责把控大模型的知识库。这个RAG技术理解起来其实更简单，就是检索+文字生成。

以前我们提出一个问题，大模型会直接拿着这个问题去茫茫大海中打捞信息，然后直接输出结果。但RAG在交给大模型生成答案之前，还多了一步单独的检索步骤。先拆解我们的问题，然后找到大量相关的信息和内容，比如金毛的体质、糖尿病的生成原因等等。再从这些内容里，检索出和关键词最相关的信息。把这些信息和我们的问题，一起整理出一份新的、更专业的Prompt，最后才会喂给大模型去输出内容。这多出的整理步骤，不仅提高了信息查找的效率，也让每一个回答，也都有可以追溯的源头，减少大模型出现幻觉的概率。这个技术，早已经在慢慢取代那些简单的问答bot机器。

也正是装上了这两个最前沿的技术，使得天工AI和传统搜索，甚至是初代AI搜索的差距越拉越大。在MEET智能大会上，昆仑万维董事长兼CEO方汉曾经分享过一组对比数据。传统搜索的时代，我们输入一个问题，然后再去阅读大量网页，最后分析总结出结果，这个过程一般耗时3-10分钟。任何人都很难再缩短这个时间。但在大模型时代，每次获取结果的时间，可以被压缩到5-10秒。在这样的高效率面前，传统搜索们给AI搜索让路，是一个必然的结果了。虽然现在取代传统搜索还为时尚早。但由奢入俭难，用过了这种高效的AI搜索模式，就很难再换回去。搜索引擎的下半场，注定要进入高效的AI时代。以天工AI为代表的生成式搜索模式，将会后来居上。虽然说不好谁能笑到最后，但谁先入场，站稳脚跟，也就赢了一半了。平静了30年多年的搜索引擎市场，恐怕要迎来一场变革。

文章来源：差评