作者 | 連冉編輯 | 鄭玄
大模型帶動的這波創新浪潮裏，所有人都在猜測第一個殺手級應用會誕生在哪個領域。今天來看，搜索毫無疑問是排在前三位的種子選手。
早在去年年初，微軟就借着 OpenAI 這塊好鐵，給 Bing 打了一把好刀，挑戰根深蒂固的谷歌，盡管結果算不上成功，但也确實給科技行業帶來了啓發。
在這之後，基于 AI 的新搜索賽道愈發熱鬧—— AI 搜索引擎公司 Perplexity 估值已達 30 億美元，OpenAI 也嘗試推出自己的 AI 驅動搜索引擎；在國内，包括誇克、360、秘塔、天工等來自大廠、中廠、小廠的新搜索産品也紛紛登場，其中不少已經登上 AI 産品日活榜單的前列。
作爲國内搜索領域過去二十年的絕對領先者，以及大模型浪潮裏最活躍的國内玩家，百度必然不會錯過這個賽道。事實上，從去年推出「文心一言」App，百度就在以自己的方式探索新搜索的可能。而在 9 月 4 日，百度官宣文心一言 APP 正式升級爲文小言，并明确将其定位爲百度旗下「新搜索」智能助手。
與名字一起升級的還有一系列更加 ToC 的新功能。「文小言」此次推出的能力包括富媒體搜索、多模态輸入、文本與圖片創作、高拟真數字人等，同時還發布了記憶和自由訂閱等獨家新功能。
而在定位上，相比傳統搜索強工具化屬性，「文小言」被賦予了更人性化的期待，成爲用戶口袋裏的「好朋友」。
01
「新搜索」，「新」在哪裏？
用戶使用搜索産品的需求内核是「問」，也就是尋求某個問題的答案——可以是具體的某個網址或者某個軟件的下載鏈接，也可能是相對模糊的開放問題，比如「我是不是得了什麽病」、「如何看待俄烏、巴以沖突局勢」。
搜索産品的使命是「答」，但就像學生提問老師，老師的回答既可能是直接告訴你「1+1=2」，也可能是告訴你去翻哪本教材，或者幹脆拿戒尺敲三下你的腦袋，隻可意會不可言傳。搜索産品對于如何提供滿足用戶的回答也會有多種形式，而文小言的做法，是「搜」+「創」+「聊」+「新」的結合。
「搜」不用多說，基于場景的搜索在過去 20 年一直是百度努力探索和豐富的方向。在「文小言」裏已經整合了天氣、音樂、導航、翻譯等場景下的百度産品能力，答案的呈現方式上也不止網頁和鏈接，過去幾十年積累的百科、視頻等富媒體講解也被納入其中，并支持邊看邊問，進一步優化用戶提問的交互體驗。
同時在這些基礎上，大模型的結構化解析能力，還可以支持對表格、思維導圖、流程圖、文檔 / 網頁等更複雜的信息輸入做解析。
如果說文小言的「搜」是在百度搜索體系的基礎上，引入了一些大模型的理解能力，那麽「創」就是更進一步，引入了大模型的生成能力。
自從之前升級過後，大家平常「百度一下」的時候應該都體驗過百度的「AI 智能回答」，大模型會根據用戶的提問，從最合适的信源裏提煉出問題的回答，并對答案做出一些結構化的解釋。大部分時候那些比較清晰精确的提問，看「AI 智能回答」就已經足夠。
而文小言的「創」則是在生成短回答的基礎上，進一步引入了創作更長、更複雜的專業内容的能力。既包括寫文案、腳本、周報、簡曆這些打工人日常會用到的文本型工作，也包括更實用的拍圖寫文、拍題解題這些社交媒體、教育場景的應用，以及生圖、修圖等圖片内容的生成。
而第三個功能「聊」，則滿足了一些不太适合一輪簡單問詢的搜索場景。其實在傳統搜索時代，産品經理就已經發現一些場景并不适合一輪提問然後給出一堆參考鏈接的舊搜索引擎模式，最典型的就是咨詢和陪伴場景，過去的解決方案下，比如法律咨詢，會把用戶導向真人律師，或者百度知道這種互動式問答分享平台，讓用戶找到與自己相似的問詢者獲取的答案。
但這些歸根結底都是間接的辦法，是機器能力不足時引入人或者以人爲中心搭建平台來解決問題。而大模型的專業泛化能力，讓文小言可以構建起直接回答問題并與用戶交互的能力，或者直接跟專業領域的數字人互動、提問，所以在口語、面試、法律這種咨詢場景，以及戀愛、心理疏導等陪伴型的場景，就有了「聊」這個新的解決方案。
上述「搜」、「創」、「聊」都是基于大模型能力，重新梳理了用戶與搜索産品之間一問一答之間的基礎産品交互邏輯，而「新」則是問答基礎需求之上，構建起一個滿足用戶個性化需求的新機制。
其實不論手淘還是抖音，在 APP 産品時代取得的成功一定程度上都源于移動端的革新，讓這些産品可以更好地把握用戶的個性化需求，千人千面的商品推薦頁面、千人千面的興趣内容推薦頁面，構成了移動互聯網時代最成功産品的底層基石。
相比之下，因爲人的搜索行爲覆蓋的場景更加複雜，移動時代搜索的千人千面更難做到，最終跑出來一個信息流應用，是在人的搜索場景中抽取出新聞信息獲取這個非常細分的場景，實現了場景限定的個性化信息推薦。
而大模型的記憶和泛化能力，意味着通過訓練特定的大模型，就能夠實現一定程度上實現搜索的個性化，因爲不論提出何種提問，這個熟悉你的對話助手，理論上都能像了解你的好友、愛人、秘書一樣，提供最契合你的回答，就比如你問它我想買一塊百達翡麗，如果「你」是馬斯克它會推薦你買哪一款新品，如果你是打工人它會推薦你早點睡覺。
今天在啓用「文小言」這個助手之前，可以先進行一番喜好設置。隻需要告訴文小言需要記住的内容，包括職業、愛好、昵稱、姓名、年齡、身高、屬相、星座、性别、興趣愛好、偶像、未來計劃、生活作息、性格等，文小言就可以像朋友一樣記得用戶的喜好，提供個性化的内容輸出。
圖片來源：「文小言」App
除了個性化，文小言還獨家發布了「自由訂閱」功能，從筆者的體驗來看，這個功能用起來感覺和 RSS 有點相似，唯一的區别是前者是典型的互聯網産品時代 I/O 的交互模式，而文小言則是用自然語言交互——前者像一個機械式的信息收集器，後者則像是一個人性化的私人秘書。
02
搜索進化論：從給參考書，
到給答案，甚至直接解決問題
其實一直以來，搜索的本質并不是「搜」，而是解決問題，給用戶答案。利用生成式AI的能力，文小言追求的新搜索是能夠理解用戶的問題，整理并彙總信息，通過總結分析來給出最貼近用戶問題的答案或解決方案。
過去之所以無法實現，是因爲之前計算機的能力無法準确理解人們的問題以及想要的回答。
傳統搜索引擎的誕生，解決了信息爆炸時代用戶快速獲取所需信息的需求。通過複雜的算法，搜索引擎将相關的内容呈現給用戶，幫助人們在最短時間内找到答案。
然而，傳統搜索引擎本身有自己的局限性。其最顯著的不足在于對用戶意圖的理解較爲淺顯，依賴于關鍵詞匹配，往往無法真正理解用戶背後的需求，導緻用戶在面對複雜問題時，仍需花費大量時間篩選信息。
但這些不足隻是技術發展的階段性限制所在，同時也反映出從「找到信息」到「理解需求」的轉變尚未完全實現。
即便是到後來小紅書之類的社區内搜索興起，将搜索功能與社交互動、内容消費深度融合，爲用戶打開了一些新的使用場景，也隻是給到用戶特定場景内更相關的内容鏈接，并做不到直接給用戶提供答案
直到大模型的出現，帶來新的可能性，讓搜索實現從「提供信息」向「直接獲取答案」的轉變。
引入 AI 後的新搜索，可以通過理解上下文、推理分析，給出精準的答案。用戶不再需要在海量信息中來回選擇，而是能在與搜索引擎的互動中即時獲取所需的答案。
國内外團隊看到了這個機會，所以紛紛加入到對新搜索的探索，推出了形形色色的産品。
但這類産品普遍存在一些共性的問題，雖然其已經具備了一定的 AI 能力，能夠在一定程度上改善用戶體驗，比如解決了傳統搜索引擎在搜索結果相關性不足、難以就一個問題深入探讨等缺陷，但多數仍是以對話形式直接給出答案，還未能徹底改變用戶在搜索中的被動體驗，未能實現真正意義上的智能互動與個性化服務。
搜索要想更進一步，就不能隻停留在工具屬性，要再往人性化的方向走一走，這是文小言在嘗試的方向。
它所包含的場景裏，不僅有「搜」，還有「創」，也就是不僅能夠生成過去世界上沒有的信息，或者用戶自己都未曾想到的内容，還能夠通過多輪交互，深入了解用戶需求，逐步生成滿足用戶個性化需求的成果。
而通過多輪交互，再加上個性化記憶能力，新搜索也可以在「聊」這個場景下，給用戶更豐富的情緒、陪伴價值，畢竟聊多了，才能更了解，更「懂」。
但光這樣也還不夠，要想走向更廣大的用戶，不光功能得豐富，門檻也得降低。文小言的「邊拍邊問」「邊看邊問」，就把搜索産品的使用門檻又往下降了降。就像看到什麽東西不懂，順口問朋友一樣，打開文小言，拍張照，就能給解答的明明白白。
随着搜索從「提供信息」向「理解需求」再到「情感互動」的轉變，AI 驅動的新搜索正在超越傳統邊界，看起來，文小言是這一趨勢下的積極探索者，它的出現，也可以看作是一次搜索從工具向夥伴的進化嘗試。
* 頭圖來源：視覺中國
