大模型AI搜索的產品對比：Glean，Perplexity及國產達觀，秘塔等

一、企業大模型 AI 搜索的發展背景與趨勢

近年來，隨著人工智能技術的發展，大語言模型（LLM）成為推動 AI 搜索技術變革的核心引擎。ChatGPT 等技術的廣泛應用帶動了生成式 AI 的熱潮，其在搜索領域的革新力尤為顯著。與傳統基于關鍵詞匹配的搜索引擎不同，基于大模型的 AI 搜索系統能夠通過自然語言處理（NLP）、多模態感知等技術，實現語義理解和智能化推薦。

AI 搜索的發展趨勢主要體現在幾個方面，一是個性化與上下文理解，大模型搜索可以根據用戶歷史行為和上下文信息生成個性化答案；二是多模態數據整合，AI 搜索逐步支持整合文本、圖像、視頻等多種數據類型，提升信息獲取效率；三是行業細分與場景化，AI 搜索正在從通用領域向行業化、場景化深耕，例如法律、醫療、教育等領域的精準應用。四是隱私保護與安全性，特別是在企業應用中，如何在數據隱私保護與性能優化之間取得平衡，是關鍵課題。隨著人工智能技術的不斷發展，大模型 AI 搜索產品逐漸成為人們獲取信息的重要工具。本文將對 Glean、Perplexity、達觀和秘塔等國內外知名的大模型 AI 搜索產品進行對比分析，旨在為用戶提供全面的產品信息和選擇參考。

二、國內外AI搜索科技企業的技術差異與發展路徑

 1、國內AI搜索企業特點：

1) 行業聚焦與本地化優勢

國內 AI 搜索企業緊密結合本地化需求，在法律法規、金融風控、制造業等復雜行業中展現出強大的實力。以達觀數據為例，其在金融領域的搜索系統能夠自動分析政策，提取相關法律條款，為合規提供快速支持。在企業內部平臺，用戶可以搜索到制度、政策、產品研發、運營管理等所有相關專業知識。這體現了國內企業對特定行業的深入理解和精準服務能力，能夠更好地滿足本地用戶在復雜業務場景中的需求。

2) 成本敏感與自主可控

國內企業在技術開發中對成本控制更為敏感。由于政策法規的限制，國內企業更加注重技術棧的自主可控。這促使企業在技術研發過程中，既要考慮降低成本，又要確保技術的安全性和獨立性。例如，秘塔科技在研發過程中，采用自主研發的大模型 MetaLLM，基于 Transformer 架構，并結合混合專家模型（MoEs），提升了預訓練和推理的速度，同時也保證了技術的自主可控性。

3) 數據資源積累

中國市場為國內 AI 搜索企業提供了豐富的數據資源。龐大的用戶群體和多樣化的業務場景，為模型訓練與優化提供了獨特的優勢。利用自然語言處理和深度學習技術，可以從海量信息中篩選出最相關的內容，為用戶提供精準的搜索結果。

2、國外AI搜索企業特點：

1) 通用性與開放平臺

國外 AI 搜索企業如 Glean 和 Perplexity 通常面向全球市場，強調通用性和用戶體驗優化。Perplexity 以其直接生成答案的搜索引擎而聞名，改變了傳統的搜索方式。通過結合搜索和大語言模型，提供更加精準和高效的搜索體驗，強調實時問答能力，注重用戶友好性和內容生成的速度。Glean 則是一家專注于企業搜索和知識管理的企業，其平臺能夠連接并深入理解企業所有數據，為用戶提供所需的答案。

2) 研發創新與生態體系

海外企業憑借領先的技術積累，在研發投入和生態系統建設方面更具優勢。Perplexity 的聯合創始人兼 CEO Aravind Srinivas 曾在 OpenAI 工作，其團隊成員擁有豐富的技術背景和創新能力。公司不斷進行技術創新，如推出廣告服務和企業版，擴大收入來源。Glean 由前 Google 搜索工程師和行業資深人士組成，深知在快節奏工作場景中找到所需信息的難度，致力于研發顛覆性產品。其采用矢量搜索和關鍵詞搜索相結合的方式，為每一個客戶公司訓練定制化的 AI 模型，構建知識圖譜，實現個性化搜索結果呈現。

3) 隱私與合規性強

歐美市場對數據隱私的高要求，推動了國外企業開發更多保護用戶數據的技術。Glean 在隱私與合規性方面表現較強，強調在企業應用中保護用戶數據隱私。Perplexity 也在回答中提供帶有內聯引用的文本，以提供更加個性化的搜索結果，同時優先考慮較新的來源，避免過時信息，保護用戶的信息安全。

三、人工智能 AI 搜索企業代表

1、TO B 人工智能 AI 搜索代表企業

1) 達觀數據

達觀數據在為企業提供定制化 AI 搜索服務方面展現出卓越的能力，其服務領域廣泛覆蓋金融、制造業、政務等多個關鍵領域。例如，在金融領域，其金融知識搜索系統具有強大的自動化分析能力，能夠精準剖析各類政策文件，高效提取相關法律條款，為企業的合規運營提供極為迅速且有力的支持。該系統就像一個智能助手，在企業面臨復雜的政策法規環境時，能夠快速定位并解讀關鍵信息，幫助企業避免合規風險，確保業務的穩健發展。

在企業內部管理層面，達觀數據的搜索平臺功能全面，涵蓋了企業運營的各個方面。無論是企業的制度規范、政策導向，還是產品研發進程中的各類技術資料、運營管理中的流程信息等，員工都能通過該平臺迅速檢索到所需的專業知識。這不僅極大地提高了員工的工作效率，減少了信息查找的時間成本，還促進了企業內部知識的共享與流通，使得企業的整體運營更加順暢。

2) Glean

Glean 作為一家美國專注于企業搜索和知識管理的領先企業，擁有獨特而強大的平臺功能。其核心優勢在于能夠深度連接并透徹理解企業內的所有數據，無論是海量的電子郵件、繁雜的文檔，還是各類云應用中的數據，Glean 都能進行有效的整合與分析。當用戶提出問題時，Glean 能夠精準地提供用戶所需的答案。

Glean 重點致力于解決企業中普遍存在的信息孤島問題。在許多企業中，不同部門、不同系統之間的數據往往相互獨立，難以實現有效的共享與協同。Glean 通過其強大的數據整合能力，打破了這些數據壁壘，將分散的數據有機地聯系在一起，使企業能夠充分挖掘數據的價值，提升整體運營效率和決策的科學性。

2、TO C 人工智能 AI 搜索代表企業

1) 秘塔

秘塔的 AI 搜索基于其自主研發的先進大模型 MetaLLM，在用戶體驗方面具有顯著特點。它全力支持多輪對話式搜索，用戶可以像與真人交流一樣，持續深入地提問，獲取更加全面和深入的信息。在信息展示方面，秘塔提供結構化的展示形式，使信息呈現更加清晰、有條理，方便用戶快速理解和吸收。秘塔的搜索界面簡潔無廣告，為用戶營造了清爽、專注的搜索環境，極大地提升了用戶體驗的愉悅感。

秘塔 AI 搜索的實時全網搜索功能確保用戶能夠獲取到最新的信息。無論是當下的熱點新聞、最新的行業動態，還是各類實時更新的數據，秘塔都能及時捕捉并呈現給用戶。這種強大的實時搜索能力使得秘塔在用戶中贏得了較高的滿意度和訪問量，成為眾多用戶獲取信息的重要選擇之一。

2) Perplexity

Perplexity 以其創新性的搜索引擎脫穎而出，徹底改變了傳統的搜索模式。它巧妙地將搜索技術與大語言模型（LLM）相結合，為用戶帶來了更為精準和高效的搜索體驗。通過利用先進的大型語言模型，Perplexity 能夠深入理解用戶的問題意圖，從而提供高度精準的搜索結果，有效避免了傳統搜索中常見的無關信息干擾。

Perplexity 的核心目標是簡化用戶的搜索流程，讓用戶能夠更加便捷地獲取所需信息。其輕量化的對話界面設計簡潔直觀，用戶只需輸入問題，即可迅速獲得即時答案，無需在眾多搜索結果中進行繁瑣的篩選。這種高效的搜索方式不僅節省了用戶的時間，還提升了用戶獲取信息的效率。同時，Perplexity 非常注重用戶友好性，在內容生成速度方面表現出色，能夠在短時間內為用戶提供高質量的回答，進一步增強了用戶對其產品的好感度和依賴度。

四、國內外 AI搜索企業的對比分析

1、To B 企業深入剖析

1) 核心功能深度解讀

· 定制化行業解決方案：To B 企業的定制化能力是其核心競爭力之一，以達觀數據為例，在服務金融行業時，不僅僅是簡單地提供搜索功能，而是深入理解金融業務流程，如風險評估、投資決策等環節的信息需求。針對不同金融機構的業務特點，定制出專屬的搜索界面和算法，使得用戶能夠快速定位到與自身業務高度相關的政策法規、市場動態以及內部風險管理策略等知識。這種深度定制化能夠有效提高金融企業的工作效率，降低合規風險，增強市場競爭力。

· 深度知識搜索與數據分析決策支持： To B企業擅長對企業內部非結構化數據（如電子郵件中的項目討論、文檔中的技術報告等）進行深度知識搜索。通過自然語言處理技術，將這些非結構化數據轉化為可分析的結構化信息，挖掘出其中隱藏的業務洞察。例如，在企業的研發項目管理中，能夠快速梳理出項目進展、技術難題以及團隊成員的溝通要點等關鍵信息，幫助管理者及時調整項目策略，優化資源分配。

2) 技術能力分析

· 垂直行業語義理解與知識圖譜構建：對于 To B 企業而言，垂直行業語義理解的深度直接影響搜索結果的準確性。達觀數據在政務領域，能夠精準理解政府公文、政策文件中的專業術語和語義邏輯。其知識圖譜構建不僅涵蓋政府部門的組織架構、職能職責等基本信息，還深入到政策法規的層級關系、適用范圍以及歷史沿革等復雜維度。這使得政府工作人員在搜索政策解讀、辦事流程等信息時，能夠獲得高度精準且具有深度背景知識的答案，提高政務服務的效率和質量。Glean 在企業知識圖譜構建方面，注重實體關系的動態更新。隨著企業業務的發展和市場環境的變化，企業內部的數據關系也在不斷演變。Glean 的技術能夠實時監測和更新知識圖譜中的實體關聯，確保搜索結果始終反映企業最新的業務狀態。例如，在企業并購重組過程中，能夠迅速整合新并入業務的知識體系，為企業整合運營提供及時的知識支持。

· 行業知識與 AI 技術融合的難點與突破：行業知識具有專業性強、更新速度快的特點，與 AI 技術的融合面臨諸多挑戰。一方面，行業術語的專業性要求 AI 模型具備高度準確的語義理解能力。例如，在醫療行業，醫學術語繁多且含義復雜，不同疾病之間的關系錯綜復雜。達觀數據在為醫療企業服務時，需要不斷訓練模型以準確理解醫學概念，同時還要將這些知識與 AI 的搜索和分析算法有效結合。這需要大量的專業醫學數據進行訓練，并且要與醫療專家密切合作，對模型進行反復優化和驗證。另一方面，行業知識的快速更新需要 AI 技術具備快速學習和適應能力。以科技行業為例，新技術、新法規不斷涌現，Glean 在為科技企業提供知識管理服務時，要確保其搜索系統能夠及時捕捉到行業動態，并將新的知識融入到知識圖譜和搜索算法中。這需要采用先進的增量學習技術，使模型能夠在不影響原有知識體系的基礎上，快速吸收新知識，保持搜索結果的時效性。

3) 商業模式創新與拓展

· 訂閱制與定制開發服務的協同發展：訂閱制為 To B 企業提供了穩定的收入流，同時也促使企業持續優化產品和服務，以滿足客戶的長期需求。訂閱套餐根據企業規模、使用頻率和功能需求等因素進行多樣化設計。對于小型企業，提供基礎版訂閱服務，滿足其日常辦公中的基本搜索和知識管理需求；對于大型企業，則提供高級版訂閱服務，涵蓋更多的定制化功能、數據分析工具以及專屬的技術支持。定制開發服務則是滿足企業個性化需求的關鍵。在某些特定行業，如航空航天、高端制造等，企業對搜索系統的安全性、穩定性和專業性要求極高。To B 企業會與這些企業緊密合作，根據其特殊需求進行定制開發。這種定制開發不僅包括功能定制，還涉及到系統架構設計、數據安全策略制定等全方位的服務。通過訂閱制與定制開發服務的協同，To B 企業能夠在滿足市場共性需求的同時，精準把握個別企業的特殊需求，實現市場覆蓋的最大化。

· SaaS 與私有化部署的戰略選擇：SaaS 模式具有部署便捷、成本較低等優勢，適合一些對數據安全性要求相對較低、希望快速上線使用的企業。同時，To B 企業負責系統的維護和升級，企業無需投入大量的 IT 資源，能夠專注于業務應用。私有化部署則主要面向對數據安全和隱私保護有嚴格要求的企業，如金融、政務等行業。

2、To C 企業深度洞察

1) 核心功能創新驅動

· 即時問答與快速信息檢索的極致體驗：秘塔的多輪對話式搜索為用戶提供了一種全新的信息獲取方式。在用戶查詢旅游攻略時，不僅可以通過一輪提問獲取目的地的基本信息，如景點推薦、美食攻略等，還可以在后續對話中進一步詢問交通方式、住宿推薦等細節問題。秘塔能夠根據用戶的上下文信息，提供更加精準和個性化的答案，就像一位專業的旅行顧問在與用戶實時交流。這種交互性的搜索體驗極大地提高了用戶獲取信息的效率和滿意度。Perplexity 的直接生成答案搜索引擎在快速信息檢索方面表現出色。當用戶查詢股票行情時，它能夠迅速從海量的金融數據中提取關鍵信息，直接以簡潔明了的答案呈現給用戶，無需用戶在眾多搜索結果中篩選。同時，Perplexity 還會根據用戶的搜索歷史和偏好，對答案進行個性化優化，為用戶提供最符合其需求的信息，節省用戶的時間和精力。

· 用戶體驗優化與多語言支持的全球化視野：秘塔注重用戶體驗的每一個細節，從界面設計到搜索結果展示都力求簡潔美觀、易于操作。其結構化信息展示方式使用戶能夠快速瀏覽和理解搜索結果的關鍵要點。在多語言支持方面，秘塔不斷拓展語言種類，以滿足全球用戶的需求。對于跨國用戶，無論是查詢學術文獻還是生活資訊，都能夠以自己熟悉的語言獲得準確的答案，打破語言障礙，促進知識的全球傳播。Perplexity 的輕量化對話界面設計簡潔大方，操作流程簡單易懂，即使是初次使用的用戶也能快速上手。在多語言支持上，Perplexity 采用先進的機器翻譯技術和語言識別算法，能夠自動識別用戶輸入的語言，并提供相應語言的答案。此外，Perplexity 還會根據不同語言文化背景下的用戶搜索習慣，優化搜索算法和答案生成邏輯，提供更加符合當地用戶需求的搜索體驗，助力其在全球市場的拓展。

2) 技術能力前沿探索

· 通用大模型與多模態搜索的融合應用：秘塔基于自研 MetaLLM 大模型，不斷探索通用大模型在多模態搜索中的應用潛力。在圖像搜索方面，用戶可以通過上傳圖片或描述圖片內容，秘塔能夠利用大模型的圖像識別和理解能力，搜索出相關的文字信息、產品介紹或相似圖片。例如，用戶上傳一張植物圖片，秘塔可以識別出植物種類，并提供關于該植物的生長習性、養護方法等文字信息，以及購買相關園藝產品的鏈接。這種文本與圖像的多模態搜索融合，為用戶提供了更加豐富和全面的信息獲取方式。Perplexity 在整合多模態搜索與自然語言生成功能方面也取得了顯著進展。在視頻搜索中，Perplexity 不僅能夠根據用戶的文字描述搜索到相關視頻內容，還能對視頻中的關鍵信息進行提取和總結，以自然語言的形式呈現給用戶。例如，用戶查詢關于某一歷史事件的視頻資料，Perplexity 可以在返回相關視頻鏈接的同時，提供一段關于該事件的簡要文字概述，幫助用戶快速判斷視頻的相關性和價值，提高用戶獲取信息的效率。

· 生成內容準確性的技術保障與挑戰：對于 To C 企業來說，生成內容的準確性是贏得用戶信任的關鍵。秘塔通過大規模的數據訓練和持續的模型優化來提高答案的準確性。在訓練數據的選擇上，注重數據的多樣性和權威性，涵蓋了學術文獻、行業報告、新聞資訊等多種高質量數據源。同時，秘塔采用了先進的模型評估和驗證技術，對模型生成的答案進行多維度的質量檢測，及時發現和糾正錯誤信息。然而，隨著用戶問題的日益復雜和多樣化，以及網絡信息的快速更新，確保生成內容的準確性仍然是一個持續的挑戰。Perplexity 利用其強大的大語言模型和搜索技術的結合，通過對多個數據源的交叉驗證和信息融合來提高答案的準確性。在處理用戶關于科學知識的問題時，Perplexity 會從權威的科學數據庫、學術論文以及專業網站等多個渠道獲取信息，并對這些信息進行綜合分析和比對，確保提供給用戶的答案準確可靠。

3) 商業模式多元發展

· 免費 + 增值模式的創新實踐：秘塔的免費版本提供了基本的搜索功能和一定量的使用權限，吸引了大量用戶。在免費用戶積累的基礎上，秘塔通過提供增值服務來實現商業變現。例如，推出專業版訂閱服務，為用戶提供無限制的搜索次數、高級搜索功能（如深度篩選、精準推薦等）以及專屬的知識庫資源。對于一些特定行業用戶，如科研人員、法律從業者等，秘塔還提供定制化的行業解決方案，滿足他們在專業領域的深度搜索需求。這種免費 + 增值模式既擴大了用戶群體，又通過增值服務滿足了不同用戶的個性化需求，實現了用戶價值和商業價值的雙贏。Perplexity 的免費 + 增值模式也具有獨特之處。其免費服務包括基本的即時問答和快速搜索功能，同時通過廣告展示獲取部分收入。對于付費用戶，Perplexity 提供了一系列增值服務，如去除廣告干擾、優先獲取新功能和算法優化后的服務、以及定制化的搜索體驗等。此外，Perplexity 還探索與企業合作推出聯合品牌版本，為企業客戶提供定制化的搜索服務，并通過企業付費實現盈利。這種多元化的免費 + 增值模式使得 Perplexity 能夠在滿足不同用戶需求的同時，實現商業收入的多元化增長。

· 廣告與訂閱付費的平衡策略：在廣告盈利方面，秘塔注重廣告投放的精準性和用戶體驗的平衡。通過對用戶搜索行為和興趣偏好的分析，秘塔能夠精準地向用戶推送相關的廣告內容，提高廣告的點擊率和轉化率。同時，秘塔嚴格控制廣告的展示頻率和形式，避免過度干擾用戶的搜索體驗。在訂閱付費方面，秘塔不斷優化訂閱服務的內容和價格策略，根據用戶需求的不同層次，設置了多種訂閱套餐，提供靈活的付費選擇，吸引用戶升級為付費訂閱用戶。Perplexity 在廣告與訂閱付費的平衡上也有自己的策略。其廣告展示采用了較為簡潔和不影響用戶操作的方式，如在搜索結果頁面的側邊欄或底部展示相關廣告。同時，Perplexity 通過不斷提升付費訂閱服務的價值，如提供更優質的搜索結果、更多的個性化功能以及專屬的客戶支持等，鼓勵用戶選擇訂閱付費模式。此外，Perplexity 還在探索基于用戶行為數據的動態廣告定價和訂閱推薦策略，以實現廣告收入和訂閱收入的最大化，同時保持用戶的滿意度和忠誠度。

五、未來展望與啟示

關于大模型AI搜索領域，隨著技術的不斷進步和市場需求的日益多元化，國內外TO B和TO C企業的技術邊界正逐漸模糊，預示著未來可能形成一個多維度、深層次融合的新格局。

1. 技術邊界的融合與重塑

· TO C企業向專業化邁進：隨著用戶對搜索結果的準確性和專業性的要求不斷提高，TO C企業將更加注重行業知識的引入和整合。通過深度學習、自然語言處理等技術，TO C企業能夠更精準地理解用戶意圖，結合行業知識庫，為用戶提供更加專業、權威的搜索結果。這種趨勢將推動TO C企業從單純的搜索工具向知識服務平臺轉變。

· TO B企業注重用戶體驗：為了提升產品的市場競爭力，TO B企業將更加重視用戶交互設計，努力使AI搜索工具更加易用、便捷。通過引入先進的UI/UX設計理念和技術，TO B企業能夠降低用戶的學習成本，提高用戶滿意度和忠誠度。這將有助于TO B企業打破傳統壁壘，拓展更廣闊的市場空間。

2. 政策與法規的深遠影響

· 數據合規與隱私保護：特別是在中國市場，隨著《個人信息保護法》、《數據安全法》等法律法規的出臺和實施，數據合規和隱私保護將成為AI搜索企業必須面對的重要課題。企業需要在確保數據安全的前提下，合理利用數據資源，提升AI搜索的準確性和效率。同時，加強用戶隱私保護，建立透明的數據使用機制，將是贏得用戶信任的關鍵。

· 行業規范與標準制定：為了推動AI搜索行業的健康發展，國內外將加快制定相關標準和規范。這些標準和規范將涵蓋數據安全、算法透明度、搜索結果公正性等多個方面。企業需要積極參與標準和規范的制定工作，共同推動AI搜索行業的規范化、標準化發展。

3. 生態系統的構建與協同

· AI搜索平臺的生態系統化：未來的AI搜索平臺將不再是一個孤立的工具，而是成為一個連接上下游企業的生態系統。在這個生態系統中，AI搜索平臺將作為核心節點，通過數據共享、算法優化等方式，與內容創作者、數據分析機構、廣告商等上下游企業形成緊密的合作關系。這將有助于提升整個生態系統的價值創造能力和市場競爭力。

· 協同創新與共贏發展：在構建生態系統的過程中，TO B和TO C企業需要加強協同創新，共同推動AI搜索技術的升級和應用場景的拓展。通過跨界合作、資源共享等方式，企業可以打破行業壁壘，實現優勢互補和共贏發展。同時，企業還需要關注用戶需求的變化和市場趨勢的發展，及時調整戰略方向和技術路線，以確保在激烈的市場競爭中保持領先地位。

4. 平衡技術創新與實際應用場景

· 技術創新與市場需求相結合：在推動AI搜索技術發展的過程中，企業需要注重技術創新與市場需求相結合。通過深入了解用戶需求和行業特點，企業可以更加精準地定位技術創新的方向和重點。同時，企業還需要加強技術研發和成果轉化能力，將技術創新成果轉化為實際生產力，為用戶提供更加優質、高效的服務。

· 應用場景的拓展與優化：除了關注技術創新外，企業還需要積極拓展和優化AI搜索的應用場景。通過深入挖掘潛在需求、優化用戶體驗等方式，企業可以不斷拓展AI搜索的應用領域和市場規模。同時，企業還需要加強應用場景的持續優化和迭代能力，以適應市場變化和用戶需求的變化。

未來AI搜索領域將呈現出技術邊界融合、政策影響深遠、生態系統構建和平衡技術創新與實際應用場景等趨勢。企業需要緊跟時代步伐，加強技術創新和市場拓展能力，共同推動AI搜索行業的健康、可持續發展。