AI 能「深度研究」了，但我还是离不开百度和 Google

APPSO · 公众号 · app · 2025-03-17 17:23

正文

在一轮轮 AI 基础建设起来之后，目前率先卷起来的应用场景，是「深度研究」。

更准确、更针对、更深入，看到「深度研究」卷成这样，不禁要大呼：完了，搜索引擎都别干了。

别急，还未必就这样。

Semrush 是一个监测网站的访问流量变化的平台，数字营销及 SEO 在调研中发现，Semrush 统计显示，被认为最容易受到 AI 威胁的维基百科，流量实际上并没有如预期般走低。

月均访问量仍然有 50 亿次，谁说的 Wikipedia 马上就要被 AI 干掉了？

甚至不同于搜索引擎，支持关键词又支持完整句， 维基百科是一个「词条」导向的检索方式 ，纯复古。

AI 搜索不断进化的过程，实际也在不断证明 Wikipedia 的重要性，或者说内容来源的重要性。

幻觉横行的旧版本

早期把 AI 应用到搜索场景中时，它的 幻觉是一个严重的问题 。尤其是预训练和参数量被视为唯二法则的时候，LLM 有时会给出行文上看起来合理，但实则虚假的回答。

「一本正经地胡说八道」是最常见的形容。比如，去年两位纽约律师遭到了法庭制裁，因为他们提交的文书中，有六个案件引文完全不存在，是律师们在用 GPT 生成时，模型凭空捏造出来的。

这个例子多少有点离谱，却很典型：在早期 AI 搜索没有被质疑的时候，引用链接还不是常见的设计，导致 AI 直接给出的单一答案往往缺乏透明度 ，很难核查。

这对于某些领域的工作而言是非常致命的。2022 年，Meta 曾经发布过一版名为「Galactica」的模型，主打科研场景，但没几天就被科研人员大量投诉，Meta 不得不紧急撤回一个发布。

相比之下，传统搜索引擎的排列，有一套规则和判断方式。以 Google 去年发布的 Google’s Search Quality Rater Guidelines 中，提出了一套「EEAT」法则：

简而言之就是， 经验、专业性、权威性、可信度 ，这四个维度，共同构成了 Google 抓取内容时的标准。同时，平台还会根据用户反馈，调整页面排名，使低质内容沉底。 这些机制，都对错误信息和低质内容起到了过滤的效果，从而保障整体信息质量。

当然，不能忽略的是，当竞价广告成为传统搜索引擎的主要收入来源之后，这一套机制也要对营收妥协。

不过，传统搜索引擎的形态在很长一段时间内没有发生变化。而 AI 搜索，在过去一两年里快速进步，在形态上发生了翻天覆地的改变。

有「深度研究」就可以不核查了吗？

今年才过去三个月，主流的大模型厂商纷纷推出 Deep Research 服务。从 OpenAI、DeepSeek，到刚推出不久的 Grok 3，以及曾经的弄潮儿 Perplexity，「深度研究」成了一时间，家家都在卷的功能。

所有的 Deep Research 都有一点共性： 内容有来源，且来源可追 溯。

在以往，AI 生成的回答就是一个完整的段落，让人没法核查。有些即便提供了引用来源，溯源依然有很大的难度。

比如，模型罗列了一大堆网站和文档，但实际只用了其中一小部分内容。或者给出的回答主要靠数据集的「记忆」来生成，而非检索到的文档。

而作为 Deep Research 模式的 基本操守 ，来源是必须有的。在 ChatGPT 的 Deep Research 中，会文内显示来源网站的域名。

Grok 3 里面是在思考过程里列出网址，报告正文有时候会触发出文内引用，有时候没有，看情况。